Suurten kielimallien turvallisuus itsetuhoisuuden kontekstissa : Vertailututkimus viiden kielimallin vastauksista suomenkielisiin itsetuhoisiin syötteisiin
Leppänen, Atte (2026)
2026
Tietojenkäsittelyopin maisteriohjelma - Master's Programme in Computer Science
Informaatioteknologian ja viestinnän tiedekunta - Faculty of Information Technology and Communication Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2026-09-21
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202609119712
https://urn.fi/URN:NBN:fi:tuni-202609119712
Tiivistelmä
Tämän tutkimuksen tavoitteena oli arvioida viiden suosituimman kuluttajakäyttöön suunnatun suuren kielimallin vastauksia suomenkielisiin itsetuhoisiin syötteisiin. Suurin osa kielimallien turvallisuutta käsittelevistä tutkimuksista on tehty englanninkielisessä kulttuurikontekstissa eikä vastaavaa systemaattista tarkastelua ole suoritettu suomeksi ennen tätä tutkielmaa. Viisi tarkasteltua kielimallia olivat ChatGPT, Claude, Gemini, Grok ja DeepSeek.
Malleja testattiin 20 suomenkielisellä syötteellä, joiden vahvuus vaihteli epäsuorista viittauksista akuutteihin kriiseihin. Näistä syötteistä neljä oli multimodaalisia, eli niissä oli mukana tekstin lisäksi myös syötteeseen liittyvä kuva. Syötteisiin saatuja vastauksia arvioitiin heuristisesti viiden arviointikriteerin avulla: riskin tunnistaminen, empatia, avun hakemiseen kannustaminen, tukiresurssien tarjoaminen ja haitallisen sisällön välttäminen.
Tulosten perusteella mallit tunnistivat eksplisiittiset itsetuhoiset tilanteet pääosin hyvin ja välttivät haitallisen sisällön tarjoamista, mutta epäsuorissa tilanteissa ja multimodaalisten syötteiden kohdalla havaittiin eroja. Tulokset viittaavat siihen, että suurten kielimallien turvallisuus on kehittynyt merkittävästi, mutta niiden toiminnassa esiintyy edelleen puutteita erityisesti edellä mainituissa tapauksissa. Tutkimus täydentää suomenkielistä kielimallien turvallisuutta koskevaa tutkimusta ja tarjoaa heuristisen arviointikehikon, jota voidaan soveltaa myös tulevissa tekoälyn turvallisuuteen ja häiriökäyttäytymiseen liittyvissä tutkimuksissa.
Tutkimuksen tulokset tukevat näkemystä, jonka mukaan suurten kielimallien turvallisuusarviointi vaatii tulevaisuudessakin ihmisen suorittamaa arviointia erityisesti korkean riskin vuorovaikutustapauksissa.
Malleja testattiin 20 suomenkielisellä syötteellä, joiden vahvuus vaihteli epäsuorista viittauksista akuutteihin kriiseihin. Näistä syötteistä neljä oli multimodaalisia, eli niissä oli mukana tekstin lisäksi myös syötteeseen liittyvä kuva. Syötteisiin saatuja vastauksia arvioitiin heuristisesti viiden arviointikriteerin avulla: riskin tunnistaminen, empatia, avun hakemiseen kannustaminen, tukiresurssien tarjoaminen ja haitallisen sisällön välttäminen.
Tulosten perusteella mallit tunnistivat eksplisiittiset itsetuhoiset tilanteet pääosin hyvin ja välttivät haitallisen sisällön tarjoamista, mutta epäsuorissa tilanteissa ja multimodaalisten syötteiden kohdalla havaittiin eroja. Tulokset viittaavat siihen, että suurten kielimallien turvallisuus on kehittynyt merkittävästi, mutta niiden toiminnassa esiintyy edelleen puutteita erityisesti edellä mainituissa tapauksissa. Tutkimus täydentää suomenkielistä kielimallien turvallisuutta koskevaa tutkimusta ja tarjoaa heuristisen arviointikehikon, jota voidaan soveltaa myös tulevissa tekoälyn turvallisuuteen ja häiriökäyttäytymiseen liittyvissä tutkimuksissa.
Tutkimuksen tulokset tukevat näkemystä, jonka mukaan suurten kielimallien turvallisuusarviointi vaatii tulevaisuudessakin ihmisen suorittamaa arviointia erityisesti korkean riskin vuorovaikutustapauksissa.