Suomenkielinen tekoäly

Mikä tekoäly osaa parhaiten suomea?

Rehellinen vastaus on, ettei kukaan tiedä varmasti — ei siksi, ettei kysymykseen olisi yritetty vastata, vaan koska riippumatonta, kaupallisia chatbotteja suoraan vertailevaa tutkimusta suomen kielen laadusta ei ole julkaistu. Turun yliopiston TurkuNLP-tutkimusryhmän FIN-bench-arviointi on olemassa ja se on aidosti hyödyllinen työkalu, mutta se on suunnattu ensisijaisesti avoimien, suomalaisten perusmallien (kuten Poro ja Viking) arviointiin — ei ChatGPT:n, Geminin, Clauden ja Copilotin suoraan keskinäiseen vertailuun. Kaikki neljä valmistajaa väittävät omilla sivuillaan tukevansa suomea jollain tasolla, mutta yksikään ei ole julkaissut ulkopuolisen tahon vahvistamaa suorituskykylukua nimenomaan suomelle. Paras tapa muodostaa oma käsitys on kokeilla samaa kehotetta useammalla työkalulla ja verrata tuloksia omaan tarpeeseesi — katso kaikki neljä rinnakkain sivulta Tekoäly-chat -vertailu.

Osaako ChatGPT suomea?

Kyllä siinä mielessä, että se tunnistaa suomenkielisen syötteen ja vastaa suomeksi, ja käyttöliittymän kielen voi lisäksi vaihtaa suomeksi omasta asetusvalikostaan (profiilikuvake > Settings > General > Language). OpenAI ei kuitenkaan ole julkaissut virallista, suomen kielelle erikseen mitattua suorituskykylukua. Tarkat käyttöönotto-ohjeet ja ilmaisversion rajat löytyvät omalta sivultaan: ChatGPT suomeksi. Sama koskee muitakin: yksikään valmistaja ei julkaise erillistä, virallista “suomen kielen laatuprosenttia” — ainoastaan yleisiä mainintoja siitä, että kieli on tuettu.

Mikä on tekoäly englanniksi?

Kaikki neljä tässä käsiteltyä tuotetta — ChatGPT, Gemini, Claude ja Copilot — ovat ensisijaisesti englanninkielisiä tuotteita, joiden kehittäjädokumentaatio, vertailutaulukot ja tukisisältö on laajimmin ja tarkimmin dokumentoitu juuri englanniksi. Esimerkiksi Anthropicin oma monikielisen tuen vertailutaulukko listaa suorituskykyä useille kielille — espanja, portugali, italia, ranska, saksa, arabia, kiina, korea, japani, hindi, bengali, swahili, joruba — mutta ei suomelle erikseen. Tämä ei tarkoita, etteivätkö mallit osaisi suomea käytännössä, vaan sitä, että englanti on se kieli, jolla valmistajat mittaavat ja raportoivat suorituskykyä julkisesti kattavimmin. Jos tarvitset tekstin kääntämistä suomen ja englannin (tai muun kielen) välillä nimenomaan käännöstyönä, katso Tekoäly kääntäjänä.

Suomen omat kielimallit — eivät vielä valmiita kuluttajasovelluksia

Suomessa on kehitetty aidosti omia, avoimia kielimalleja: FinBERT ja FinGPT (molemmat TurkuNLP-tutkimusryhmältä, Turun yliopisto) sekä Poro ja Viking (TurkuNLP:n, Silo AI:n ja EU-rahoitteisen HPLT-hankkeen yhteistyönä, molemmat vapaasti ladattavissa Apache 2.0 -lisenssillä). Nämä ovat kuitenkin tutkimus- ja kehittäjätyökaluja — perusmalleja, joiden päälle muut rakentavat sovelluksia — eivät jotain, jonka tavallinen lukija asentaa ja jonka kanssa keskustelee suoraan samalla tavalla kuin ChatGPT:n tai Geminin kanssa. Avoin Avustaja on lisäksi olemassa, mutta se on vapaaehtoisten datankeruualusta suomenkielisen keskusteludatan kartuttamiseksi, ei valmis kuluttajasovellus. Tavallinen suomalainen käyttäjä kohtaa siis suomenkielisen tekoälyn käytännössä juuri näiden neljän yleiskäyttöisen, kansainvälisen tuotteen kautta — ei suoraan Suomen omien avointen perusmallien kautta.

Entä Perplexity ja muut hakupohjaiset chatbotit?

Tällä sivulla keskitytään neljään suurimpaan yleiskäyttöiseen chatbottiin, koska niistä löytyy eniten virallista, tarkistettavaa tietoa suomen kielestä. Muista, hakuun perustuvista chatboteista (kuten Perplexity) ei löytynyt tätä sivua varten tehdyssä tutkimuksessa erillistä, virallista lausuntoa suomen kielen tuesta niiden omilta sivuiltaan — tämä ei tarkoita, etteivätkö ne osaisi suomea, vaan sitä, ettei asiaa ole vahvistettu suoraan valmistajan omalta sivulta samalla tavalla kuin yllä olevan neljän kohdalla. Jos käytät tällaista työkalua, kannattaa soveltaa samaa periaatetta: testaa itse ja tarkista faktat.

Miksi suomen kieli on oma kysymyksensä

Suomi ei ole yksi maailman puhutuimmista kielistä, ja suurin osa kielimallien koulutusaineistosta on englanniksi tai muilla suurilla kielillä. Tämä ei tarkoita, että suomi toimisi huonosti — kaikki neljä valmistajaa vahvistavat tukevansa sitä jollain tasolla — mutta se selittää, miksi julkiset suorituskykyvertailut keskittyvät useammin suuriin kieliin: espanjaan, ranskaan, saksaan, kiinaan, arabiaan. Suomalaiset tutkijat (TurkuNLP, Silo AI) ovat paikanneet tätä aukkoa rakentamalla omia, avoimia suomenkielisiä perusmalleja, mutta nämä palvelevat toistaiseksi ensisijaisesti kehittäjiä, ei suoraan tavallista chatbotin käyttäjää.

Oikean, suomen kieltä koskevan sanaston käyttö kannattaa myös itse: virallinen termi on “tekoäly”, ei pelkkä lyhenne “AI” — Kotimaisten kielten keskuksen kielenhuoltaja on todennut, että yleiskielessä sana “tekoäly” on paikallaan, koska englanninkielinen lyhenne ei avaudu kaikille suomenkielisille lukijoille. Samoin “kehote” on vakiintunut suomenkielinen vastine sanalle “prompt”, ja “hallusinoida” kuvaa tilannetta, jossa tekoäly tuottaa itsevarman kuuloisen mutta virheellisen vastauksen.

Suomalaiset käyttävät tekoälyä yhä enemmän

Tuoreimman Tilastokeskuksen tilaston mukaan yli 40 prosenttia 16–89-vuotiaista suomalaisista oli käyttänyt generatiivista tekoälyä viimeisen kolmen kuukauden aikana — osuus on noussut merkittävästi edellisvuodesta, ja nuoremmat ikäryhmät ovat omaksuneet sen nopeimmin. Yleisin käyttötarkoitus oli tiedonhaku, toiseksi yleisin tekstin tuottaminen tai parantaminen. Tämä tarkoittaa käytännössä, että kysymys “mikä tekoäly osaa suomea” koskee jo merkittävää osaa suomalaisista, ei vain harvoja teknologia-alan ammattilaisia.

Mitä kannattaa tarkistaa itse

Koska mitään auktoritatiivista vertailua ei ole, järkevin tapa valita työkalu suomenkieliseen tehtävään on testata itse samalla kehotteella useampaa vaihtoehtoa:

1. Kirjoita sama, konkreettinen suomenkielinen kehote kaikkiin neljään (tai niihin, joita jo käytät).
2. Vertaa, kuinka luonnolliselta suomi kuulostaa ja löytyykö vastauksesta selviä kielioppivirheitä tai englanninkielisiä jäänteitä.
3. Tarkista tärkeät faktat, luvut ja nimet aina toisesta lähteestä riippumatta siitä, mikä työkalu vastasi — kaikki neljä perustuvat samaan periaatteeseen, sanan ennustamiseen todennäköisyyksien perusteella, joten kaikki voivat hallusinoida yhtä lailla.
4. Jos tarvitset myös suomenkielisen käyttöliittymän etkä pelkkää suomenkielistä keskustelua, tarkista kieliasetus kunkin työkalun omasta valikosta — Clauden käyttöliittymässä suomea ei ole tarjolla, kun taas ChatGPT:ssä ja Microsoft 365 Copilotissa se on.
5. Toista testi silloin tällöin uudestaan. Kaikki neljä valmistajaa päivittävät malliaan säännöllisesti, joten tänään huono vastaus ei tarkoita, että sama pätisi pysyvästi — eikä tälläkään sivulla väitetä minkään tuloksen olevan pysyvä.

Lähteet

• OpenAI — kielen vaihto ChatGPT:ssä: https://help.openai.com/en/articles/8357869-how-to-change-your-language-setting-in-chatgpt
• Google Cloud — Geminin tuetut kielet: https://docs.cloud.google.com/gemini/docs/codeassist/supported-languages
• Anthropic — kielen käyttö Claudessa: https://support.claude.com/en/articles/10769299-how-to-use-claude-in-your-preferred-language
• Anthropic — monikielinen tuki kehittäjädokumentaatiossa: https://platform.claude.com/docs/en/build-with-claude/multilingual-support
• Microsoft — Microsoft 365 Copilotin tuetut kielet: https://support.microsoft.com/en-us/microsoft-365-copilot/supported-languages-for-microsoft-365-copilot
• TurkuNLP — FIN-bench: https://github.com/TurkuNLP/FIN-bench
• Turun yliopisto — Poro-kielimalli: https://www.utu.fi/fi/ajankohtaista/uutinen/euroopan-avoin-kielimalli-poro-eurooppalaisen-tekoalyn-ja-kielten
• Tilastokeskus — Väestön tieto- ja viestintätekniikan käyttö: https://stat.fi/fi/julkaisu/cmh32zpp67l1z07w6yfukiiqd
• Kotimaisten kielten keskus — sana “tekoäly” yleiskielessä: https://kotus.fi/avautuuko-syvavaarennos-enta-jargon/