Kokoelma käytännön vinkkejä ja linkkejä: mistä löydät oikeat työkalut, mitä kannattaa tietää ja mihin kannattaa tutustua tarkemmin. Koottu taiteilijajärjestöille pidetyn luennon "Tekoäly taiteilijan silmin" tueksi – palaa tänne aina kun tarvitset muistutuksen.
Tarkista aina alustan omat asetukset tekoälykoulutusta vastaan – moni palvelu tarjoaa tämän, mutta se ei ole päällä oletuksena:
Robots.txt pyytää botteja jättämään teokset rauhaan – ei kuitenkaan poista jo kerättyä dataa, eikä ole juridisesti sitova.
TDMRep-protokolla sen sijaan on: pieni tdmrep.json-tiedosto, joka tekee oikeuksien pidättämisestä EU:ssa juridisesti sitovaa EU:n tekoälyasetuksen (AI Act) nojalla.
W3C:n virallinen TDMRep-spesifikaatio · tdmrep.json-tiedoston muoto käytännössä
Esimerkki oman robots.txt:n rakenteesta:
# -------------------------------------------------- # 1. GLOBAL PREFERENCE SIGNAL # Asks all search engines and crawlers to allow web search # but explicitly opt out of AI training datasets. # -------------------------------------------------- User-agent: * Content-Signal: search=yes, ai-train=no # -------------------------------------------------- # 2. KNOWN MAJOR AI SCRAPERS # Hard disallow for the most common commercial training bots. # -------------------------------------------------- User-agent: GPTBot User-agent: ChatGPT-User User-agent: ClaudeBot User-agent: anthropic-ai User-agent: CCBot User-agent: Google-Extended User-agent: Bytespider Disallow: / # -------------------------------------------------- # 3. IMAGE DIRECTORY & FILE PROTECTIONS # Restricts scraping of image files across your site. # -------------------------------------------------- User-agent: * Disallow: /images/ Disallow: /uploads/ Disallow: /*.jpg$ Disallow: /*.jpeg$ Disallow: /*.png$ Disallow: /*.webp$ Disallow: /*.tif$
Huom: Content-Signal-rivi on Cloudflaren syyskuussa 2025 ehdottama uusi merkintä, ei
virallinen standardi – 2026 alkupuolella yksikään iso hakukone tai tekoälyfirma ei ole vielä
luvannut noudattaa sitä. Se on toive, ei lukko. Nimetyt bottiestot (kohta 2) ovat tehokkaampia
juuri nyt, koska ne perustuvat robots.txt:n vanhempaan, laajemmin tuettuun osaan.
Glaze (puolustava) – lisää kuvaan näkymätöntä pikselikohinaa, joka estää tekoälyä matkimasta uniikkia tyyliäsi.
Nightshade (hyökkäävä) – "myrkyttää" luvatonta opetusdataa niin, että se sotkee tekoälyn käsitteet (esim. koira alkaa näyttää koneelle kissalta).
glaze.cs.uchicago.edu · nightshade.cs.uchicago.edu – molemmat University of Chicagon SAND Labin ilmaisia työkaluja
Huom: kumpikaan ei ole varma suoja. Tutkijat ovat toistuvasti onnistuneet purkamaan molemmat – esim. LightShed (2025) poistaa suojauksen ~99,98 % tarkkuudella, ja ICLR 2025 -tutkimus (Hönig, Rando, Carlini, Tramèr) totesi suoraan että nämä työkalut "luovat valheellisen turvallisuuden tunteen". Kohtele niitä hidasteena, ei takeena.
Tämä osio koskee kuvien luomista – ei videota.
Täysi hallinta: sommittelu ja tyyli pysyvät sinun käsissäsi, ei tekoälyn arvauksen varassa.
ControlNet: oma käsin piirretty viivaluonnos tai asento "blueprinttina" – tekoäly renderöi pinnan sen päälle.
LoRA: 15–50 omaa teostasi riittää – malli oppii simuloimaan sinun sivellintekniikkaasi, ei internetin geneeristä kuvamassaa.
Ei ole aivan yksinkertaista: vaatii tehokkaan näytönohjaimen (vähintään 12–24 GB VRAM) ja opettelua.
Yli 4 miljoonaa teosta, 50 000 taiteilijaa. Tutkijat vertasivat samojen tekijöiden töitä ennen ja jälkeen tekoälyn käyttöönoton, yhdellä maailman suurimmista taidealustoista – ei laboratoriokoe muutamalla koehenkilöllä, vaan oikeaa käyttöä vuosien ajalta samoilta tekijöiltä.
Sama tekijä teki keskimäärin 25 % enemmän ja sai 50 % enemmän suosikkimerkintöjä tekoälyn käyttöönoton jälkeen. Mutta juuri se, mikä teki teoksista hänen näköisiään – siveltimenjälki, väriharmonia, valaistus – alkoi tasaisesti kadota.
Zhou & Lee, PNAS Nexus 2024 · DOI 10.1093/pnasnexus/pgae052 – vertaisarvioitu (Yhdysvaltain Kansallisen tiedeakatemian ja Oxfordin yliopiston kustantajan yhteisjulkaisu)
Mitkä asiat oikeasti ärsyttävät, vievät aikaa siltä mitä haluaisit tehdä? Näyttelytekstit, apurahahakemukset, raportit, viestintä – tässä kannattaa olla tarkkana MITÄ koneelle antaa.
Tekoäly on hyödyllinen työkalu yhteenvedon muotoilussa, ydinviestien kirkastamisessa ja ns. "hissipuheen" tiivistämisessä – myös kielenhuollossa ja käännöksissä. Mutta: rahoittajan kulmasta olennaista on, että idea on sinun. Itse hakemusta ei kannata ulkoistaa kokonaan.
🍞 Ihminen: tavoite, konteksti, rajaus – "mitä halutaan saavuttaa?"
🥩 Tekoäly: luonnos, tiivistys, lista, ideointi – "raakatyö"
🍞 Ihminen: arviointi, tunneäly, päätöksenteko – "onko tämä totta? onko tämä viisasta?"
Ei anneta kaikkea tekoälylle – ihminen pitää paketin kasassa alusta loppuun.
Vältä "promptirulettia" – muotoile heti alussa yksi kattava ja täsmällinen kehote (tavoitteet, tyyli ja tarkat rajaukset), sen sijaan että kokeilet montaa kertaa.
Pitkissä keskusteluketjuissa malli lukee koko aiemman historian uudelleen jokaisella viestillä, mikä moninkertaistaa sähkönkulutuksen. Aloita tarvittaessa uusi keskustelu.
Ollama – pieniä ja tehokkaita tekoälymalleja voi ladata ja ajaa kokonaan paikallisesti omalla koneella. Data ei karkaa opetusmateriaaliksi tai ulkopuolisille palvelimille – mutta paikallinen laskenta käyttää oman laitteesi sähköä.
NotebookLM – rajatun oman aineiston käyttö (RAG, Retrieval-Augmented Generation) sitoo kielimallin vain sinun omiin dokumentteihisi. Muista opt-out- asetukset myös muissa käyttämissäsi tekoälysovelluksissa.
Voit tehdä itsellesi pysyvän avustajan, jolle ei tarvitse selittää samaa taustaa joka kerta uudelleen – oma tyylisi, omat ohjeesi ja tarvittaessa omat referenssitiedostosi tallessa. Kolme yleisintä tapaa:
Näin pääset alkuun, työkalusta riippumatta:
Muista tässäkin hampurilaismalli (yllä) – sinä määrität tavoitteen ja arvioit lopputuloksen, avustaja tekee raakatyön.