Artikkeli · Liiketoiminta
Onko tekoälyssä kupla
Neljä yhtiötä investoi tänä vuonna 760 miljardia dollaria. Samaan aikaan useimmat yritykset eivät saa tekoälystä mitattavaa tulosvaikutusta. Molemmat voivat olla totta.
Juuri nyt
Uusimmat jutut- LuvutInfrastruktuuri9 minMitä yksi tekoälykysymys oikeasti kuluttaaVäite pullollisesta vettä kysymystä kohti on peräisin oikeasta tutkimuksesta, jonka tulos muuttui matkalla toiseksi. Mitä siinä mitattiin, mitä mitatut tuotantoluvut kertovat ja miksi kaksi rehellistä lukua voivat poiketa satakertaisesti.Lue artikkeli →
- NäkökulmaSovellukset15 minVibe-koodaus ja avustettu ohjelmointiKaksi työtapaa niputetaan saman nimen alle, vaikka ero on siinä, katselmoidaanko koodi. Mihin kumpikin sopii, mitä demon jälkeen on jäljellä ja mitä tutkimus tuottavuudesta oikeasti sanoo.Lue artikkeli →
- KatsausSovellukset12 minTekoälyn käyttötapaukset kansankielelläKolmekymmentä konkreettista käyttötapausta kodista metsään, tuotantolinjalta urheiluseuraan. Mitä kone kussakin tekee, missä se menee hiljaa pieleen ja mitä käyttötapaukselle tapahtuu valinnan jälkeen.Lue artikkeli →
- TapausSovellukset14 minAgentit, orkestrointi ja käyttötapauksetMitä monen agentin järjestelmä oikeasti on, mitkä neljä rakennetta siitä löytyy, mihin kutakin kannattaa käyttää ja milloin yksi agentti riittää.Lue artikkeli →
- TietoturvaSovellukset3 minKun agentti uskoo väärää tekstiäKehoteinjektio on OWASPin listan kärjessä kolmatta vuotta, eikä siihen ole korjausta. Miksi ei, ja mitä sen tilalla tehdään.Lue artikkeli →
Tekoäly.
Ilman salakieltä.
Selitykset, esimerkit ja ajankohtaiset jutut yhdessä rauhallisessa tietopankissa. Ei mainospuhetta eikä englanninkielisiä termejä, joita kukaan ei viitsi selittää.
Ekosysteemi kerroksittain
Aiemmin julkaistua
Kaikki artikkelit →
Artikkeli · Infrastruktuuri
Suomen datakeskusbuumi ja sähköverkon jono
Yli kolme gigawattia liittymissopimuksissa ja 50 000 megawattia kyselyinä. Mitä luvut oikeasti tarkoittavat ja mikä on todellinen pullonkaula.
Artikkeli · Sääntely ja vastuu
Tekoälyasetus: mikä on voimassa ja milloin
Korkean riskin määräaika siirtyi kesällä 2026, mutta suurin osa oppaista kertoo yhä vanhat päivät. Mitä käyttöönottavan organisaation pitää oikeasti tietää.
Aloita tästä
Kolme askelta, jos tekoäly on sinulle uusi
Järjestys on tarkoituksellinen. Perusasiat ensin, kokonaisuus sitten, esimerkit lopuksi.
01
Mitä tekoäly on
Viisi asiaa, jotka riittävät alkuun. Ei teknistä taustaa, ei selittämättömiä termejä.
02
Mistä se koostuu
Koko ketju sähköstä ja siruista dataan, malleihin, sovelluksiin ja rahaan.
03
Missä sitä käytetään
Arkisia tilanteita purettuna: mitä kone tekee ja mikä jää ihmiselle.
Aiheet
Palat, joista koko kuva syntyy
Perusteet, viisi kerrosta sähköstä liiketoimintaan ja niiden läpi kulkeva sääntely.
Käsitteet
Perusteet
Tekoäly, koneoppiminen ja kielimalli. Mikä niistä on minkä sisällä.
Kerros 1
Infrastruktuuri
Sähkö, sirut ja isot konesalit. Tästä kaikki alkaa.
Kerros 2
Data
Mistä kone oppii, ja miksi omat tiedot ovat arvokkainta, mitä yrityksellä on.
Kerros 3
Mallit
Opettaminen maksaa kerran. Käyttö maksaa aina uudelleen.
Kerros 4
Sovellukset
Miten pelkästä mallista tehdään jotain, josta on oikeasti hyötyä.
Kerros 5
Liiketoiminta
Kuka tekee mitä, kuka maksaa ja kenelle raha lopulta jää.
Läpileikkaava
Sääntely ja vastuu
Mitä laki vaatii, mitä etiikka vaatii ja mitä pitää kirjata ylös.
Kokeile itse
Sivustolla on toimiva kielimalli
Valitse sana, niin malli kertoo mitkä sanat sitä todennäköisimmin seuraavat. Kun annat sen jatkaa itsekseen, lauseesta tulee kieliopillisesti kelvollista mutta merkitykseltään tyhjää. Se on hallusinaatio pienoiskoossa.
Avaa demo„malli ei saa maksun asiakkaalta maksaa jos muisti mitä kierrosten välissä jotain se on yksi keksintö”
Esimerkit
Mitä kone oikeasti tekee
”Tekoäly hoitaa asiakaspalvelun” ei kerro mitään. Nämä tilanteet on purettu osiin.
Sanasto
66 käsitettä
Kun vastaan tulee sana, jota ei ymmärrä, sitä ei pitäisi tarvita googlata englanniksi.
- Hallusinaatio
- Malli tuottaa vakuuttavan mutta virheellisen väitteen.
- Inferenssi
- Valmiin mallin käyttäminen. Jokainen kysymys ja vastaus kuluttaa laskentaa, ja siis rahaa.
- RAG
- Malli hakee tiedon lähteestä ennen kuin vastaa. Näin vastaukselle voi näyttää lähteen.
- Token
- Teksti pilkottuna pieniin palasiin. Malli lukee ja kirjoittaa niitä, ja niistä myös laskutetaan.
Kirjoittaja
Sivustoa kirjoittaa Harri Salomaa. 40 vuotta ohjelmistoalalla, siitä 20 Yhdysvalloissa ja Saksassa: prosessidatan keruusta ja verkkodatan analysoinnista immersiiviseen laskentaan ja viimeksi tekoälyyn. Sisältö on kirjoitettu luettavaksi ilman tekniikan taustaa, mutta ilman että asioita yksinkertaistetaan vääriksi: kun jokin on epävarmaa, se sanotaan suoraan.