Todellisuus ja tekoälylukutaidon vaativa työ
Tila ennen kehotetta
Aikuisten tekoälykurssin ensimmäinen kysymys on harvoin tekninen. Se tulee yleensä tarinan muodossa. Jollakulla on tiimi, joka käyttää chatbottia yhteenvetojen tekemiseen. Joku toinen on kuullut toimittajalta, joka lupaa automaattisia päätöksiä. Esimies on kuullut, että agentit voivat hoitaa tylsät työt. Tietojen omistaja on huolissaan, koska kukaan ei osaa sanoa, mikä lähde on auktoritatiivinen. Huone on täynnä osaavia ihmisiä, mutta heidän sanastonsa on koottu otsikoista, demoista, hankintaesityksistä ja muutamista myöhäisistä illoista jonkin sillä hetkellä muodikkaan työkalun parissa.
Sellaiseen tilaan Ground Truth on kirjoitettu. Ei lapsille. Ei passiivisille aloittelijoille. Aikuisille, joilla on jo vastuuta, budjettia, ammatillista muistia ja seurauksia. He eivät tarvitse esitystä tulevaisuudesta. He tarvitsevat tavan esittää terävämpiä kysymyksiä joutumatta koneiston nolaamaksi. Heidän on ymmärrettävä, miksi tekoäly tuntuu taikuudelta, miksi se tunne on harhaanjohtava, miksi järjestelmä voi olla hyödyllinen olematta ihmismäinen, ja miksi data, todennäköisyys, validointi, kehotteet, vinoumat ja hallinta eivät ole erillisiä keskusteluja.
Peter Vieveen on opettanut tällaisia tiloja vuosia. Hänen elämäkertansa kirjassa ei ole koristeellista tekstiä: neuroverkot 1990-luvulta lähtien, tiedonhallinta ja hallintamallit, yksityisyys, koulutus, DAMA Netherlands, Hogeschool Utrecht, CIBIT Academy. Tällä historialla on merkitystä, koska tekoälylukutaito ei ole lista muodikkaita termejä. Se on tapa hidastaa juuri sen verran, että huomaa, millaisen järjestelmän kanssa on tekemisissä, ennen kuin ostaa, rakentaa, sääntelee, luottaa tai pelkää sitä.
Miksi johdanto on väärä lupaus
Lähdesivu kutsuu Ground Truthia aloittelijan kartaksi modernin tekoälyn ideoihin, työkaluihin ja kompromisseihin. Se on tarkkaa, mutta sana aloittelija on helppo lukea väärin. Aloittelija voi kuulostaa vähäpätöiseltä, ikään kuin kirja olisi yksinkertaistettu kierros ennen kuin oikeat ammattilaiset astuvat sisään. Käytännössä perusmateriaali on usein vaikeinta opettaa hyvin, koska sen on korjattava keskustelun muoto, ei vain lisättävä siihen faktoja.
Ihminen voi käyttää chatbottia päivittäin ja silti sekoittaa automatisoinnin oppimiseen. Hän voi kirjoittaa kehotteita ja silti olla huomaamatta eroa järjestelmän välillä, joka noudattaa sääntöjä, ja järjestelmän välillä, joka poimii malleja esimerkeistä. Hän voi lukea kojelautaa ja silti unohtaa kysyä, pidettiinkö testijoukko erillään, onko malli opetellut ulkoa, edustaako data väestöä vai onko tulos ennuste, järjestys, generoitu jatko vai päätös, jonka joku muu on päättänyt panna täytäntöön.
Siksi Ground Truth ei ole korjaavaa opetusta. Se on lukutaitoa. Lukutaito ei ole kykyä toistaa aakkoset. Se on kykyä lukea sopimus, huomata, mitä puuttuu, ja kieltäytyä lauseesta, joka piilottaa taakan alaviitteisiin. Tekoälylukutaito toimii samalla tavalla. Se antaa ihmisille riittävästi rakenteellista ymmärrystä vastustaa teatteria. Kun näin tapahtuu, tila muuttuu. Vaikuttava demo on edelleen vaikuttava, mutta se ei enää hallitse keskustelua.
Peterin hiljainen menetelmä
Ground Truthin menetelmä on tarkoituksella alhaalta ylöspäin rakentuva. Hakemisto avaa aiheiden järjestyksen lähes itsepäisen kärsivällisesti: perusteet, matematiikka, miten koneet oppivat, klassinen koneoppiminen, neuroverkot, syväoppiminen, generatiivinen tekoäly, transformermallit ja suuret kielimallit, mallien kouluttaminen ja hienosäätö, tekoälyn käyttö käytännössä sekä etiikka, turvallisuus ja tulevaisuus. Kirja tarjoaa sitten reittejä tämän aineiston läpi: nopean, syvällisen ja käytännöllisen. Tämä ei ole markkinointisuppilo. Se on myönnytys sille, että aikuisopiskelijat saapuvat erilaisten kiireiden kanssa.
Johtaja saattaa tarvita nopean reitin ensimmäisenä, koska hallituksen kokous on jo kalenterissa. Insinööri saattaa haluta syvällisen reitin, koska mekanismit ovat hänelle tärkeitä. Kouluttaja, päättäjä, perustaja tai utelias käyttäjä saattaa haluta käytännöllisen reitin, koska hän tarvitsee riittävästi harkintakykyä käyttääkseen työkaluja vastuullisesti. Kaikki kolme reittiä johtavat samaan väitteeseen lähteessä: riittävä ymmärrys ajatella tekoälystä selkeästi. Tämä ilmaus on vaatimaton. Se on myös korkein riman asettaja huoneessa.
Peterin opetusote näkyy lukujen kuvauksissa. Matematiikkaluku ei kohtele lineaarialgebraa, differentiaalilaskentaa, todennäköisyyslaskentaa ja optimointia portinvartijariitteinä. Se kohtelee niitä neljänä työkaluna, joilla tekoäly toimii. Oppimista käsittelevä luku määrittelee koneoppimisen systemaattisena parantumisena mitattavassa tehtävässä, ei tietoisuutena. Transformereita käsittelevä luku seuraa attention-mekanismia, tokenisointia ja upotuksia, koska jokainen moderni chatbot on riippuvainen näistä mekaniikoista. Etiikkaluku erottaa toisistaan harhan, oikeudenmukaisuuden, sääntelyn, turvallisuuden, ympäristön, agentit ja spekulaation, koska näiden termien sekoittuminen on huonon hallinnon alkupiste.
Tämä on aikuiskoulutusta ilman teatteria. Keneltäkään ei vaadita mallin palvomista. Kenellekään ei sanota, että kaikki yksityiskohdat on hallittava ennen kuin toiminta on sallittua. Tarkoitus on rakentaa riittävästi sisäistä rakennetta, jotta ihminen voi jatkaa oppimista istunnon päätyttyä. Hyvä perusta ei vastaa jokaiseen kysymykseen. Se parantaa seuraavaa kysymystä.
Portaat, jotka ovat piilossa näkyvillä
Vahvin suunnitteluratkaisu Ground Truthissa on portaat. Se alkaa yksinkertaisella väitteellä, että tekoäly on ohjelmistoa, joka oppii malleja esimerkeistä sen sijaan, että se noudattaisi jäykkiä ennalta kirjoitettuja ohjeita. Tämä lause vaikuttaa yksinkertaiselta, kunnes käytät sitä diagnostiikkana. Oikolukuohjelma kiinteällä sanakirjalla ei ole samanlainen järjestelmä kuin roskapostisuodatin, joka on koulutettu merkityistä esimerkeistä. Shakkipeli, jossa on kovakoodatut avaukset, ei ole samanlainen järjestelmä kuin malli, joka mukautuu palautteesta. Liikennettä ennustava navigointisovellus ei ole ihminen, mutta se voi silti oppia liikennedatan malleista.
Portaat tekevät sitten toisen liikkeen: ne kieltäytyvät jättämästä lukijaa metaforan tasolle. Kirja selittää, että malli voi näyttää maagiselta, koska tuotos on sujuvaa, kun taas mekanismi on piilossa. Suuri kielimalli ei istu jossakin miettimässä kauneutta. Se on todennäköisyysjakauma tokenijonojen yli, toteutettuna numeroista koostuvana verkostona. Tämä lause on tärkeä, koska ero työkalun ja oraakkelin välillä ei ole filosofista koristelua. Se määrittää, tarkistaako ammattilainen vastauksen, pyytääkö hän todisteita ja suunnitteleeko hän tarkistuspolun.
Siitä portaikko etenee oppimisongelmaan. Luku 3 käyttää oppimisen ja ulkoa muistamisen välistä eroa keskeisenä testinä. Malli, joka suoriutuu hyvin harjoitusdatasta mutta epäonnistuu uusissa esimerkeissä, ei ole oppinut rakennetta; se on muistanut harjoituskirjan ulkoa. Aikuiset ymmärtävät tämän heti, koska he ovat nähneet sen ihmisissä. Oppilas, joka muistaa vastaukset mutta ei osaa ratkaista uutta ongelmaa, on tuttu. Sama kuvio koneissa on ylisovittaminen, ja yhtäkkiä tekninen termi muuttuu käyttökelpoiseksi arvostelukyvyksi.
Siihen mennessä, kun lukija saavuttaa transformattorit, kirja on ansainnut oikeuden esitellä attention-mekanismin. Attentionia ei esitellä pyhänä sanastona. Se on mekanismi, jonka avulla token kerää tietoa muista kontekstin tokeneista. Query, key ja value eivät ole taikasanoja; ne ovat opittuja projektioita, jotka ohjaavat tietoa. Kustannus kasvaa sekvenssin pituuden myötä, koska attention-pisteet vertaavat positioita toisiinsa. Tämä havainto selittää lopulta, miksi pitkä konteksti, suuria koodikantoja lukevat agentit ja hakutyönkulut muuttuvat insinöörityön kysymyksiksi markkinointiväitteiden sijaan.
Päivä tekoälyn kanssa ilman savukonetta
Yksi hyödyllisimmistä kohdista perusteita käsittelevässä luvussa ei käsittele lainkaan huippumalleja. Se käy läpi tavallisen päivän: puhelimen avaus, sähköpostin suodatus, ääniavustaja, kaistavahti, navigointi, haku, käännös, kuvankäsittely, suositukset, pankkien petostentarkistukset, unenseuranta. Tarkoitus ei ole vaikuttaa lukijaan kaikkiallisuudella. Tarkoitus on tehdä teknologiasta tarpeeksi tavallista, jotta sitä voi tarkastella.
Kun tekoälystä tulee tavallista, keskustelu paranee. Ammattilainen voi sanoa: tämä järjestelmä luokittelee, tämä rankkaa, tämä ennustaa, tämä generoi, tämä hakee, tämä reitittää. He voivat kysyä, millä datalla se on koulutettu, mitä dataa se näkee nyt, mitä se optimoi, miten virheet mitataan ja kuka kantaa kustannukset, kun se epäonnistuu. Järjestelmä ei ole muuttunut vähemmän tehokkaaksi. Se on muuttunut vähemmän teatraaliseksi.
Tämä on tärkeää, koska teatteri on kallista. Ostaja, joka kohtelee tekoälyä mielenä, kysyy, onko se älykäs. Ostaja, joka kohtelee sitä kuvioita oppivana ohjelmistona, kysyy, mistä esimerkeistä se oppi, missä kuviot rikkoutuvat, onko tehtävä mitattavissa ja voidaanko tulos varmistaa. Jälkimmäinen ostaja on vähemmän hauska lanseeraustilaisuudessa ja paljon hyödyllisempi, kun lasku saapuu.
Aikuisen ongelma ei ole pääsy
Aikuisen ongelma vuonna 2026 ei ole pääsy tekoälyyn. Pääsy on kaikkialla. Ongelma on tulkinta. Ihmiset pystyvät tuottamaan tekstiä, kuvia, tiivistelmiä, koodiehdotuksia, hakuraportteja ja kokousmuistiinpanoja nopeammin kuin pystyvät arvioimaan niitä. Pullonkaula siirtyi tuottamisesta erottelukykyyn. Ground Truth on arvokas, koska se harjoittaa erottelukykyä.
Tämä harjoittelu alkaa kapeasta tekoälystä. Lähdeteksti on suorasukaista: kaikki, mitä olet koskaan käyttänyt, on kapeaa tekoälyä. Ajastinta asettava avustaja ei osaa pelata shakkia. Shakkipeli ei tunnista kasvojasi. Chatbotti voi kirjoittaa vakuuttavan vastauksen, mutta se ei muutu yleiseksi mieleksi, koska vastaus on vakuuttava. Tämä erottelu suojaa keskustelun molempia osapuolia. Se estää aliarvioinnin, koska kapea tekoäly voi silti olla kaupallisesti ja yhteiskunnallisesti vaikutusvaltaista. Se estää yliarvioinnin, koska vahvuus yhdessä tehtävässä ei tarkoita yleistä osaamista.
Se myös muuttaa tapaa, jolla ihmiset ajattelevat agenteista. Kun järjestelmä siirtyy työkalusta toimijaksi, riski ei ole se, että siitä yhtäkkiä tulee ihminen. Riski on se, että se voi suunnitella, kutsua työkaluja, kirjoittaa tiedostoja, lähettää viestejä tai käynnistää työnkulkuja, vaikka se on edelleen kuvioihin perustuva järjestelmä, jolla on vikatiloja. Lukutaito tekee tämän lauseen mahdolliseksi. Ilman lukutaitoa huone heiluu paniikin ja myyntiinnon välillä. Lukutaidon kanssa huoneessa voidaan keskustella valtuuksista, käyttöoikeuksista, lokeista, eskalaatiosta ja rajoista.
Kirjan käytännön luvut esittävät saman asian toisella rekisterillä. Päättely tapahtuu yksi token kerrallaan. Lämpötila muuttaa todennäköisyysjakaumaa. Top-K- ja top-P-otanta muokkaavat sitä, mitkä tokenit ovat saavutettavissa. Järjestelmäkehote muuttaa käyttäytymistä, mutta se ei ole fysiikan laki. Haku voi ankkuroida vastauksen, mutta se tuo mukanaan kysymyksiä paloittelusta, lähteiden laadusta, järjestyksestä ja vanhentuneista dokumenteista. Nämä eivät ole aloittelijan yksityiskohtia. Ne ovat yksityiskohtia, jotka ratkaisevat, selviääkö ammattimainen työnkulku kosketuksesta todellisuuteen.
Matematiikka kansalaisen infrastruktuurina
Monet saapuvat tekoälyopintojen pariin puolustusasenteessa matematiikkaa kohtaan. He muistavat koulun, portit, nöyryytyksen, kokeet tai tunteen, että kiinnostava maailma oli piilotettu notaation taakse. Ground Truth valitsee paremman reitin. Se ei väitä, että matematiikka olisi tarpeetonta, eikä se käytä matematiikkaa tunnusmerkkinä. Se kohtelee matematiikkaa tekoälylukutaidon kansalaisinfrastruktuurina.
Vektorit selittävät, miksi teksti, kuvat ja käyttäjät voidaan esittää pisteinä ja suuntina. Differentiaalilaskenta selittää, miten malli voi sopeutua mittaamalla virheen ja liikkumalla alamäkeen. Todennäköisyys selittää, miksi malli voi olla epävarma ja silti hyödyllinen. Optimointi selittää, miksi harjoittaminen on etsintää maisemassa, ei sielun löytämistä. Kun nämä ajatukset asettuvat, lukijalla on ote koneen käyttäytymisestä. He eivät välttämättä ole valmiita toteuttamaan jokaista algoritmia, mutta he voivat lakata kohtelemasta tulosta äänenä tyhjästä.
Tällä on merkitystä organisaatioissa, koska politiikkakieli ilman matemaattista intuitiota muuttuu hauraaksi. Ihmiset sanovat tarkkuus, luottamus, harha, riski ja ajautuminen, ikään kuin sanat olisivat itsestään selviä. Ne eivät ole. Tarkkuus riippuu siitä, mitä mitataan. Luottamus voi olla väärin kalibroitu. Harha voi tulla historian, edustavuuden, mittaamisen, yhdistämisen, arvioinnin, käyttöönoton ja palautesilmukoiden kautta. Ajautuminen tarkoittaa, että maailma on muuttunut mallin alla. Nämä ovat yhtä lailla johtamisen käsitteitä kuin teknisiä käsitteitä.
Peterin tausta datanhallinnassa näkyy tässä. Data ei ole polttoainekasa, joka odottaa mallia. Sillä on alkuperä, omistajuus, määritelmät, laatuongelmat, käyttöoikeudet, säilytysrajoitteet ja sosiaalinen merkitys. Historiallisella datalla harjoitettu malli voi oppia historiallisen vallan. Kätevällä vertailuaineistolla arvioitu malli voi unohtaa ihmiset, joita se todella palvelee. Ground Truth vie lukijan yhä uudelleen takaisin tälle pohjalle, koska vastuullista tekoälylukutaitoa ei ole ilman datalukutaitoa.
Musta laatikko on myös opetuksen ongelma
Luvun 11 aineisto tulkittavuudesta ja mustasta laatikosta kuuluu perusteokseen, koska läpinäkymättömyys ei ole vain tutkimuksen haaste. Se on opetuksen haaste. Ihmisten on tiedettävä ero paikallisen selityksen, globaalin selityksen, kontrafaktuaalin, huomiokartan, piirteiden merkittävyyspisteen ja kausaaliväitteen välillä. Jos nämä sekoittuvat toisiinsa, selittämisestä tulee jälleen teatteria.
Etiikkaluku on erityisen hyödyllinen, koska se kieltäytyy kuvitelmasta, jonka mukaan harha syntyy vain ilkeämielisten ohjelmoijien toiminnasta. Historiallinen harha, edustusharha, mittausharha, aggregointiharha, arviointiharha, käyttöönottovastuu ja palautesilmukat ovat kaikki erilaisia. Rekrytointimalli voi oppia, ketkä ovat historiallisesti olleet vallassa. Terveydenhuoltomalli voi käyttää kulutusta korvikemuuttujana ja alipalvella ihmisiä, jotka ovat historiallisesti saaneet vähemmän hoitoa. Petosmallit voivat muuttaa kansalaisuuden riskiksi korvikemuuttujan kautta. Alankomaiden lapsilisäskandaali esiintyy lähteessä varoituksena automatisoitujen järjestelmien käytöstä ilman merkityksellistä valvontaa. Se ei ole abstrakti amerikkalainen tarina. Se on paikallinen hallinnon muisti.
Aikuisille tämä on kohta, jossa lukutaito muuttuu moraaliseksi muuttumatta epämääräiseksi. Kysymys ei ole siitä, välittääkö etiikasta. Kysymys on siitä, mikä osa järjestelmää kantaa eettisen kuorman. Onko se tiedonkeruu? Label? Tavoite? Kynnysarvo? Ihmisen tekemä tarkistus? Valituspolku? Hankintasopimus? Seuranta? Mallikortti? Laki? Asianomainen henkilö? Ground Truth ei tiivistä näitä kysymyksiä julisteeksi. Se antaa lukijalle riittävästi kategorioita pitääkseen ne erillään.
Miksi tämä kuuluu ennen strategiaa
Organisaatiot haluavat usein tekoälystrategian ennen tekoälylukutaitoa. Ne haluavat tiekartan, portfolion, kohdearkkitehtuurin, toimittajalistan ja lausunnon riskinottohalukkuudesta. Nämä voivat olla hyödyllisiä. Ne ovat myös vaarallisia, kun pöydän ympärillä olevat eivät erota mallia tuotteesta, demoa työnkulusta, kehotetta hallintakeinosta tai vastausta todisteesta.
Ground Truth kuuluu ennen strategiaa, koska se tekee strategiasta vähemmän teatraalisen. Tiimi, joka on lukenut sen, voi kysyä, onko ongelma luokittelu, regressio, generointi, haku, optimointi vai päätöksenteon tuki. Se voi kysyä, onko datassa labeleita, onko lopputulos mitattavissa, onko virhe korjattavissa, voiko käyttäjä haastaa tuloksen ja tietääkö organisaatio, mitä tehdä, kun järjestelmä on epävarma. Tämä ei ole akateemista puhdasoppisuutta. Näin projektit välttävät muuttumasta kalliiksi anekdooteiksi.
Kirjan oma sarjakartta vahvistaa tämän. Ground Truth on nide nolla teoksesta A citizen's guide to AI. The Builder käsittelee klassista koneoppimista. The Operator, The Seeker, The Steward, The Archivist, The Essential ja myöhemmät niteet vievät kukin roolin syvemmälle. Nide nolla ei ole alempiarvoinen. Se on yhteinen perusta. Ilman sitä jokaisen myöhemmän erikoisalan on käytettävä puolet ajastaan kielen korjaamiseen.
Käytännöllinen reitti ei ole pinnallinen reitti
Käytännöllinen reitti Ground Truthin läpi sisältää perusteet, oppimisen, generatiivisen tekoälyn, transformereita, tekoälyn käytön ja etiikan. Huomaa, mitä se ei tee. Se ei ohita harkintaa. Se ei sano, että ammattilaiset tarvitsevat vain kehotevinkkejä. Se ei teeskentele, että sosiaaliset seuraukset tulevat vasta sen jälkeen, kun työkalu on jo otettu käyttöön. Käytännöllinen reitti on käytännöllinen juuri siksi, että se sisältää ajatukset, jotka estävät väärinkäytön.
Kehote ilman mallilukutaitoa on pyyntö. Kehote mallilukutaidolla on kontrolloitu koe. Käyttäjä tietää, että vastaus on generoitu todennäköisyyksistä, että jokainen token tulee kontekstiksi seuraavalle, että korkea lämpötila voi tehdä epätodennäköisistä jatkoista helpommin saavutettavia, että varma sävy ei ole todiste ja että haku voi parantaa perusteluja vain, jos lähdemateriaali on hyvää ja reititys on näkyvää. Tämä henkilö kirjoittaa eri tavalla. He varmistavat eri tavalla. He delegoivat eri tavalla.
Tämän vuoksi kirjan harjoitukset ovat tärkeitä. Ne pyytävät lukijaa luokittelemaan järjestelmiä, erottamaan kapean ja yleisen tekoälyn toisistaan, analysoimaan, ymmärtääkö chatbot vitsin vai kokoileeko se todennäköisiä sanakuvioita, seuraamaan omaa oppimispolkuaan lukujen läpi ja ehdottamaan testejä koneen ymmärrykselle. Nämä eivät ole koulutehtäviä. Ne ovat harjoituksia työelämää varten. Jokainen näistä harjoituksista vastaa myöhemmin eteen tulevaa palaveria.
Mitä muuttuu viimeisen luvun jälkeen
Ground Truth -kirjan jälkeen aikuisen oppijan ei pitäisi kuulostaa tutkijalta. Se ei ole tavoite. Hänen pitäisi olla vaikeampi huijata. Hänen pitäisi kysyä tilaston nimittäjää. Hänen pitäisi huomata, kun toimittaja sanoo älykkyys mutta tarkoittaa automaattista täydennystä. Hänen pitäisi tietää, että linjaus, turvallisuus, sääntely, yksityisyys, tulkittavuus ja ympäristövaikutukset liittyvät toisiinsa, mutta ne eivät ole sama ongelma. Hänen pitäisi ymmärtää, että malli voi olla vaikuttava, hyödyllinen, puolueellinen, hauras, kallis ja käyttökelpoinen rajatussa työnkulussa kaikki samaan aikaan.
Hänen pitäisi myös olla rauhallisempi. Lukutaito poistaa osan paniikista, koska koneessa on mekanismeja. Se poistaa osan hypestä, koska mekanismeilla on rajansa. Se luo aikuismaisemman asenteen: utelias, täsmällinen, epäilevä ja valmis käyttämään työkaluja luovuttamatta harkintakykyään niille.
Ground Truth -kirjan lopullinen arvo ei ole siinä, että se antaa kaikille saman mielipiteen tekoälystä. Se antaa heille riittävästi yhteistä kieltä erimielisyyksien tuottavaan käsittelyyn. Yksi voi huolehtia puolueellisuudesta. Toinen voi huolehtia kustannuksista. Kolmas voi huolehtia datan omistajuudesta. Neljäs voi nähdä automaation mahdollisuuden. Jos heillä on yhteinen perusta, erimielisyydestä voi tulla suunnittelua melun sijaan.
Hiljainen testi
Tekoälylukutaitokirjan hiljainen testi on se, mitä seuraavassa tavallisessa palaverissa tapahtuu. Ei valokeilaa. Ei pääpuhetta. Ei dramaattista kehotetta suurella näytöllä. Vain tiimi päättämässä, automatisoidaanko työnkulku, ostetaanko työkalu, hyväksytäänkö pilotti, koulutetaanko henkilöstöä vai annetaanko malli asiakkaiden käyttöön.
Ennen Ground Truth -kirjaa palaverissa pyöritään usein vaikutelmien ympärillä. Ground Truth -kirjan jälkeen joku kysyy, mistä järjestelmä oppii. Joku kysyy, mitä se on vain ulkoa opetellut. Joku kysyy, mitä tapahtuu, kun data muuttuu. Joku kysyy, onko tulos näyttöä vai proosaa. Joku kysyy, kuka voi valittaa. Joku kysyy, miksi järjestelmän annetaan toimia lainkaan, kun se ei pysty selittämään työnsä olennaista osaa. Yksikään näistä kysymyksistä ei vaadi teatteria. Ne vaativat lukutaitoa.
Siksi Ground Truth on käytännöllistä infrastruktuuria. Se on epäkiitollinen perusta aikuisen tekoälyharkinnan alla. Se opettaa katsomaan sumukoneen ohi, nimeämään mekanismin ja pitämään vastuun ihmisten käsissä. Vuonna 2026 se ei ole korjaavaa opetusta. Se on itse työtä.