Tekoäly: Kyunghyun Chon opit oppimisesta ja kasvusta

Huomiomekanismin kehittäjän tutkimusura avaa näkökulman siihen, miten yrittäjä voi yhdistää uudet työkalut, oman osaamisen ja hyödylliset ongelmat.

Tekoäly tarvitsee suurten lupausten rinnalle tarkkoja kysymyksiä. Yrittäjälle niistä hyödyllisin on arkinen: mitä haluamme saada paremmin tehdyksi? Kyunghyun Chon tutkimusura tarjoaa kysymykselle kiinnostavan taustan, sillä hänen tiensä tekoälytutkimukseen sai alkusysäyksen sattumanvaraisesta kurssitehtävästä.

Aallossa opiskellut Cho on New Yorkin yliopiston terveystilastotieteen ja tietotekniikan professori. Hän on ollut kehittämässä nykyisten suurten kielimallien taustalla vaikuttavaa huomiomekanismia ja perustamassa proteiinisuunnitteluun keskittyvää Prescient Designia, jonka Genentech osti. Aalto-yliopiston keskustelu Chon kanssa yhdistää tutkimuksen, yrittäjyyden ja oppimisen kysymykset tavalla, joka antaa ajateltavaa myös oman yrityksen kehittämiseen.

Miksi huomiomekanismi muutti tekoälyä?

Huomiomekanismi kuulostaa helposti siltä, että koneelle olisi rakennettu ihmisen keskittymiskyky. Käytännössä sillä tarkoitetaan laskennallista tapaa painottaa käsiteltävän tiedon eri osia. Kielitehtävässä malli voi näin hyödyntää sanojen välisiä yhteyksiä ja antaa kulloisenkin tehtävän kannalta olennaisille kohdille enemmän painoa.

Ajatellaan kääntämistä: yksittäisen sanan sopiva vastine riippuu usein ympäröivästä lauseesta. Huomiomekanismin perusajatusta voi hahmottaa tämän kautta, vaikka koneen laskenta poikkeaa ihmisen lukemisesta. Chon tutkimus liittyy juuri tähän tekoälyn kehityksen keskeiseen suuntaan, jota käsitellään videon huomiomekanismia avaavassa osuudessa, joka alkaa kohdasta 12:42.

Yrittäjän ei tarvitse osata toteuttaa mekanismia ymmärtääkseen sen merkityksen. Teknologinen edistys voi syntyä siitä, että tiedon käsittelyyn löydetään parempi tapa. Se rohkaisee kysymään omassakin työssä, onko ratkaistava pulma tiedon puute vai vaikeus löytää olemassa olevasta tiedosta olennainen.

Teknistä selitystä ei silti kannata venyttää laatutakuuksi. Yrityksessä käyttökelpoisuus on arvioitava sillä tehtävällä, johon työkalua suunnitellaan. Sujuva teksti antaa eri näytön kuin vastaus, jonka tiedot ja perustelut on tarkistettu.

Tutkimuksesta yritykseksi tarvitaan ratkaistava ongelma

Chon ura ulottuu kieliteknologiasta proteiinisuunnitteluun. Proteiinisuunnittelussa pyritään kehittämään proteiineja, joilla on haluttuja ominaisuuksia. Prescient Designin perustaminen ja myöhempi yrityskauppa tuovat hänen tarinaansa konkreettisen yrittäjyysulottuvuuden: tutkimusosaaminen voi johtaa myös yrityksen rakentamiseen.

Videon kohdasta 29:24 alkava osuus käsittelee kieliteknologiaa, proteiinisuunnittelua, terveydenhuoltoa ja tutkimusongelmien valintaa. Näiden teemojen rinnakkain asettaminen herättää perustajalle hyödyllisen kysymyksen: missä oma osaaminen voisi ratkaista ongelman, jota ei ole aiemmin tullut ajatelleeksi?

Kuvitellaan pieni ohjelmistoyritys, joka suunnittelee tekoälyominaisuutta. Ensimmäinen hyödyllinen keskustelu voisi koskea asiakkaan toistuvaa työvaihetta: mikä vie aikaa, mikä aiheuttaa virheitä ja millainen parannus olisi asiakkaalle arvokas? Vasta sen jälkeen on helpompi arvioida, millaista teknologiaa ratkaisu tarvitsee.

Teknologian saatavuutta pohtivalle luonteva jatkokysymys on, miten avoimet tekoälymallit muuttavat tekoälyn taloutta. Oman idean arvioinnissa kannattaa kuitenkin pitää näkyvissä asiakkaan ongelma, ratkaisun ylläpito ja tapa osoittaa hyöty. Chon yritystarinasta ei voi päätellä yksittäisen startupin menestysreseptiä, mutta se antaa kiinnostavan esimerkin tutkimuksen ja soveltamisen yhteydestä.

Miten työkalun käyttö tukee osaamista?

Chon suhtautuminen tekoälyn aiheuttamaan taitojen rapautumiseen on jakson kuvauksen perusteella luottavainen. Hän kannustaa opiskelijoita käyttämään tekoälytyökaluja. Oppimista, opiskelijoiden huolia ja yliopistojen tehtävää käsitellään kohdasta 42:10 alkavassa keskustelussa, jonka kysymykset koskettavat myös työpaikkoja.

Yrityksessä tästä voi rakentaa käytännön kokeilun. Työntekijä voisi esimerkiksi luonnostella asiakasviestin tekoälyn avulla ja käydä sen jälkeen kollegan kanssa läpi, mitkä kohdat toimivat ja mitä piti korjata. Harjoituksessa syntyisi sekä käyttökelpoinen viesti että yhteistä ymmärrystä sen laadusta.

Osaamista kannattaa arvioida myös sillä, pystyykö ihminen perustelemaan ratkaisunsa. Miksi tämä lupaus kuuluu asiakasviestiin? Mihin ehdotuksen tieto perustuu? Tällaiset kysymykset auttavat tekemään näkyväksi, mitä työntekijä ymmärtää ja missä hän tarvitsee vielä tukea.

Esihenkilö voisi varata kokeilulle aikaa ja sopia etukäteen, millainen tuotos käydään yhdessä läpi. Samalla kannattaa kuunnella, mikä uudessa työvälineessä innostaa ja mikä huolestuttaa. Oppimiseen on helpompi osallistua, kun keskeneräisestä osaamisesta voi puhua avoimesti.

Yhteisiä käytäntöjä voi tarkastella myös myynnin, markkinoinnin ja asiakastyön yhteistyön kautta. Jos samaa työkalua käytetään useassa tehtävässä, yhdessä sovitut arviointitavat voivat auttaa tiimejä ymmärtämään toistensa tarpeita.

Sattumallekin tarvitaan tilaa

Chon tarinassa sattuma liittyy sekä tutkimusuran alkuun että Suomeen saapumiseen. Jakson kuvauksessa hän pitää Suomeen tuloa elämänsä parhaana päätöksenä. Yhden ihmisen kokemus ei kerro kaikkien tutkijoiden urista, mutta se muistuttaa, kuinka suuri merkitys opiskeluympäristöllä voi olla.

Yrittäjälle tässä on kiinnostava jännite. Arki tarvitsee suunnitelmia ja rajattuja tavoitteita, mutta kaikkea hyödyllistä ei voi tunnistaa etukäteen. Uusi kurssi, keskustelu tutkijan kanssa tai tutustuminen vieraaseen toimialaan voisi avata kysymyksen, jota oman työpöydän ääressä ei huomaisi.

Uteliaisuudelle voi antaa käytännöllisen muodon: varaa aikaa yhden uuden menetelmän kokeilemiseen ja kerro muille, mitä havaitsit. Jos kaipaat vertailukohtaa työkalun arviointiin, voit jatkaa GPT-6 Astran testistä koottuihin yrittäjän oppeihin. Oleellista on tehdä havainnoista sellaisia, että niiden perusteella voi päättää seuraavasta askeleesta.

Mitä yrittäjä voi oppia?

Tekoäly antaa aihetta uteliaisuuteen, ja Chon ura havainnollistaa tutkimuksen monia mahdollisia suuntia. Omassa yrityksessä alku voi olla huomattavasti pienempi. Hyvä kokeilu alkaa tehtävästä, jonka onnistumisen tunnistat.

• Valitse todellinen tarve. Nimeä työvaihe ja kuvaa, mikä siinä pitäisi saada paremmin tehdyksi.
• Tee oppiminen näkyväksi. Pyydä käyttäjää perustelemaan, mitä hän hyväksyi tekoälyn ehdotuksesta ja mitä muutti.
• Jätä tilaa havainnoille. Kirjaa myös yllätykset, sillä ne voivat auttaa löytämään seuraavan hyödyllisen kysymyksen.

Seuraava askel voisi olla yhden tehtävän, yhden työkalun ja yhteisen arviointihetken sopiminen. Kokeilun jälkeen kannattaa kysyä sekä työn laadusta että opitusta. Silloin teknologian mahdollisuudet alkavat muuttua oman yrityksen ymmärrykseksi.

Osaamista kannattaa arvioida myös sillä, pystyykö ihminen perustelemaan ratkaisunsa.

Hyvä kokeilu alkaa tehtävästä, jonka onnistumisen tunnistat.

▶

Lähteet

• Aalto-yliopisto: Kyunghyun Cho tekoälyn huomiomekanismista ja oppimisesta — Julkaistu 8.9.2026. Käytettävissä olivat käyttäjän toimittama jakson kuvaus ja lukujen aikaleimat, eivät litterointi tai videon sisältö kokonaisuudessaan. Aikaleimat osoittavat aiheosuuksien alkuun. Yritysten kokeiluesimerkit ja toimintaehdotukset ovat toimituksellisia sovelluksia. Nostot ovat artikkelin omia muotoiluja, eivät Chon sitaatteja.