Hyvä teksti syntyy vasta korjauksissa – myös tekoälylle
Uusi tutkimus ehdottaa, että pelkkä "ajatteleminen ääneen" ei tee kielimalleista parempia kirjoittajia, ellei mukana ole tietoista pohdintaa ja uudelleenkirjoittamista.
Moni meistä palaa luonnokseen vasta hetken tauon jälkeen. Ensimmäinen kappale näyttääkin kömpelöltä, väite jää puolitiehen, ja vasta punakynästä syntyy selkeys. Kirjoittaminen on toistoa: kirjoita, pysähdy, arvioi, korjaa. Silti suuret kielimallit – ne, jotka laativat sähköposteja, esseitä ja pakinoita pyynnöstä – on totuttu näkemään yhden vedoksen koneina. Ne kyllä voivat tuottaa pitkiä perusteluketjuja, mutta harvoin ne pysähtyvät oman tekstinsä äärelle kuin toimituspäällikkö.
Viime vuosina on uskonut laajalti, että jos tekoäly vain “ajattelee pidempään”, se suoriutuu paremmin melkein mistä tahansa. Matematiikassa tämä on pitänytkin kutinsa: mallit, joita on opetettu perustelemaan askeleittain, ratkaisevat tehtäviä entistä täsmällisemmin. Mutta kirjoittaminen ei ole yhtälö. Tuore arXivissa julkaistu artikkeli esittää, että avoimissa kirjoitustehtävissä – esseissä, tarinoissa ja tutkivan tekstin kaltaisissa toimeksiannoissa – pitkät ajatusketjut eivät yksin riitä.
Tutkimusryhmä vertaili niin sanottuja päättelymalleja avoimiin kirjoitustehtäviin ja havaitsi, että hyödyt jäivät vaatimattomiksi. Analyysin mukaan malleilta puuttuu kaksi ihmiskirjoittajalle arkista taitoa: oman tekstin läpikäynti kriittisesti ja sen systemaattinen uudelleenkirjoittaminen. Toisin sanoen kone kyllä “ajattelee”, mutta ei käyttäydy kuin kirjoittaja, joka osaa lukea itsensä ja tarttua punakynään.
Tähän aukkoon tutkijat ehdottavat uutta lähestymistapaa, R2-Writea. Ajatus on yksinkertainen, joskin koneelle vieras: erotetaan kirjoittaminen ja arvioiminen toisistaan ja pannaan ne vuoropuheluun. Malli tuottaa ensin luonnoksen ja pysähtyy sitten pohtimaan sitä erikseen “tuomarin” roolissa: mikä väite jäi auki, mikä kuulostaa ontolta, mitä pitää täsmentää tai poistaa? Tämän jälkeen se palaa kirjoittajan rooliin ja muokkaa tekstin uusiksi. Kierros toistuu, kunnes teksti on parempi, ei vain pidempi.
Yksi arkinen esimerkki auttaa hahmottamaan eron. Kuvitellaan, että mallilta pyydetään taustoittava juttu kaupunkipyörien suosioon vaikuttavista syistä. Perinteinen malli voisi listata nopeasti muutaman syyn: hinta, ilmasto ja liikenteen sujuvuus. R2-Write-tyylinen malli pysähtyisi ja huomauttaisi itse: “Perustelut ovat yleisiä, ja vastanäkökulma puuttuu. Missä ovat käyttötilastot ja maininta turvallisuudesta?” Kirjoittaja-rooli palaisi tekstiin, lisäisi havainnon viime vuoden käyttömääriä koskevasta raportista ja toisi esiin, että onnettomuuksia on tapahtunut etenkin uusille käyttäjille. Tuomari tarkistaisi taas: “Nyt teksti nojaa yhteen lähteeseen. Onko verrattavia kaupunkeja?” Kierros toisi mukaan lyhyen vertailun Kööpenhaminaan ja Helsinkiin. Näin teksti ei vain kasva, vaan terävöityy – aivan kuten ihmisellä.
Tutkimuksessa tämä dialogi on automatisoitu. Kirjoittaja–tuomari-vaihtoa toistetaan, ja prosessissa syntyy näkyvä ajattelun jälki: perusteluita, huomioita ja korjauksia. Jotta malli ei jäisi jumiin toisteiseen jaaritteluun (“lisää esimerkkejä”, “tarvitaan dataa” – ilman, että mitään todella lisätään), tekijät rakensivat ohjausmekanismin, joka palkitsee vain sellaisesta itsearvioinnista, joka todella parantaa tekstiä. Yhteenvetona: ei enemmän ajatusta, vaan parempaa ajatusta, jonka laatu mitataan matkan varrella, ei vasta lopussa.
Tekijät raportoivat laajoja kokeita sekä luovan kirjoittamisen että syvällistä taustatyötä vaativien tehtävien mittareilla. Heidän mukaansa menetelmä paransi tuloksia selvästi ja teki sen vieläpä aiempaa säästäväisemmin: sama tai parempi lopputulos syntyi vähemmillä merkeillä eli lyhyemmällä koneen sisäisellä höpinällä. Vaikka tutkimus ei avaudu numeroin tässä yhteydessä, väite on merkittävä: jos kirjoittamista muistuttava ajattelun rytmi tuottaa parempaa tekstiä, kone voi muuttua lauseautomaatista kelvolliseksi luonnostelijaksi – ehkä jopa varovaiseksi itsensä editoijaksi.
On silti syytä olla maltillinen. Ensinnäkin kirjoittamisen laatu on osin makuasia. Vaikka mittareita on, ne eivät ratkaise sitä, onko teksti vaikuttava, uskottava tai oikeudenmukainen. Toiseksi tällainen “tuomari” heijastaa aina niitä arvoja ja esimerkkejä, joilla se on opetettu. Jos palaute on kapea-alaista, myös korjaukset ovat. Kolmanneksi monikierroksinen itsetarkistus voi syödä aikaa ja laskentaa, vaikka tässä työssä pyrittiin vähentämään turhaa toistoa. Neljänneksi avoimet kirjoitustehtävät ovat laaja joukko: tarina, uutisanalyysi ja tutkimusmuistio eivät ole sama asia. On vielä osoitettava, missä ympäristöissä tällainen itsearvioiva malli loistaa ja missä se harhailee.
Lisäksi on avoin kysymys, miten tämä ajattelu istuu eri kieliin ja tyyleihin. Suomi ei ole englanti, ja tyylilajit vaihtelevat verkkomainoksesta oikeudelliseen muistioon. Tutkimus koskee sitä, miten lisätty pohdinta ja uudelleenkirjoitus vaikuttavat mallin kykyyn käsitellä “avoimia” tehtäviä yleensä. Se on jo paljon, mutta ei vielä vastaus siihen, millaista kieltä mallit oppivat pitämään hyvänä – ja miksi.
Silti yksi viesti on selvä ja inhimillinen. Hyvä teksti ei synny yhdellä vedolla, eikä kone ole poikkeus. Jos tekoäly kykenee oppimaan omasta tekstistään kuin editointia harjoitteleva toimittaja – lukemaan, alleviivaamaan, poistamaan ja lisäämään – sen paikka siirtyy kirjoituskoneesta kirjoittajakollegaksi. Kysymys kuuluu: millaisen “makutuomarin” me opetamme sille, ja mitä se kertoo meidän käsityksestämme hyvästä tekstistä?
Paper: https://arxiv.org/abs/2604.03004v1
Register: https://www.AiFeta.com
tekoäly kirjoittaminen kielimallit tutkimus arXiv
