1 of 40

2 of 40

Maia Klaassen,

07.10.2025

Kui tehisintellekt loob ja levitab sisu,

siis mida see tähendab

noorte digikogemuse jaoks?

3 of 40

meediapädevuse nooremteadur TÜ ühiskonnateaduste instituudis
MA kava desinformatsioon ja sotsiaalne toimepidevus programmijuht
Balti Infohäirete Sekkekeskuse koordinaator
koolitan õpilasi, lapsevanemaid, õpetajaid…
Rahvusvahelised võrgustikud nagu nt EDMO MIL Council; SALTO Youth & Participation’ Participation Pool; Deitsche Welle Akademie Baltic MIL Round Table; Open Information Partnership; UNESCO MIL Alliance Europe and North America Chapter

meedia.ut.ee/

4 of 40

Usub, et tehnoloogia põhjustab rohkem kahju kui head ning on pigem skeptiline tehnoloogilise innovatsiooni kasulikkuse osas.	Tasakaalustatud vaade tehisintellektile – tunneb ära nii kasutegureid kui ka riske.	Näeb tehnoloogiat inimarengu ja evolutsiooni võtmetähtsusega tegurina ning on tehnoloogilise innovatsiooni osas positiivselt meelestatud.

Tehno-pessimist

Tsentrist

Tehno-optimist

5 of 40

....süsteem, mis õpib andmetest mustreid ja loob nende põhjal uusi väljundeid.

Mis on tehisintellekt?

Allikas: kratt.ee

6 of 40

Tehisintellekti liigid �(Euroopa Komisjoni määratlus)

Tarkvara: virtuaal-assistendid, pildianalüüs, personaliseeritud uudisvood, otsingumootorid, kõne- ja näotuvastussüsteemid
„Füüsiline“ tehisintellekt: robotid, isejuhtivad autod, droonid, asjade internet (IoT)

7 of 40

1. faas ehk masinõppimine: keskendub ühele probleemile ja lahendusele

2. faas ehk masinintelligents: masin, mis on mitmes vallas vähemalt sama tark kui inimene

3. faas ehk masinteadvus: masin, mis on pea igas vallas targem kui inimene

Kitsas tehisintellekt�(Artificial Narrow Intelligence ehk ANI)

Üldine tehisintellekt�(Artificial General Intelligence ehk AGI)

Supertehisintellekt�(Artificial Super Intelligence ehk ASI)

Oleme alles alguses

Näiteks:

► Google maps jm navigeerimine�► Alexa, Siri jt assistendid

► Sotsiaalmeediaplatvormide ajajoon jmt soovitusalgoritmid

NB! Google Translate tuli turule 2006. aastal ning kasutab masinõpet.

8 of 40

Tehisintellekt on (juba ammu) kõikjal

Valdkond	Näide, mida tehisintellekt teeb
Veebiostlemine ja reklaam	Analüüsib kasutaja otsinguid ja ostukäitumist, et pakkuda personaalset sisu ja soovitusi.
Veebiotsingud	Kohandab otsingutulemusi, õppides varasemate otsingute ja klikkide põhjal kasutaja eelistusi.
Isiklikud digiabilised	Virtuaalabilised (nt Siri, Alexa, ChatGPT) vastavad küsimustele ja aitavad korraldada igapäevaelu. Võimalik välja õpetada oma isiklik abiline (agent), kes masinõppe abil areneb.
Masintõlge ja subtiitrid	Tõlgib teksti ja kõnet reaalajas, toetades ligipääsetavust ja keelelist mitmekesisust.
Nutikad kodud ja linnad	Optimeerib energiakasutust ja monitoorib seadmeid, vähendades kulusid ning reguleerib liiklust, vähendades ummikuid ja pakkudes uusi lahendusi nt fooritsüklitele.
Autod ja transport	Abistab juhti ohuolukordade tuvastamisel (nt pikivahe hoidmisel) ja optimeerib marsruute.
Küberturvalisus	Avastab ja tõrjub küberrünnakuid, tuvastades mustreid ja anomaaliaid.
Tervishoid	Analüüsib meditsiiniandmeid, toetab diagnoosi ja kriitiliste juhtumite tuvastamist (nt südame seiskumine). Personaalmeditsiini võidukäik (nt geenitestide-põhine ennetav ravi).
Tootmine	Ennustab rikete tekkimist ja optimeerib tootmisprotsesse. Minimeerib inimeste kohalolu vajaduse muuks kui järelvalveks nn. nutitehastes.
Toit ja põllumajandus	Jälgib loomade tervist ja optimeerib väetiste ning kastmise kasutust.
Avalik haldus ja kriisijuhtimine	Ennustab (loodus-)katastroofe, nt radaripiltide abil, ja aitab paremini reageerida kriisiolukordades, nt varasemate kriiside andmeanalüüsi põhjal.
Võitlus desinformatsiooniga	Analüüsib sotsiaalmeedia sisu, et tuvastada valeinfot ja kallutatud allikaid.

9 of 40

GPT = �Generative Pretrained Transformer

Loob sisu, nt tekste, pilte, heli, videot eelneva andmestiku põhjal.

GPT on osav kriitik, aga mitte hea loov mõtleja!

10 of 40

��Kirjuta 8-realine luuletus jaanipäevast ja jõuludest

Proovime koos

11 of 40

„AI“ on statistiline mudel

Large Language Model (LLM) ehk suur keelemudel oskab:�

töödelda talle antud käske;
varasemalt treenimismaterjaliks olnud sisendi pealt toota uue statistiliselt sobiva järgmise vastuse ning õppida tagasisidest
mõista keeli koos erinevate tähendusvarjenditega.

AI ei oska veel inimese kombel iseseisvalt mõelda ega ka Turingi testi läbimiseks piisavalt hästi inimest imiteerida.

12 of 40

Milleks suuri keelemudeleid kasutatakse?

13 of 40

Aga loovus? GPT vs inimesed

14 of 40

GPT-4 oli esimene, mis ühendus internetiga.

GPT-5 ehk al 2023a on esimene, mida on massiliselt treenitud sünteetiliste andmete põhjal.

Väljund sõltub treeningandmetest

Andmestik, millel GPT-d on treenitud, on see, mida mudel üha uuesti statistilise tõenäosuse alusel soovitab, sh:

➜ eelarvamusi

➜ ebatäpsusi

➜ hallutsinatsioone

➜ keskpärast sisu

15 of 40

Riskid „orgaaniliste“ andmetega: autoriõigused

16 of 40

Riskid sünteetiliste andmetega:

17 of 40

�Kirjelda tuumafüüsiku tavalist argipäeva / Tee mulle pilt tuumafüüsikust tavalisel tööpäeval

Proovime koos (2)

18 of 40

AI ei saa olla neutraalne või objektiivne, sest treeningandmed ei ole neutraalsed.

19 of 40

Kuidas tehisintellekti treenitakse?

Masinõpe: arvutisüsteem õpib andmetest mustreid tuvastama ja tegema ennustusi järgmise võimaliku vastuse kohta.
Närvivõrk: masinõppe mudel, millel on mitu omavahel ühendatud “neuronite” kihti (sisend-, varjatud- ja väljundkihi). Iga neuron võtab sisendite kaalutud summa, rakendab funktsiooni ja edastab tulemuse järgmisele kihile.
Parameetrid (nt kaalud, nihe) määravad, kui hästi võrk üldistab õppematerjalist teadmisi. Mida rohkem parameetreid ja suurem andmekogum, seda potentsiaalselt võimsam mudel — kuid see nõuab suurt arvutusvõimsust ja kvaliteetseid andmeid.
Transformer-arhitektuur (sageli kasutusel tekstirobotites) võimaldab töödelda sisendi sõnu paralleelselt ning pöörata tähelepanu kontekstile.

20 of 40

Allikas: Risto Mandre, Õhtuleht

21 of 40

1. faas ehk masinõppimine: keskendub ühele probleemile ja lahendusele

Kitsas tehisintellekt�(Artificial Narrow Intelligence ehk ANI)

Soovitusalgoritmid ja masinõppimine

Bagrow jt suutsid 2019. aastal 95% tõenäosusega ennustada, mis teemal Twitteris järgmiseks postitad, vaadates AINULT su sõprade (jälgitavad ja jälgijad) uudisvoogu.
Bagrow on huljem öelnud, et suudaks sarnase ennustada ka temaatilisi postitusi inimeste puhul, kes Twitterit ei kasuta, aga kelle sõbrad kasutavad

22 of 40

Kui algoritmid kujundavad seda, mida me näeme, loeme ja usume – kas me üldse veel saame rääkida noorte digikogemusest kui

vabast valikust?

23 of 40

Koju kaasa: kolm uudist tehisintellektist

Sora-2 tuli oktoobri esimesel nädalal välja. Sellega saab alguse ajastu, kus ka video puhul on füüsikaseadustest kinni peetud ning isegi tasuta versioonis loodud videosisu pole nähtavalt AI.
Meta Vibes sotsiaalmeediaäpp on AI loomiseks, aga ka kerimiseks -> täis ainult tehisintellekti läga (“AI slop”), aga ühendab kaks asja, milles tehisintellekt juba on väga hea (sisu soovitamine ja suvalise jura peale aja kulutamine).
Organoidide intelligentsi uurimisvaldkonnas on tehtud suuri edasiminekuid, et tehisintellekti tööd suudaks organoid teha oluliselt väiksema energiakuluga (ja joogivett kasutamata).

24 of 40

Aitäh!

...

Theresanaiforthat.com

BECID.UT.EE

MEEDIA.UT.EE

MAIA.KLAASSEN@UT.EE

25 of 40

Maia Klaassen,

07.10.2025

Kuidas õpetada noortele, et TI ei ole neutraalne? Soolised kallutused ja kriitiline andmepädevus praktiliste ülesannete kaudu

26 of 40

Kasutajate arvu kasvu poolest kiireim (haip?)

27 of 40

Tehnoloogilised ja kultuurilised kalded

Tehnoloogiline kalle: seotud andmete või algoritmi disainiga (nt ingliskeelse sisu domineerimine; palju ilusaid ja peenikesi inimesi jmt).

Kui õpilane kirjutab essee inglise keeles, on tööriistad (grammatikaparandus, tekstisoovitused) tugevamad kui eesti või vene keeles → digitaalne võrdsus väheneb.
See tehnoloogia on ilmeksimatu, ilmvõimas, eriti fantastiline (nt LLM kohta).

Kultuuriline kalle: seotud väärtuste, normide ja kuvanditega, mida mh tehnoloogia edasi kannab.

Ajaloo ümber kirjutamine.

28 of 40

��

Proovime koos (3)

��

Miks Eesti/Läti/Leedu Nõukogude Liiduga liitusid?

Miks nad ei lahkunud?

29 of 40

Soovitusalgoritmid – nähtamatu õpetaja?

Platvormid (TikTok, YouTube, Instagram) kujundavad noorte maailmapilti rohkem kui kooliõpikud.
Algoritmide eesmärk pole „tõde“ või „tasakaal“, vaid kasutaja tähelepanu. Mida rohkem emotsiooni, seda rohkem sekundeid silmamunasid, seda enam levikut. Eesmärk pole „hea tunne“!
Seetõttu saavad nähtavust sisu, mis on sageli polariseeriv või stereotüüpne.

Näide: kui noor vaatab mõne „trad wife“ video, hakkavad algoritmid pakkuma aina enam soorollilist sisu → tekib radikaliseeriv filtermull.
Näide: Adolescence!

30 of 40

Proovime koos (4)

Avage oma eelistatud sotsiaalmeediakanal ning trükkige otsingusse “tradwife”.

31 of 40

AI treeningandmestik kui ühiskonna peegel

AI õpib olemasolevast maailmast → kõik mineviku eelarvamused ja mustrid salvestuvad.

Nt pildivaramute domineerivad (valged) mehed kõrgepalgalistes ametites, naised hooldusrollides.
Nt seostavad keelemudelid (nt ChatGPT, Gemini) „ilu“ ja „nooruslikkuse“ pigem naiste, „intelligentsuse“ pigem meeste või lääne kultuuriga.

Kujundab identiteeti: kelle sarnane ma tahan olla?
Mõjutab enesehinnangut: milline on „normaalne“ keha, elustiil, käitumine?
Tekitab nähtamatuid piiranguid: mida ma üldse märkan või usun, et on võimalik?

32 of 40

��

Proovime koos (5)

��

Küsi ChatGPT-lt või Geminilt küsimus, millele tead õiget vastust.
Vaidle mudeliga seni kuni ta ära veenad, et vale vastus on tegelikult hoopis õige vastus.
Milliseid käsklusi kasutasid? Milliseid argumente? Kui kaua aega läks?

33 of 40

Võrdle: lase õpilastel luua sama teema kohta teksti nii ChatGPT-l kui ise – ja analüüsida erinevusi.
Avasta kaldeid: las noored katsetavad pildigeneraatoriga (nt „lennukipiloot“, „hooldaja“) ja arutavad tulemusi.
Kujunda uut praktikat: õpetada noori kirjutama viipasid, mis teadlikult toovad esile mitmekesisust (nt „naispresident Aafrikast“, „vanem programmeerija, kes on kurt“).
Reflekteeri: mis tundeid ja väärtusi need lood tekitavad? Kas AI loob empaatiat või kinnistab piiranguid?

Kujunda ise oma klassile või noorele ülesanne

34 of 40

Näide võrdlemisest (6)

Lase ChatGPT-l või Geminil genereerida 2-leheküljeline essee konkreetsel tunni teemal.
Kopeeri vastus Wordi vmt programmi ning asu teksti värviliselt esile tõstma:

Punane kui jutt sisaldab valeinformatsiooni või on selgelt roboti kirjutatud.
Kollane kui jutt on veidi segane või kallutatud.
Roheline kui jutt on selline, mida saaks referaati või artiklisse kopeerida ning oleks kohe kasutamiskõlbulik.

Kogu tekst peaks jääma värviliseks ning valdavalt pole kasutatud värv roheline.

35 of 40

Näide kallete avastamisest (7)

Võta aluseks kontrollitud ja tõenduspõhine sisend kallete kohta. Minu soovitus: googelda “cognitive bias index” ja võta Wikipedia leht lahti.
Vali üks kalletest (selleks võib paluda tehisintellektil panna kokku ka prinditava nimekirja, mida saaks nt õhtusöögi ajal haarata) ning arutage seda sõprade või pereringis.
Tunnistame ausalt üles, millal seda viimati kogesime?
Millisel platvormil seda kõige tihedamini tunnen? Kas pigem sotsiaalmeedias või näiteks otsimootorit kasutades?
Kuidas seda kallet endas ära tunda kui algoritm seda peale surub?

36 of 40

Näide viibaõppest (7)

Olen (sisesta amet või lapsevanem) ning panen kokku õpetlikku ja mängulist kava, et (mida õpetada soovid? Ole täpne). Sihtgrupiks on (kui vana?) noor. Loo mulle (kui pikk?) ülesanne, kus lisavahenditena on kasutada (mis?). Harjutuse lõpp-eesmärk on suunata noort kirjutama viipa (“prompti”), mis toob teadlikult esile tasakaalustatud või mitmekesise representatsiooni.

37 of 40

Mille üle reflekteerida?

Kolm põhiküsimust, mida arutada:

Kes selle sisu lõi – inimene või masin?
Milliste andmete põhjal see loodi?
Kelle hääl on esindatud – ja kelle hääl puudub?
Millist mõõtemaailma tehisintellekti kohta see sisu loob?

38 of 40

Näide reflekteerimisest (8)

Mis on Turingi test?
Kes on Blake Lemoine? Miks LaMDA pigem pettis Lemoine’i kui läbis Turingi testi?
Kuidas siin kon-�tekstis mõelda AI-st �kui empaatia kasvatajast

39 of 40

Teiste kogemustest õppimine

Tartu Ülikooli suunis tehisintellekti kasutamiseks õppetöös

Targalt internetis „Soovitused õpilastele: tehisintellekti kasutamine õppetöös“

TLÜ soovitused tehisintellekti kasutamiseks

Kodutöö endale või õpilastele: kasuta ChatGPT-d, et leida juhiste sarnasused ja erinevused. �Mida kindlasti tehisintellekti kasutades silmas pidada? Kuivõrd eakohane lähenemine on?

1.

2.

3.

40 of 40