Tekoäly jää kauas tutkijoista

Tekoälyagentit kompuroivat tieteessä

Stanfordin yliopiston Human-Centered Artificial Intelligence -instituutin (HAI) tuore AI Index 2026 -raportti piirtää ristiriitaisen kuvan tekoälyn tilanteesta tieteessä. Vaikka huippumallit läpäisevät yhä vaikeampia kokeita ja ratkaisevat matemaattisia ongelmia olympiatasolla, ne epäonnistuvat surkeasti tehtävissä, jotka vaativat pitkäjänteistä tutkimustyötä ja monimutkaista päättelyä.

Nature-lehti tiivisti raportin tulokset otsikolla "ihmistutkijat tyrmäävat parhaat tekoälyagentit monimutkaisissa tehtävissä". Kyse ei kuitenkaan ole siitä, ettei tekoäly osaisi mitään, vaan siitä, että sen kyvyt jakautuvat epätasaisesti. Raportti kutsuu ilmiötä sahalaitaiseksi rajaksi (jagged frontier): sama malli, joka ratkaisee kansainvälisen matematiikkaolympiadin kultamitalitasoisesti, lukee analogista kelloa oikein vain joka toisen kerran.

Kaksi tuntia vai 32 – ajankäyttö ratkaisee

Yksi raportin kiinnostavimmista havainnoista tulee RE-Bench-vertailusta, jonka kehitti tekoälyn turvallisuusjärjestö METR. Testissä ihmisasiantuntijat ja tekoälyagentit ratkaisivat samoja koneoppimisen tutkimustehtäviä, kuten skaalauslakien sovittamista ja GPU-ytimien optimointia.

Kun aikaa annettiin kaksi tuntia, tekoälyagentit saivat nelinkertaisen pistemäärän ihmisiin verrattuna. Ne generoivat ja testasivat ratkaisuja yli kymmenen kertaa nopeammin kuin ihmiset. Mutta kun aikabudjetti kasvoi 32 tuntiin, asetelma kääntyi päälaelleen: ihmiset saivat kaksinkertaisen pistemäärän parhaaseen tekoälyagenttiin verrattuna.

Syy on rakenteellinen. Tekoälyagentit ovat nopeita kokeilemaan erilaisia lähestymistapoja, mutta ne eivät osaa reagoida uuteen tietoon tai rakentaa systemaattisesti aiemman edistyksen päälle. Ihmistutkijat sen sijaan oppivat matkan varrella ja muokkaavat strategiaansa. Mitä monimutkaisempi ongelma, sitä enemmän tämä kyky ratkaisee.

Tieteenalojen välillä valtavia eroja

Sahalaitainen raja näkyy selvästi, kun vertaillaan tekoälyn suoriutumista eri tieteenaloilla. Kemiassa tilanne on tekoälyn kannalta valoisa: ChemBench-testissä huippumallit päihittävät ihmiskemistien keskiarvon yli 2 700 kysymyksessä. Kemia on rakenteeltaan sellaista, että suuri osa tehtävistä palautuu kaavoihin ja tietokantoihin, joissa kielimallit ovat parhaimmillaan.

Astrofysiikassa kuva on täysin toinen. ReplicationBench-testissä, joka mittaa kykyä toistaa tieteellisen artikkelin tulokset, parhaat mallit jäävät alle 20 prosentin tarkkuuteen. Bioinformatiikassa BixBench-testin tulos on noin 17 prosenttia. Maantieteellisessä havainnoinnissa UnivEarth-testissä tekoälyagentit vastaavat oikein vain kolmannekseen kysymyksistä, ja niiden tuottama koodi kaatuu 58 prosentissa tapauksista.

Ehkä kuvaavimman tuloksen antaa PaperArena-testi, jossa tekoälyagenttien pitää vastata monimutkaisiin tutkimuskysymyksiin useiden tieteellisten artikkelien pohjalta. Paras agentti, Googlen Gemini 2.5 Pro, saavuttaa 38,8 prosentin tarkkuuden. Ihmisasiantuntijan tulos on 83,5 prosenttia. Vaikeissa tehtävissä tekoälyn tarkkuus putoaa 18,5 prosenttiin.

Tutkijat eivät silti hylkää tekoälyä

Raportissa on paradoksi. Vaikka tekoälyagentit häviävät ihmisille monimutkaisissa tehtävissä, tutkijat ovat ottaneet tekoälytyökalut käyttöön nopeammin kuin koskaan. Yli 41 miljoonan tieteellisen artikkelin analyysi osoittaa, että tekoälyä hyödyntävät tutkijat saavat johdonmukaisesti ammatillista etua: enemmän viittauksia, laajempaa näkyvyyttä ja nopeampaa julkaisutahtia.

Kääntöpuoli on kuitenkin merkittävä. Sama tutkimus havaitsi, että tekoälyn laaja käyttö kaventaa tieteen fokusta. Kun tutkijat nojaavat samoihin tekoälytyökaluihin, he päätyvät tutkimaan samoja aiheita samoilla menetelmillä. Yksilön tuottavuus kasvaa, mutta tiedeyhteisön monimuotoisuus kärsii.

Mitä tämä tarkoittaa Suomelle

Suomalaiselle tutkimusyhteisölle tulokset ovat sekä helpotus että herätys. Helpotus siksi, että asiantuntijuutta ei voi korvata pelkällä laskentakapasiteetilla. Suomen vahvuudet, kuten syvä perustutkimusosaaminen ja monitieteinen yhteistyö, ovat juuri niitä taitoja, joissa ihmiset päihittävät koneet.

Herätys puolestaan liittyy siihen, ettei tekoälytyökaluista voi jäädä sivuun. Aalto-yliopiston johdolla käynnistynyt ELLIS Institute Finland on Suomen vastaus tähän haasteeseen. Euroopan laajuisen tekoälytutkimusverkoston suomalainen solmukohta sai opetus- ja kulttuuriministeriöltä kymmenen miljoonan euron vuosirahoituksen ja Silo AI:n perustajan Peter Sarlinin säätiöltä kymmenen miljoonan euron lahjoituksen professuureihin. Tavoite on selkeä: houkutella huippututkijoita, jotka ymmärtävät sekä tekoälyn mahdollisuudet että rajat.

Suomalaiset yliopistot ovat myös yhdessä kehittäneet CSC:n AITO-kehystä, joka luo yhteisiä periaatteita tekoälyn käyttöön tutkimuksessa. Stanfordin raportin valossa kehys osuu oikeaan: tekoäly on työkalu, ei tutkija. Se nopeuttaa rutiineja, mutta syvällinen tieteellinen päättely vaatii edelleen ihmistä.

Varoitus yliopistojen strategeille

Raportin ehkä tärkein viesti päättäjille on varoitus tulosten yliyleistämisestä. Se, että tekoäly ratkaisee tohtorikokeen kysymyksiä, ei tarkoita, että se pystyy tekemään tohtorin työtä. Benchmarkit mittaavat kapeita taitoja kontrolloituissa olosuhteissa. Todellinen tutkimus vaatii luovuutta, epävarmuuden sietoa ja kykyä muuttaa suuntaa kesken kaiken, eli juuri niitä asioita, joissa ihmistutkijat ovat yhä ylivoimaisia.

Yliopistojen tekoälystrategioiden pitäisi siksi lähteä siitä, mihin tekoäly oikeasti pystyy juuri nyt, ei siitä, mihin sen odotetaan pystyvän vuoden päästä. Kirjallisuushaut, datan esikäsittely, koodin generointi ja kemiallisten yhdisteiden seulonta ovat alueita, joissa tekoäly jo auttaa. Tutkimuskysymysten muotoilu, koeasetelmien suunnittelu ja tulosten tulkinta ovat yhä ihmisen työtä.

Sahalaitainen raja liikkuu jatkuvasti, ja ensi vuonna tilanne voi olla toinen. Mutta juuri nyt paras tutkimustiimi on sellainen, jossa ihminen johtaa ja tekoäly avustaa, ei toisinpäin.