Tekoälyn kehitys on ollut viime vuosina hurjaa. Omassa elämänkuplassani monimutkaisten kuvien tekeminen tekoälyn avulla oli innostavaa koronapandemian vuosina. Tampereen yliopistossa henkilöstö sai tekoälyohjeet ja -suositukset vuoden 2025 kuluessa. Vuoden loppuun mennessä sosiaalisen median syötteeni alkoivat täyttyä kissojen leivontavideoista.
Kehitys näkyy myös teknologiajättien valtavina investointeina tekoälyyn. Globaalisti teknologiayritykset ovat yksistään tänä vuonna sijoittaneet tekoälylle välttämättömiin datakeskuksiin yli 300 miljardia dollaria (enemmän kuin Suomen talouden kokonaistuotanto). Suomessa datakeskushankkeiden määrä on lähes tuplaantunut yhdessä vuodessa.
Tässä vauhdissa havahduin kesällä 2025 uutisiin siitä, kuinka Yhdysvaltojen eri kaupungeissa kotitalouksien sähkölaskut olivat nousseet kymmeniä dollareita kuukaudessa. Sähkön kulutus ei kotitalouksissa kuitenkaan vaikuttanut merkittävästi kasvaneen. Yksi selitys löytyi tekoälyn kehittämisen ja käytön kasvusta.
Kiinnostuin aiheesta paitsi kansalaisena ja kanssalaisena myös sosiaalityön tutkijana ja opettajana. Aloin pohtia, miten oma tekoälyn käyttöni – tietoinen ja tiedostamaton – mahdollisesti näkyy omassa ja naapurini sähkölaskussa. Entä kuinka tässä mahdollisessa tilanteessa oikeutan osallisuuteni hintakehitykseen ja siihen, että isompien sähkölaskujen maksaminen todennäköisesti keventää monien kanssaihmisten kukkaroita prosentuaalisesti rankemmin kuin omaa keskituloista kukkaroani?
Luin lisää. Hahmotin tekoälyä ja sähkön hintaa toisiinsa liittäviä vaikutuksia, mutta myös muita vaikutusketjuja, joissa yhdistyvät tekoäly, energia, ympäristö ja epäoikeudenmukaisuus. Nämä tekoälyn käytön vaikutusketjut paljastavat erilaisia sosiaalisia vääryyksiä ja kärsimystä eli sosiaalista epäoikeudenmukaisuutta ylläpitäviä käytäntöjä (esimerkiksi työvoiman häikäilemätön hyödyntäminen) ja taantumuksellisuutta, joka estää luomasta kestävämpää elämää (esimerkiksi huoleton luonnonvarojen ylikulutus).
Tekoälyn energia- ja ympäristövaikutukset ovat merkittäviä ja poliittinen valinta
Tekoälyn ja sähkölaskujen välinen yhteys löytyy datakeskuksista ja niiden supertietokoneista, joissa tekoälyn tiedonkäsittely tapahtuu. Kuvaan prosessia yksinkertaistaen ja yleistäen. Datakeskusten rakentamisvaiheessa merkittävin sähkönkulutus tapahtuu tiedonkäsittelystä ja varastoinnista vastaavien tietokoneiden komponenttien valmistuksessa (IEA 2025, 39–40).
Toiminnassa olevien datakeskusten energiatarve koostuu useasta osasta ja vaiheesta, kuten datan varastoimisesta, keskuksen sisäisistä kytkennöistä, keskuksen ulkoisiin verkkoihin liittävistä kytkennöistä, keskusten fysikaalisten olosuhteiden optimoinnista (kosteus ja lämpö), varasähköjärjestelmästä ja valaistuksesta. Suurin kulutus tapahtuu kuitenkin suuren datamäärän tehokkaassa varastoinnissa, prosessoinnissa ja analysoinnissa. Tekoälyä varten rakennetut supertietokoneet ovatkin tietojenkäsittelyteholtaan moninkertaisia aiempiin datakeskusten koneisiin verrattuna. (IEA 2025, 53–57.)
Tietojenkäsittelyn energiatarve on tietysti alkanut jo tietokoneiden ja datakeskusten tekniikan kehittämisestä ja suunnittelusta, mutta keskittyy datakeskuksiin, kun tekoälymalleja koulutetaan ennen niiden julkaisemista loppukäyttäjille. Mallien kouluttaminen on aikaa vievää ja runsaasti sähköä kuluttavaa toimintaa. (IEA 2025, 41–42.) Esimerkiksi monikielisen BLOOM-kielimallin koulutus kulutti 30 kodin vuosikulutuksen verran energiaa. Lisäksi mitä vaativampi ja monimutkaisempi tekoälylle annettu tehtävä on, sitä enemmän energiaa kuluu.
Sähköntuotantoa ja sähkönjakeluverkon toimintaa sekä datakeskusten laitteiston ja ohjelmiston käyttöä optimoimalla tekoälyyn liittyvää energiankulutusta on kuitenkin mahdollista vähentää (Fernandez ym. 2025; IEA 2025).
Paine pitää uusiutumattomia polttoaineita hyödyntäviä voimalaitoksia käynnissä kasvaa, koska uusiutuvan energian tuottaminen ei pysy energiatarpeen kasvun perässä.
Sähköenergian kysynnän kasvu nostaa itsessään jo sähkön hintaa, mutta se ei ole ainoa eikä toistaiseksi välttämättä merkittävin syy hintojen nousuun. Kuluja on päätelty syntyvän erityisesti jo olemassa olevan sähkönjakeluverkon uusimisesta, jotta se kestäisi kasvaneen kysynnän, sekä uuden verkon ja voimalaitosten rakentamisesta. Lisäksi sähkön varastointi ja siirto kuluttavat sähköä, jolloin sähköntarve kasvaa entisestään, ja sillä on vaikutusta sähkön hintaan.
Myös datakeskusten sijainti vaikuttaa luonnollisesti siihen, minkä verran sähkönjakeluverkkoa ja rakennusinfraa (mm. teitä) on rakennettava, ja nämä edelleen vaikuttavat siihen, millaiseksi paine korottaa sähkön hintaa nousee. Samaan aikaan paine pitää uusiutumattomia polttoaineita hyödyntäviä voimalaitoksia käynnissä kasvaa, koska uusiutuvan energian tuottaminen ei pysy energiatarpeen kasvun perässä. Uusiutumattoman energian rakentamisen edistäminen tai hidastaminen on myös poliittinen valinta.
Muita tekoälyn ekologisia ja sosiaalisia vaikutuksia
Tekoälyn ja sähköenergian hinnan yhteyden selvittely johdatti myös muiden vaikutusketjujen tunnistamiseen, joita kuvaan seuraavaksi. Ensinnäkin datakeskusten sijainnin valintaan vaikuttavat myös niistä syntyvä maisema- ja melusaaste (IEA 2025, 91, 99, 102). Lopullinen paikkavalinta on kompromissi ainakin siitä, viedäkö datakeskus esimerkiksi erämaahan luontomaisemaa rikkomaan, aiheuttaako asutuskeskuksissa melua ja uusia rakennuksia, ja maksaako pienemmät vai isommat rakennusinfran ja sähkönjakeluverkon kulut. Datakeskushankkeiden lupien myöntämiseen vaikuttaa sekin, että uusien datakeskusten, sähkönjakeluverkon ja voimalaitosten rakentaminen työllistää ihmisiä (IEA 2025, 99).
Toiseksi monia maaperän harvinaisempia mineraaleja ja muita raaka-aineita tarvitaan joka tapauksessa tietokoneiden, datakeskusrakennusten, sähkönjakeluverkon, voimalaitosten ja rakennusinfran rakentamiseen. Myös uusiutuvan energian rakentaminen edellyttää maaperän hyödyntämistä. Maaperän louhimisesta ovat huolestuneet erityisesti alkuperäiskansat ja heidän edustajansa; alkuperäiskansojen mailla tapahtuva, tekoälytarpeista johtuva kaivostoiminta kyseenalaistaa ja rikkoo niin paikallisia ekosysteemejä, alkuperäiskansojen maankäyttöoikeuksia kuin luonnon kanssa sopusointuun pyrkivää elintapaakin.
Kolmanneksi datanlouhinta eli supertietokoneiden tekemä tietojenkäsittely tuottaa runsaasti hiilidioksidia ilmakehään. Päästömäärä kasvaa suhteellisesti tekoälylle annettujen tehtävien monimutkaisuuden mukaan. BLOOM-kielimallin koulutus tuotti 25 tonnia hiilidioksidia. Sama määrä hiilidioksidia syntyy, kun ajaa viisi kertaa autolla maapallon ympäri. ChatGPT:n kehittämisen on arvioitu tuottaneen vielä 20 kertaa enemmän hiilidioksidia. Todellisia tekoälyn sähköenergiatarpeita ja hiilidioksidipäästöjä on kuitenkin vaikeaa kuvata, koska niiden mittaaminen ja tietojen raportointi on teknologiayrityksissä puutteellista. (Luccioni ym. 2022; 2024; Luccioni 2023.)
Neljäs ekologiseen kestävyyteen liittyvä asia on datakeskusten supertietokoneiden kuumeneminen datanlouhintatyössä. Koneita jäähdyttää Suomessa kylmä ulkoilma ison osan vuotta, muuten jäähdytys tapahtuu veden avulla. Lauhdeveden tarve on aiheuttanut myös vesikriisejä ja suuttumusta eri puolilla maailmaa.
Hukkalämpöä pyritään kuitenkin hyödyntämään eri tavoin, kuten kotitalouksien, käyttöveden, julkisten rakennusten ja kasvihuoneiden lämmityksessä. Verohuojennukset ovat yksi tapa motivoida yrityksiä hukkalämmön hyödyntämiseen keskusten ulkopuolella. Suomessa hukkalämpöä ja lauhdeveden tarvetta koskeva uutisointi on ollut lähinnä Suomen otollisia ympäristöolosuhteita korostavaa, ikään kuin ympäristövaikutukset olisivat vain paikallisia eivätkä ekosysteemin kiertokulussa leviäisi minnekään.
Viidenneksi tekoälyn kehitys ja käyttö vaikuttanevat myös loppukäyttäjille markkinoitavien tietokoneiden ja älylaitteiden elinkaariin. Koska tekoälyä hyödyntävät sovellukset kehittyvät, luonnollisesti myös niiden vaatimukset laitteiden teknisille ominaisuuksille ja käyttöliittymille kehittyvät. Loppukäyttäjille merkityksellisiä ovat yhtä lailla tekoälyavusteiset ”uuden luomisen” mahdollisuudet kuin tekoälyavusteisten tuotteiden katselu- ja kulutuskokemuksetkin. Siksi on mahdollista, että laitejätteen ja sen ympäristövaikutusten määrä entisestään kasvaa.
Kaiken kaikkiaan tekoälyn kehittäminen, koulutus ja käyttö vaikuttavat paikallisiin ja koko maapallon ekosysteemeihin, ilmanlaatuun ja ihmisten elämänlaatuun. Vaikka datateollisuus panostaa energiateknologiaan ja päästöjen vähentämiseen, vaikutusketjujen tarkastelu osoittaa ihmisten keskinäiset sekä ihmisten ja luonnon väliset hyvinvoinnin ja kestävän elämän keskinäisriippuvuudet. Tekoälyyn liittyvä innostus vaikuttaakin toistaiseksi enimmäkseen vauhtisokeudelta.
Tekoälyn ja tekoälyavusteisten tuotosten vinoumat
Tekoälyn ja sen avulla tuotettujen tekstien, kuvien, videoiden ja muiden materiaalien oletetaan perustuvan yleistettävyyden ja edustavuuden periaatteisiin. Myös tekoälyn koulutuksessa on oletus tiedon edustavuudesta. Koulutusdatan oletetaan siis edustavan riittävästi koko maailmaa. Tosiasiassa tekoälyn koulutusdata ja tekoälymallit edustavat samoja maailmankuvia ja henkilökohtaisia arvoja, joita tekoälylle syötettävän datan tekijät ja kouluttajatkin edustavat. Lopulta siis tekoälyllä tuotetut tekstit ja kuvat toistavat näitä vinoumia.
Tunnistettuja vinoumia on useita. Esimerkiksi eräs kasvojentunnistussovellus ei onnistunut tunnistamaan tummaihoista naista ihmiseksi. Kun tekoälyä pyydettiin kuvaamaan tutkijaa, kuvissa tutkija oli poikkeuksetta silmälasipäinen valkoihoinen miesoletettu, joka oli pukeutunut laboratoriotakkiin. Myös ympäristöä ja ekosysteemejä koskeva tieto on vinoutunutta.
Tarkka asioiden ja ilmiöiden arviointi tekoälyn avulla on vaikeaa tai mahdotonta. Erilaiset mittarit soveltuvat korkeintaan paikallisten aineistojen ja kontekstien arviointiin, joten tekoälyavusteinen tieto ei lähtökohtaisesti ole yleistettävissä.
Tarkka asioiden ja ilmiöiden arviointi tekoälyn avulla on vaikeaa tai mahdotonta. Erilaiset mittarit soveltuvat korkeintaan paikallisten aineistojen ja kontekstien arviointiin, joten tekoälyavusteinen tieto ei lähtökohtaisesti ole yleistettävissä. Tekoälyavusteisesti teetetyt analyysit ja tulokset eivät useinkaan ole toistettavissa. Lisäksi tekoälyn hiilijalanjäljen arvioinnissa ei yleensä huomioida koko sykliä mineraalien louhinnasta, laitteiden valmistuksesta ja mallien koulutuksesta loppukäyttäjien kulutustottumuksiin asti. Kun tähän yhdistää sen, että tekoälymallien ja -alustoiden kehittäjät eivät juurikaan tee tai raportoi ympäristövaikutuksia, tai salaavat tuottamansa tiedot, tekoälybisneksen toimintaa on mahdotonta toistaiseksi arvioida tarkasti tai ylipäänsä pitää läpinäkyvänä toimintana.
Tekoälyn kehittämiseen ja käyttöön kytkeytyy myös muita valtaan ja tasa-arvoon liittyviä vinoumia. Vain hyvin pienellä osalla maailman ihmisistä on mahdollisuuksia ja taitoja vaikuttaa tekoälymallien kehittämiseen. Kehittäminen ja tutkiminen painottuvat globaalisti pohjoiselle pallonpuoliskolle, mikä väistämättä ylläpitää nykyisiä sosioekonomisia statuksia ja niiden maantieteellistä jakautumista. Isossa kuvassa globaali pohjoinen kehittää ja kuluttaa, ja globaali etelä luovuttaa harvinaisia metalleja ja ottaa vastaan laitejätteen.
Epäreiluja ovat myös tekoälyn vaikutukset ilmastoon ja ilmastonmuutoksen seuraukset. Esimerkiksi meriveden korkeuden noususta kärsivät todennäköisemmin ihmiset, jotka eivät kehitä eivätkä juurikaan käytä tekoälyä.
Ihmisoikeusnäkökulmasta tarkasteltuna myös tekoälyn kouluttaminen on hankala asia. Koska tekoälylle syötettävä data täytyy säntillisesti tunnistaa, merkitä ja kategorisoida, työhön tarvitaan ihmisiä ja ihmisten kielellistä ja kulttuurista osaamista. Koulutustyötä tarjoavat tahot pilkkovat työn mikrotehtäviksi, joiden suorittamisesta työntekijät saavat pieniä palkkioita. Keskimääräisen työstä saatavan palkkion on arvioitu olevan kaksi dollaria tunnilta. Suomessa tekoälyä ovat minipalkalla kouluttaneet esimerkiksi vangit. Vaikka tehtävä onnistui niin työn ostajan, Rikosseuraamuslaitoksen kuin vankienkin näkökulmista, on aiheellista erikseen puntaroida sitä, pitäisikö työstä silti saada kohtuullista palkkaa.
Tutuimmat tekoälyn vinoumat ja haasteet liittynevät tekijänoikeuskysymyksiin, joita niitäkin on tunnistettu useita: Tekoälyä voidaan kouluttaa tekijänoikeuksien alaisella materiaalilla ilman tekijän lupaa, jolloin myös tekoälyavusteiset tuotokset rikkovat tekijänoikeuksia. Toistaiseksi avoinna on sekin, missä määrin alkuperäisen materiaalin tekijät voivat tai heidän tulisi saada korvausta materiaalin hyödyntämisestä tekoälymalleissa. Sekään ei ole selvää, muodostuuko kehitetystä tekoälymallista tekijänoikeuksien alainen tietokanta tai tekoälyavusteisista tuotteista tekijänoikeuksien alaisia tuotteita. Lisäksi tekoälytuotteen tilaajan ja järjestelmän välisessä suhteessa on ratkaisemattomia tekijänoikeuskysymyksiä.
Tekoälyn ekososiaalisista vääryyksistä sääntelyyn ja tiedostavaan elämään
Tekoälykeskustelussa painottuvat sen lupaukset, mutta myös huolet sen mahdollisesti aiheuttamasta työttömyydestä, tekijänoikeusloukkauksista ja joistakin ympäristökysymyksistä. Olen tähän tekstiin koonnut myös muita jo tunnistettuja vaikutuksia ja vaikutusketjuja. Näkökulmani on niissä ekososiaalisissa vääryyksissä, joissa tekoälyyn liittyvä toimintamme kyseenalaistaa ja suorastaan riistää toisten ihmisten ja luonnon hyvinvointia.
Ei olekaan ihme, että tekoälyä koskeva sääntely on viime vuosina kasvanut esimerkiksi Euroopassa, Kiinassa, Kanadassa ja Yhdysvalloissa. Sääntely on kuitenkin toistaiseksi vielä vähintään yhtä epätarkkaa kuin tieto tekoälymalleista, niiden energiatarpeista, ympäristövaikutuksista ja eettisistä kysymyksistä. Esimerkiksi eurooppalainen tekoälyasetus on monin tavoin yhteensopimaton EU:n tekijänoikeuslain kanssa.
Sääntely onkin keskeinen keino hallita epävarmoja ja kiistanalaisia ihmisten keskinäisiä ja ihmisten ja luonnon välisiä suhteita. Ekososiaalisen oikeudenmukaisuuden tarkastelua ei kuitenkaan voi ulkoistaa sääntelylle eikä etenkään bisnekselle, jonka toimintaa motivoivat pääomien ja tuotantovälineiden kerryttämisen logiikat.
Tässä tekstissä on useita näkökulmia, joiden avulla jokainen ihminen voi puntaroida omaa suhdettaan tekoälyyn. Koska ihmiset ja luonto ovat väistämättömästi toisistaan keskinäisriippuvaisia, ihmisyyteen kuuluu myös näistä riippuvuuksista tietoiseksi tuleminen ja niistä tietoisena eläminen. Muuten vaarana on, että kaikkivoipaisuutta tavoitellessa takerrumme omien tarpeidemme tyydyttämiseen ja juutumme maailman – toisten ihmisten ja luonnon – ylikuluttamiseen. (Honneth 2012.)
Toivottavasti keskinäisriippuvuuksien kollektiivinen tarkastelu tiedeyhteisössä ja laajemmin koko yhteiskunnassa on pian käynnistymässä. Teknologiauskolle ja länsimaiselle yksilökeskeiselle hyvinvointikäsitykselle vaihtoehtoinen tapa suhtautua elämään ja tekoälyyn löytyy eteläamerikkalaisesta alkuperäiskansojen ketšuankielisestä käsitteestä sumak kawsay. Se tarkoittaa hyvin elämistä. Sumak kawsayssa elämän merkitys löytyy tasapainosta ja vastavuoroisuudesta paitsi ihmisten jakamissa yhteisöissä myös luonnon kanssa. Tämä filosofia tulee myös tekoälymalleille seuraavaksi kouluttaa.
Lähteet
Cunningham, Mary (2025) The AI revolution is likely to drive up your electricity bill. Here’s why. CBS NEWS 17.7.2025. https://www.cbsnews.com/news/artificial-intelligene-ai-data-centers-electricity-bill-energy-costs/
DiciChina (2023) Translation: Artificial Intelligence Law, Model Law v. 1.0 (Expert Suggestion Draft) – Aug. 2023 https://digichina.stanford.edu/work/translation-artificial-intelligence-law-model-law-v-1-0-expert-suggestion-draft-aug-2023/
Eadicicco, Lisa (2025) Is AI really making electricity bills higher? Here’s what the experts say. CNN 17.10.2025. https://edition.cnn.com/2025/10/17/tech/electricity-bill-price-increase-ai-data-centers
EPSULA (2025) Module 11. Approaches to Wellbeing. Educational Portal for Sustainable Cultural Diversity in Latin America. https://owncloud.cesnet.cz/index.php/s/Iexyd284MUAfEnI
EU Artificial Intelligence Act https://www.aiact-info.eu/full-text-and-pdf-download/
Fernandez, Jared & Na, Clara & Tiwari, Vashisth & Bisk, Yonatan & Luccioni, Sasha & Strubell, Emma (2025) Energy Considerations of Large Language Model Inference and Efficiency Optimizations. https://doi.org/10.48550/arXiv.2504.17674
IEA International Energy Agency (2025) Energy and AI. Paris. https://www.iea.org/reports/energy-and-ai
Honneth, Axel (2012) The I in We: studies in the theory of recognition. Cambridge, U.K: Wiley.
Isola, Anna-Maria & Nousiainen, Marko & Valtari, Salla (2020) Osallisuustyö välineenä heikossa asemassa olevien vallan lisäämiseen. Teoksessa Lea Suoninen-Erhiö, Anneli Pohjola, Mirja Satka & Jenni Simola (toim.) Sosiaaliala uudistuu. Tietopohjan ja vuorovaikutuksen kysymyksiä. Helsinki: Huoltaja-säätiön julkaisuja, 165–188. https://www.huoltaja-saatio.fi/wp-content/uploads/2020/12/SU-ia.pdf
Kanadan hallitus: The Artificial Intelligence and Data Act (AIDA) – Companion document https://ised-isde.canada.ca/site/innovation-better-canada/en/artificial-intelligence-and-data-act-aida-companion-document
Lehtiniemi, Tuukka & Ruckenstein, Minna (2022) Prisoners training AI: Ghosts, humans and values in data labour. Teoksessa Sarah Pink, Martin Berg, Deborah Lupton & Minna Ruckenstein (toim.) EVERYDAY AUTOMATION. Experiencing and Anticipating Emerging Technologies. Lontoo: Routledge, 184–196. https://doi.org/10.4324/9781003170884-16
Li, Pengfei & Yang, Jianyi & Islam, Mohammad A. & Ren, Shaolei (2023) Making AI Less “Thirsty”: Uncovering and Addressing the Secret Water Footprint of AI Models. https://arxiv.org/abs/2304.03271
Liket, Kellie (2017) Challenges for policy-makers: Accountability and cost-effectiveness. Teoksessa Bent Greve (toim.) Handbook of Social Policy Evaluation. Iso-Britannia: Edward Elgar Publishing Limited, 183–202. https://doi.org/10.4337/9781785363245.00017
Luccioni, Sasha (2023) AI is dangerous, but not for the reasons you think. TED-talk. https://www.ted.com/talks/sasha_luccioni_ai_is_dangerous_but_not_for_the_reasons_you_think
Luccioni, Sasha & Jernite, Yacine & Strubell, Emma (2024) Power Hungry Processing: Watts Driving the Cost of AI Deployment? In Proceedings of the 2024 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’24). Association for Computing Machinery, New York, NY, USA, 85–99. https://doi.org/10.1145/3630106.3658542
Luccioni, Sasha & Gamazaychikov, Boris & da Costa, Theo Alves & Strubell, Emma (2025a) Misinformation by Omission: The Need for More Environmental Transparency in AI. https://doi.org/10.48550/arXiv.2506.15572
Luccioni, Alexandra Sasha & Pistilli, Giada & Sefala, Raesetje & Moorosi, Nyalleng (2025b) Bridging the Gap: Integrating Ethics and Environmental Sustainability in AI Research and Practice. https://doi.org/10.48550/arXiv.2504.00797
Luccioni, Alexandra Sasha & Viguier, Sylvain & Ligozat, Anne-Laure (2022) Estimating the carbon footprint of BLOOM, a 176B parameter language model. https://arxiv.org/pdf/2211.02001
Mesa, Jesus (2025) Eye-Popping Electric Bills Come Due as Price of AI Revolution. Newsweek 7.8.2025 https://www.newsweek.com/ai-data-centers-why-electric-bill-so-high-2109965
Quintais, João Pedro (2025) Generative AI, copyright and the AI Act. Computer law & security review. https://doi.org/10.1016/j.clsr.2025.106107
Rani, Uma & Dhir, Rishabh Kumar (2024) AI-enabled business model and human-in-the-loop (deceptive AI): Implications for labor. Teoksessa Handbook of Artificial Intelligence at Work, 47–75. https://doi.org/10.4337/9781800889972.00011
Ricaurte, Paola (2022) Ethics for the majority world: AI and the question of violence at scale. Media, Culture & Society 44 (4), 726–745. https://doi.org/10.1177/01634437221099612
SIRGE Coalition (2025a) Galina Angarova | Indigenous Peoples and AI: Defending Rights, Shaping Futures. https://www.youtube.com/watch?v=zTYXUOEzp7w
SIRGE Coalition (2025b) Kate Finn | Indigenous Peoples and AI: Defending Rights, Shaping Futures. https://www.youtube.com/watch?v=o4461sfr96Q
Särkelä, Arvi (2020) Tunnustuksen patologiat. Sosiaalisuus ja kritiikki Honnethin tunnustusteoriassa. Teoksessa Onni Hirvonen (toim.) Tunnustuksen filosofia ja politiikka. Hegelistä nykypäivään. Helsinki: Suomalaisen Kirjallisuuden Seura, 115–134. https://www.academia.edu/36907145/Tunnustuksen_patologiat_Sosiaalisuus_ja_kritiikki_Axel_Honnethin_tunnustusteoriassa
Vartiainen, Niko (2025) Konejumalaa rakentamassa. Tekoälyn kehitys syö hurjasti resursseja. Voiko se maksaa itsensä takaisin? https://www.uusijuttu.fi/juttu/sm6DKpy9-a9IALZQd-23fd1
Yhdysvallat, Valkoinen talo (2023) Executive Order on the Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence. https://bidenwhitehouse.archives.gov/briefing-room/presidential-actions/2023/10/30/executive-order-on-the-safe-secure-and-trustworthy-development-and-use-of-artificial-intelligence/
Yle (2022) Vesipulan piinaamassa Hollannissa suututtiin Microsoftin datakeskuksen vedenkäytöstä – tänä vuonna kuluu ehkä jo yli 100 miljoonaa litraa. https://yle.fi/a/74-20000100
Yle (2023) Datakeskuksen hukkalämpö ei aluksi kelvannut Helsingin kaukolämpöyhtiölle – sitten maailma muuttui ja nyt lämpö virtaa Pitäjänmäessä. https://yle.fi/a/74-20035644
Yle (2024) Datakeskusten hukkalämpöä on pian pakko hyötykäyttää, ja Suomella on siihen tarkoitukseen hyvä kohde. https://yle.fi/a/74-20078877
Yle (2025) Datakeskusten valtava vedenkulutus on järkyttänyt maailmalla – Suomessa tilanne on toinen. https://yle.fi/a/74-20175822
