Koneet ovat ymmärtäneet suomen kieltä surkeasti, mutta Kajaanissa hyrräävä Lumi voi vielä muuttaa kaiken - Sunnuntai | HS.fi

Keskustelemme yhä enemmän laitteiden kanssa, vaikka suomi tuntuu niille kovin hankalalta.

Voisitko vihdoin opetella suomea?

2020-luvulla suomen kieltä ymmärtävä teknologia näyttäisi viimeinkin lyövän läpi. Vielä jonakin päivänä saatamme selailla nettiä niin, että kaikki materiaali on nähtävillä suomeksi.


25.12.2021 2:00 | Päivitetty 25.12.2021 6:15

Vielä viisi vuotta sitten suomen kielen ja teknologian liitto vaikutti lähinnä epätoivoiselta.

Facebookin konekääntäjä suomensi englanninkielisen mainostekstin näin: Jokainen laiva tarvitsee keulakuva. Tämä on meidän ja hän gazes kohti horisontissa edessä silta.

Googlen kääntäjän mukaan taas esimerkiksi virke Minä olen Matti Nykänen kääntyi englanniksi muotoon I'm mad today.

Suomeksi toimivia älypuhelimen ääniassistenttejakaan ei ollut kuin Applen Siri, mutta senkin typeryyttä vain manattiin. Siri ei osannut vastata edes yksinkertaisiin kysymyksiin, kuten siihen, kuka on Suomen presidentti.

Huonojen kokemusten ja kielteisen julkisuuden myötä monelle syntyi kuva, että puhelimen ääniohjauksesta ei ole juuri apua ja yritysten ja virastojen nettisivustojen asiakaspalvelurobotit ovat lähinnä vitsi. Suomen kieli tuntui niille aivan ylitsepääsemättömältä.

Nyt 2020-luvulla näyttää viimein siltä, että suomen kieltä hyödyntävä teknologia on lyömässä läpi. Puheentunnistimet ymmärtävät yhä monimutkaisempaa puhetta, asiakaspalvelupuhelimien ja -chattien robotit hoitavat perusasioita jo sujuvasti ja käännös- ja oikolukupalvelut tekevät yhä vähemmän virheitä.

Muutos ei ole sattumaa, sanoo Filip Ginter, joka on Turun yliopiston kieli- ja puheteknologian apulaisprofessori ja kieliteknologiaa kehittävän TurkuNLP-ryhmän jäsen.

”Kehitys perustuu siihen, että muutamana viime vuotena tutkijat ovat oppineet rakentamaan neuroverkkopohjaisia kielimalleja”, hän sanoo.

Neuroverkot ovat laskennallisia malleja, jotka oppivat koko ajan uutta niille syötettävien esimerkkien perusteella. Syväoppivien neuroverkkojen avulla on mahdollista tutkia aiempaa tehokkaammin esimerkiksi sanojen käyttöä erilaisissa tilanteissa ja yhteyksissä. Neuroverkot oppivat nopeasti vaikkapa sen, että Matti Nykänen on nimi eikä sitä pidä yrittää kääntää englanniksi.

Juuri tämänkaltaisiin kömmähdyksiin liittyy kuitenkin myös kieliteknologian kehityksen paradoksi: Yritykset tuovat tietoisesti palveluita ihmisten käyttöön epätäydellisinä, jotta palvelut voivat kehittyä koneoppimisen avulla.

Mutta mitä enemmän virheitä palvelut tekevät, sitä vähemmän niitä käytetään.

Suomenkielisen kieliteknologian kehittymistä on hidastanut myös se, että suomi on pieni kielialue. Englanti on maailman yleisimpiä kieliä, jota puhuu pelkästään äidinkielenään lähes 400 miljoonaa ihmistä, kun suomen puhujia on viisi miljoonaa. Teknologiajättejä, kuten Googlea, Microsoftia tai Amazonia, ei ole kiinnostanut panna paukkuja pienehkön pohjoisen kielialueen palvelujen kehittämiseen.

”Jos haluamme, että kehittyneitä kieliteknologioita on olemassa suomen kielelle, meidän on tehtävä ne itse. Isot firmat eivät tee niitä puolestamme”, Filip Ginter toteaa.

Aluksi suomenkielisen kieliteknologian kehittäminen vaati hikeä ja käsityötä. Esimerkiksi Turussa kymmenisen vuotta sitten tutkijat poimivat eri lähteistä 15 000 suomenkielisen lauseen joukon. Laajan aineiston pohjalta tutkijat rakensivat jäsentimen eli tietokoneohjelman, jolle he opettivat sanojen perus- ja taivutusmuodot käsipelillä.

Kun perustyö on kerran tehty, jäsennintä on voitu kehittää koneoppimisen eli automaation avulla ilman, että ihmisen on enää opetettava joka sanan taivutusmuodot erikseen. Nyt kielimalleissa käytettävien aineistojen laajuudet liikkuvat jo aivan eri sfääreissä.

”Tämän hetken parhaissa malleissa on kolmen miljardin sanan aineistoja. Nyt yritämme Kansalliskirjaston kanssa luoda Lumi-supertietokoneella malleja, joissa päästäisiin jopa kymmeniin miljardeihin sanoihin hyvää suomen kieltä”, sanoo data-analytiikan apulaisprofessori Sampo Pyysalo Turun yliopistosta.

Lumi on Kajaanissa metsäyhtiö UPM:n vanhalla tehdasalueella tänä syksynä käynnistyvä maailman tehokkaimpiin kuuluva tietokone. Tenniskentän kokoista laitetta pyörittää Suomen valtion ja korkeakoulujen omistama Tieteen tietotekniikan keskus CSC.

Supertietokoneen on tarkoitus tehostaa akateemisiin tarkoituksiin käytettävien data-aineistojen käsittelyä. Laskentatehon moninkertaistuminen nopeuttaa lopulta myös kieliteknologisten palveluiden kehittämistä.

Maailmalta kantautuu koko ajan uutisia ja esimerkkejä siitä, mitä tietokoneiden ja tekoälyn kehittyminen tarkoittavat kielelle ja sen käyttäjille.

Kesällä 2020 varsinkin kieliteknologiaa tuntevat hätkähtivät, kun amerikkalaisyritys OpenAI julkaisi GPT-3-nimisen kielimallin. Tämä eräänlainen tietokonesovellus pystyy tuottamaan sille syötettyjen ohjeiden mukaan lähes virheetöntä englanninkielistä tekstiä. Pian brittilehti The Guardian antoikin GPT-3:lle kokeilumielessä käskyn kirjoittaa noin 500 sanan mittainen näkökulmateksti siitä, miksi ihmisten ei tarvitse pelätä tekoälyn kehitystä. Tuloksena syntyi kahdeksan erilaista tekstiä, joiden editoimiseen yhdeksi kolumniksi kului lehden mukaan vähemmän aikaa kuin monien ihmiskirjoittajien tekstien editoimiseen.

Filip Ginterin mukaan turkulaisen tutkijajoukon ”välittömällä agendalla” on rakentaa jotakin vastaavaa myös suomen kielelle. Tekoälyyn perustuvia, yksinkertaisehkoja lehtijuttuja kirjoittavia sovelluksia on kokeiltu Suomessakin, muun muassa Helsingin Sanomissa ja Ylellä, mutta esimerkiksi kolumneja tai laajoja artikkeleja ei tekoäly suomeksi kirjoita.

Turkulaistutkijoiden toinen tavoite on parantaa teknologian ymmärrystä suomen kielen nyansseista. Ginter ottaa esimerkiksi sanonnat hän ei ole laatikon terävin veitsi ja hänellä ei ole kaikki muumit laaksossa.

”Meitä kiinnostaa rakentaa malli, joka ymmärtää, että tietyssä kontekstissa nämä kaksi hyvin erilaista ilmausta voivat tarkoittaa käytännössä samaa asiaa. Veitsi ja muumi -esimerkki voi olla hassu, mutta se kertoo, miten paljon kielestä ja maailmasta pitää ymmärtää, jotta voi päätellä, että nämä ovat sama asia.”

Tällä hetkellä voi sanoa, että monet suomenkieliset kieliteknologiset sovellukset toimivat jo varsin hyvin yleiskielellä, varsinkin miesten puhumalla yleiskielellä. Se taas johtuu siitä, että tällaista puhe- ja tekstiaineistoa on ollut saatavilla kaikkein eniten.

”On kuitenkin eri asia, jos pikkupoika puhuu slangia”, sanoo Veronika Laippala, joka työskentelee Turun yliopistossa kieli- ja käännöstieteiden laitoksella professorina. Hänkin on mukana TurkuNLP-ryhmässä.

Tutkijoiden tavoitteena onkin nopeasti parantaa aineistojen saatavuutta ja käsittelyä.

”Meillä on käynnissä hanke, jossa mallinnetaan tekstilajeja sen mukaan, ovatko ne huoliteltua yleiskieltä, nopeasti kirjoitettuja viestejä tai vaikkapa slangia. Otamme otoksia isoista nettiaineistoista ja merkitsemme käsin, mistä kielen varianteista on kyse. Sen pohjalta kehittelemme luokittelijaa, joka auttaa kielimallien kehittämisessä myös muiden kuin yleiskielisten aineistojen pohjalta”, Laippala sanoo.

Verraten pieni suomen kieli ei ehkä kiinnosta Microsoftin ja Googlen kaltaisia jättejä, mutta pienemmille yrityksille suomen kieli voi olla juuri oikean kokoinen. Oikean kokoinen se on ainakin turkulaiselle Lingsoftille, joka on Suomessa kieliteknologian pioneeri ja nykyisin myös yksi maan suurimpia kielipalveluyrityksiä.

Kieliteknologian ja kielitieteen alalla vaikuttaneet emeritusprofessorit Kimmo Koskenniemi ja Fred Karlsson perustivat Lingsoftin 1980-luvulla kehitettyään sitä ennen rakenneanalyysin, joka mahdollisti suomen kielen käsittelyn koneellisesti. Analyysissa tietokoneelle opetettiin sanojen taivutus- ja muodostussääntöjä niin, että kone pystyi tunnistamaan sanat tekstistä ja palauttamaan ne perusmuotoon, mikä taas nopeutti sanojen käsittelyä. Esimerkiksi Microsoft Wordin suomenkielinen oikoluku perustuu Lingsoftin rakenneanalyysiin.

Kieliteknologian näkökulmasta suomen kielen haasteet ovat liittyneet esimerkiksi sijamuotoihin, joita on paljon (talossa, talona, taloineen). Lisäksi suomessa sanojen vartalot voivat taipua epäsäännöllisesti (vesi, veden, lasi, lasin). Yhdyssanoja taas voi muodostaa varsin vapaasti eri sanoista, kuten miesflunssa, aulatervehtijä ja etävirvonta osoittavat. Eikä maaseudun tyypillinen kavioeläin suinkaan elä hevonentilalla vaan hevostilalla.

Ja sitten on poikkeuksien poikkeuksia, kuten , joka on monikon genetiivissä öiden.

”Tällaiset ilmiöt osoittavat, että sanan hakuvartaloa ei voi suomessa muodostaa yksinkertaisesti typistämällä sanan perusmuotoa lopusta. Mutta nämä kaikki suomen kielen perusasiat on jo ratkaisu”, sanoo Lingsoftin vanhempi neuvonantaja Simo Vihjanen.

Nykyään Lingsoft kääntää osin koneellisesti esimerkiksi kaikki Euroopan parlamentin tuottamat tekstiasiakirjat suomeksi ja ruotsiksi sekä tekstittää Ylen ohjelmia puheentunnistusta hyödyntäen. Yhtiön kehittämiä puheentunnistimia ja muita kielityökaluja käytetään myös muun muassa Terveyden ja hyvinvoinnin laitoksessa sekä Keski-Uudenmaan sote -kuntayhtymässä. Tampereen kaupungin kanssa Lingsoftilla on pilottihanke, jossa sosiaalipalveluiden työntekijät hyödyntävät yrityksen puheentunnistustyökalua nopeuttaakseen asiakkaista tehtäviä kirjauksia.

Lingsoftin kehitystyö kohdistuu nyt entistä enemmän sanojen ja kielenkäytön merkityksiin ja käyttöyhteyksiin. Sen sijaan kysymys siitä, voidaanko kieliteknologian avulla tulevaisuudessa tuottaa täydellistä suomea, ei ole yrityksen näkökulmasta olennainen. Yhtiön edustajien mukaan olennaista on pystyä tarjoamaan räätälöityjä palveluita, jotka auttavat asiakkaita parhaalla mahdollisella tavalla.

Simo Vihjanen ja toimitusjohtaja Juhani Reiman tietävät harvinaisen hyvin, että englannin kielellä ja kansainvälisillä teknologiajäteillä on ylivalta informaatioteknologian kehityksessä. Jätit hallitsevat suvereenisti puheentunnistus- ja konekäännösmarkkinoita.

”Mutta jos mennään räätälöityihin sovelluksiin, missä mekin kilpailemme, niissä me voitamme”, Reiman muistuttaa.

”Suuryritysten intresseissä on, että pienemmät firmat tarjoavat niille mahdollisuuksia paikallisilla kielillä, koska lokaali palvelu usein viime kädessä ratkaisee, miten ne pärjäävät muillakin markkinoilla”, Vihjanen jatkaa.

Suomenkielisiä tekstiaineistoja, joiden avulla algoritmeja voidaan kehittää, on netin nurkat väärällään. Puheen kanssa on toisin.

Suomalaisten yliopistojen ja tutkimuslaitosten ylläpitämän Kielipankin tutkimusjohtaja Krister Lindén sanoo, että puhetta olisi kyllä esimerkiksi Ylellä paljon tallennettuna, mutta puhe on usein kirjakielistä tai näyteltyä ja sen käyttöä rajoittavat tekijänoikeudet. Yritysten puhelinkeskuksista puheaineistoja ei saa laajempaan käyttöön yksityisyydensuojan vuoksi. Kotimaisten kielten keskuksen aineistojakaan yritykset eivät voi hyödyntää, niin ikään tietosuojasyistä. Eduskunnassa puolestaan olisi tuhansia tunteja puheaineistoja, mutta niitäkään ei voi soveltaa kovin laajasti.

”Se on aika huoliteltua puhetta eikä sovi arkikielen tunnistamiseen”, Lindén sanoo.

Suomenkielisestä puheesta on siis teknologian kehityksen näkökulmasta ollut ihan oikeasti pula. Viime vuonna toteutettiinkin Valtion kehitysyhtiö Vaken, Helsingin yliopiston ja Yleisradion yhteinen Lahjoita puhetta -kampanja, jonka myötä 25 000 ihmistä antoi yhteensä noin 4 000 tunnin verran puhenäytteitä. Krister Lindén iloitsee, että puhetta lahjoittivat sekä nuoret että vanhat eri murrealueilta ja myös ihmiset, joiden äidinkieli ei ole suomi.

Päättyneen kesän aikana tutkijat litteroivat kerätystä aineistosta noin 1 500 tuntia puhetta tekstiksi. Lindén pitää tätä maailmankin mittakaavassa merkittävänä tutkimusaineistona. Vain englannin kielellä on tätä laajempia litteroituja aineistoja. Aineisto on niin iso, että sen avulla on mahdollista parantaa merkittävästi erilaisen puheen tunnistamisen työkaluja.

Jatkokäyttömahdollisuuksia on paljon, koska laaja aineisto mahdollistaa tekoälyn opettamisen mitä erilaisimmilla puheenparsilla ja mitä erilaisimmissa tilanteissa. Yhtenä arjen esimerkkinä Lindén ottaa lääkärikäynnin, jossa potilaan ja lääkärin välinen keskustelu nauhoitetaan ja kone litteroi sen tekstiksi.

”Kenties tekstiä voisi tekoäly jo analysoidakin tarkemmin, mutta ainakin se muistuttaisi lääkäriä siitä, että potilas kertoi nämä ja nämä asiat. Lääkärikin on vain ihminen, joka saattaa unohtaa, mitä on sanottu.”

Litterointia voi hyödyntää myös vaikkapa kokouspöytäkirjojen tekemisessä, ja kehittyneen puheentunnistuksen avulla voidaan parantaa eri palveluiden saavutettavuutta.

Suuri osa yliopistoissa tapahtuvasta suomalaisen puheentunnistuksen kehitystyöstä tehdään Espoossa. Puheen- ja kielenkäsittelyn professori Mikko Kurimo on johtanut Aalto-yliopiston puheentunnistuksen tutkimusryhmää vuodesta 2000 lähtien.

Kymmenen viime vuotta tutkimusryhmä on keskittynyt erityisesti syväoppiviin algoritmeihin. Käytännössä ryhmä laajentaa koneoppimisen avulla suomenkielisen puheentunnistuksen sanastoa ja parantaa sen laatua. Tarkoituksena ei ole keksiä suoraan uusia, valmiita kieliteknologisia sovelluksia vaan luoda rakennuspalikoita, joiden päälle esimerkiksi yritykset voivat kehittää omia ratkaisujaan.

Mikko Kurimo sanoo, että puheentunnistuksen näkökulmasta suomi ei ole erityisen vaikea kieli. Esimerkiksi suomen sanojen ääntäminen on helppoa, koska suurin osa kirjaimista ja äänteistä vastaa suoraan toisiaan.

Ongelmallisiksi Kurimo listaa samat asiat kuin moni muukin asiantuntija: sanojen taipumisen sekä yhdyssanojen runsauden. Satojen miljoonien sanojen suomenkielisessä aineistossa tunnistimien ulkopuolelle saattaa jäädä jopa kymmenen prosenttia sanoista, kun englanninkielisissä aineistoissa vastaava osuus on yleensä alle prosentti.

Kurimon mukaan monet puheentunnistuksen tutkimuksessa käytettävät menetelmät on kehitetty jo 1990-luvulla, mutta niitä ei vielä silloin osattu käyttää. Nykyään käytössä olevat menetelmät ovat parempia ja aineistot paljon suurempia sekä tietokoneiden laskentatehokin toista luokkaa kuin ennen. Yksi tärkeä tekijä on kaupallinen kysyntä.

”1990-luvulla oli vaikea motivoida firmoja satsaamaan puheenkäsittelyyn, koska ei uskottu, että tulee hyviä tuotteita. Nyt jokaisella ihmisellä on älypuhelin, jossa on puheentunnistin, ja se toimii niin hyvin, että monet käyttävät sitä päivittäin”, Kurimo sanoo.

Vaikka valtaosa kehityksestä tapahtuu englannin kielellä, vaikkapa puheentunnistuksen kehitys vaikuttaa myös pienempiin kieliin. Esimerkiksi Googlen hakukoneelle tehtävät äänihaut toimivat nykyään myös suomeksi pääsääntöisesti hyvin, koska ihmisten hakusanat pystytään pitkälti päättelemään etukäteen. Koska dataa on paljon ja helposti saatavilla, sen pohjalta kehitetyt kielimallit ovat toimivia.

Puheentunnistus nopeuttaa myös esimerkiksi tekstitysten tekemistä ohjelmiin aina Salatuista elämistä tv-uutisiin. Esimerkiksi Youtube tarjoaa automaattista tekstitystä videoihin tällä hetkellä englanniksi, espanjaksi, hollanniksi, indonesiaksi, italiaksi, japaniksi, koreaksi, portugaliksi, ranskaksi, turkiksi, venäjäksi ja vietnamiksi muttei vielä suomeksi. Yhtiö myös varoittaa, että tekstitysten laatu voi vaihdella, koska ne perustuvat koneoppimisen algoritmeihin. ”Automaattisen tekstityksen puheentunnistus saattaa erehtyä puhevirheiden, aksenttien, murteellisten ilmaisujen tai taustamelun kohdalla”, Youtube ilmoittaa.

Puheentunnistuksen kehitys mahdollistaa myös sen, että videoista on jo nykyisin mahdollista tehdä tekstihakuja.

Tulevaisuutta ovat myös kodeissa käytettävät älykaiuttimet, joille voi vain sanella esimerkiksi toivomansa nettiostokset.

”Älykaiuttimet ovat jo kohtuullisen toimivia englannin kielellä”, Mikko Kurimo sanoo.

Yksi tavalliselle kansalaiselle näkyvä kieliteknologian kehitysaskel ovat yritysten asiakaspalvelut. Todella monella nettisivustolla aukeaa jo chat-muotoinen asiakaspalvelurobotti, mutta myös perinteisemmissä asiakaspalveluissa huomaa yhä useammin asioivansa tietokoneen kanssa.

Esimerkiksi Elisa on kehittänyt Aalto-yliopiston kanssa puheentunnistuksen työkaluja. Yli 130-vuotiaalla puhelinyhtiöllä on runsaasti puheaineistoja omasta takaa, mikä helpottaa toimivien algoritmien rakentamista.

Elisa käyttää puhebotteja esimerkiksi silloin, kun asiakaspalvelussa on ruuhkaa. Kun asiakas kertoo asiansa robotille, se muuttaa puheen tekstiksi ja toimittaa palvelupyynnön ihmisasiakaspalvelijalle. Ihminen pääsee nopeammin kärryille asiakkaan ongelmasta, kun kone on tehnyt esiselvityksen.

Elisan teknologiajohtaja Ville Rautio sanoo puheentunnistuksen laadun olevan nyt jo erittäin hyvä. Niin sanotulla word error -mittarilla virheitä tulee sataa sanaa kohti aineistosta riippuen 10–20. Kun tuote lanseerattiin pari vuotta sitten, virheitä tuli tuplamäärä.

Rautio sanoo, että murteellisten yleissanojen oppiminen ei ole algoritmeille vaikeaa. Mutta kun asiakaspalveluun soittava torniolainen sanoo visto (vastenmielinen) ja porilainen puhuu klookista (omituinen), sanojen käyttäjiä ei vain ole riittävästi, jotta kone oppisi sanan.

”Tällaisista sanoista kone ei saa kiinni ennen kuin niitä on toistettu kymmeniä tai satoja kertoja tietyssä kontekstissa.”

On myös sanoja, jotka tarkoittavat eri murteissa eri asioita. Sanalla tuima kuvataan Pohjois- ja Itä-Suomessa vähäsuolaista tai suolatonta ruokaa, mutta maan länsiosissa sana tarkoittaa suolaista tai väkevää ja karvasta. Usein on helpointa opettaa tällaiset sanat ja niiden kontekstit manuaalisesti.

Rautio arvioi, että kieliteknologiat asiakaspalvelussa ovat isolle osalle ihmisistä arkipäivää jo kahden tai kolmen vuoden kuluttua.

”Mikään muu siihen ei varmaankaan auta kuin kokeilla enemmän ja todeta, että sehän toimii. Se tapahtuu ajan myötä.”

Netin ja teknologian kehitys on ollut pitkälti englantivetoista.

Aika ajoin on kuultu huolestuneita puheenvuoroja siitä, miten suomen kielen käy tämän myllerryksen keskellä. Toisaalta helposti unohtuu, että netin alkuajoista kehitystä on kuitenkin tapahtunut valtavasti. Aluksi hakukoneisiin hakattiin suomen kielen sanoja perusmuodossa, nyt niihin voi syöttää jo suomenkielisiä kysymyksiä. Pitkään ääkköset olivat varsinkin nettiosoitteissa kiellettyjä.

Voi hyvin olla, että juuri nyt käsillä on jopa suomen kielen uusi nousu.

Kieliteknologian tutkijatohtori Tommi Jauhiainen Helsingin yliopistosta sanoo kehityksen mahdollistaneen sen, että monessa työssä suomea voidaan edelleen monipuolisesti käyttää. Erilaisten työkalujen avulla esimerkiksi mitä tahansa muuta kieltä voi kääntää suomeksi niin, että sitä pystyy ainakin ymmärtämään ellei täysin sisäistämään.

Monen suomalaisen tarve käyttää vieraita kieliä on viime vuosina pikemminkin vähentynyt kuin lisääntynyt. ”Ja tulevaisuudessa vähenee entisestään”, Jauhiainen ennustaa.

Vielä tällä hetkellä tavallinen käyttäjä hyödyntää netistä aineistoja useimmiten vain niillä kielillä, joita sattuu osaamaan. Entä jos myös kaikki netissä olevat videosisällöt saisi automaattisesti käännettynä virheettömäksi suomeksi?

Turun yliopiston Filip Ginter sanoo, että teknistä estettä tällaiselle sovellukselle ei ole.

Se voisi tarkoittaa esimerkiksi sitä, että pienetkin lapset voisivat katsella englanninkielisiä tiedevideoita Youtubesta suomeksi, tai sitä, että tutkija voisi hyödyntää japaninkielisiä tutkimusaineistoja ilman laajaa japanin kielen ymmärrystä. Lisää esimerkkejä tilanteista keksii varmasti jokainen.

”Olisihan se fantastista, jos nettiä voisi selata niin, että näkisi kaiken materiaalin suomeksi riippumatta siitä, millä kielellä se on alun perin kirjoitettu tai puhuttu.”

Näyttää siltä, että jonain päivänä näin vielä tapahtuu.

Kirjoitus on julkaistu alun perin HS Teema -lehden suomen kieltä käsitelleessä numerossa lokakuussa 2021. Lisätietoja Teema-lehdestä on osoitteessa HS.fi/teema.

Artikkeliin liittyviä aiheita

Luitko jo nämä?

Luetuimmat - Sunnuntai