Transcript 0:00 Tervetuloa AI Sanomat podcastiin! Tällä viikolla tekoälyagentti sai muistin, työkalut ja jalat. Jalat. Google julkaisi Gemini Robotics kakkosen. Mutta aloitetaan työpöydältä, koska siellä tapahtui ehkä tärkeämpi muutos. 0:14 Agentista rakennetaan pitkäkestoista toimijaa, joka käyttää työkaluja, muistaa aiemman työn ja jatkaa tehtävää myöhemmin. Eli viikon suurin uutinen ei ollut yksi uusi keskustelumalli. Ei. 0:27 Kiinnostavimmat julkaisut koskivat agentin ympärillä olevaa tuotantokerrosta. MCP sai uuden määrittelyn. Googlen Managed Agents sai tarkistuspisteitä ja budjettirajoja. 0:37 Minio teki agentin muistista organisaation hallitsemaa dataa. Käydään ne yksi kerrallaan. Mitä MCP:lle tapahtui? MCP on se avoin protokolla, jolla agentti yhdistetään työkaluihin ja tietolähteisiin. 0:51 Uusi heinäkuun määrittely siirtää ydintä tilattomaan suuntaan. Palvelimen ei tarvitse säilyttää jokaisen käyttäjän istuntoa jatkuvasti. Kuulostaa tekniseltä. Miksi tietotyöläisen pitäisi välittää? 1:03 Koska se helpottaa MCP-palvelujen rakentamista serverless- ja edge-ympäristöihin. Samalla tunnistautumista on kovennettu OAuth ja OpenID Connect -käyttöön. 1:13 Kun samaa työkalua käyttää sata agenttia, istuntojen hallinta ja oikeudet ratkaisevat enemmän kuin hyvä demo. Eli MCP alkaa näyttää infrastruktuurilta. Juuri niin. 1:24 Ja Google toi samaan aikaan Managed Agents -palveluunsa hookit. Kehittäjä voi tarkistaa työkalukutsun ennen suoritusta ja vastauksen sen jälkeen. Anna käytännön esimerkki. Agentti valmistelee hyvityksen asiakkaalle. 1:37 Ennen maksutoimintoa hook tarkistaa summan, käyttäjän oikeudet ja tilauksen tiedot. Jos summa ylittää rajan, työ pysähtyy ja pyytää ihmisen hyväksynnän. Mukana olivat myös budjettirajat. 1:50 Kyllä, agentille voi asettaa kustannuskaton ja ajastetun käynnistyksen. Tämä kuulostaa pieneltä yksityiskohdalta, mutta ilman budjettia pitkä agenttikeikki voi käyttää paljon rahaa ennen kuin kukaan huomaa sen. 2:03 Minion uutinen liittyy muistiin. AI Store Memory yhdistää agentin pitkäkestoisen muistin, työtilat ja salaisuuksien hallinnan. Agentti voi keskeyttää työn ja jatkaa myöhemmin ilman että koko tila rakennetaan uudelleen. 2:18 Minio tietenkin myy omaa tuotettaan. Onko tässä silti laajempi oppi? On. Agentin muisti ei ole vain mallin kontekstia. Se voi sisältää asiakastietoja, keskeneräisiä laskelmia, päätöksiä ja tunnuksia. Se on yritysdataa. 2:34 Siksi sille tarvitaan omistaja, käyttöoikeudet, säilytysaika ja poistokäytäntö. Jos agentti muistaa kaiken ikuisesti, se ei ole automaattisesti hyvä asia. Ei todellakaan. Hyvä muisti on valikoiva. 2:49 Agentin pitää muistaa tehtävän kannalta olennainen asia ja unohtaa se, mihin sillä ei enää ole oikeutta. Fujitsu vei tämän säännellylle toimialalle. Kyllä. 2:59 Fujitsu rakentaa finanssialalle Uvance-alustaa, joka yhdistää Takané-kielimallin toimialakohtaiset agentit ja luottamusteknologiat. Kehitys alkaa elokuussa ja julkaisutavoite on maaliskuussa 2027. 3:14 Eli kyse ei ole vielä valmiin järjestelmän tuloksista. Aivan, mutta suunnitelma kertoo jotain tärkeää. Pankki ei voi vain ottaa yleismallia ja antaa sille lainapäätöksiä. 3:26 Tarvitaan toimialakieli, auditointi, datahallinta ja työnkulku, jossa ihminen vastaa päätöksestä. Viikon toinen iso teema oli työn rajojen muuttuminen. 3:38 OpenAI analysoi yli kahdeksansadantuhannen yhdysvaltalaisen ChatGPT-käyttäjän viestejä. 3:44 Työhön liittyvistä ammattikohtaisista viesteistä neljäkymmentäkolme pilkku viisi prosenttia koski käyttäjän oman ammatin ulkopuolista tehtävää. Millainen tehtävä voisi olla kyseessä? 3:55 Myyjä tekee alustavaa sopimusanalyysiä. HR-asiantuntija rakentaa raportin visualisoinnin. Pienyrittäjä luonnostelee markkinointikampanjan ja tutkii samalla sen kannattavuutta. Voiko tästä päätellä, että ammatit katoavat? 4:11 Ei. Aineisto koskee ChatGPT-käyttäjiä Yhdysvalloissa, eikä sitä voi siirtää suoraan Suomeen. Se kertoo tehtävärajojen muuttumisesta, ei ammattinimikkeiden katoamisesta. 4:23 Työn muutos näkyy siis ensin siinä, kuka tekee minkäkin tehtävän. Kyllä. Hyödyllinen AI-mittari voisi olla tämä. Mitä uutta ihminen pystyy tekemään laadukkaasti? Pelkkä vanhan työn nopeutuminen ei kerro koko vaikutusta. 4:40 Oppiminen liittyy samaan aiheeseen. Andrew Ng rakentaa Learn Vectoria. Learn Vector lupaa henkilökohtaisen oppimispolun käyttäjän tavoitteen, aiemman osaamisen ja etenemisen perusteella. 4:55 Coursera sijoittaa yhtiöön sata miljoonaa dollaria, mikä vastaa kolmannesta yhtiöstä täysin laimennettuna. Milloin tuotetta pääsee käyttämään? Ensimmäisiä kokemuksia tavoitellaan alkuvuoteen 2027. 5:10 Kiinnostavin kysymys on minusta arviointi. Hyvä oppimisagentti ei vain tarjoile seuraavaa videota. Sen pitää havaita väärinkäsitys ja vaatia harjoittelua. Siirrytään jalkoihin. Mitä Gemini Robotics kaksi tekee? 5:28 Google DeepMindin malliperhe yhdistää korkean tason suunnittelun näköä ja liikettä yhdistävän VLA-ohjauksen sekä laitteessa toimivan mallin. Google esittelee koko kehon ohjausta ja robottien yhteistyötä. 5:43 Kuulostaa siltä, että yksi malli päättää mitä tehdään ja toinen miten käsi liikkuu. Se on hyvä yksinkertaistus. Suunnittelukerros pilkkoo tehtävän. Ohjausmalli sovittaa liikkeen robotin kehoon ja ympäristöön. 5:59 Laitteessa toimiva malli auttaa silloin, kun verkkoyhteyttä ei voi odottaa. Missä rajat tulevat vastaan? Monisorminen hienomotoriikka on edelleen vaikeaa ja fyysisessä ympäristössä virhe ei ole vain huono lause. 6:14 Robotti voi pudottaa esineen tai osua ihmiseen. Siksi robottivideon rinnalle pitäisi saada onnistumisprosentit ja virhetilanteet. Kyllä, myös turvallinen pysäytys pitäisi näyttää. 6:27 Mallikilpailussa Celeris 1 toi toisenlaisen teknisen väitteen. Celeris 1 tuottaa tekstiä diffuusiolla. Se tarkentaa sekvenssiä rinnakkain sen sijaan, että etenisi vain token kerrallaan. 6:40 Yhtiö kertoo nopeudeksi tuhat kuusisataakuusikymmentäneljä tokenia sekunnissa ja mediaaniviiveeksi sataviisikymmentäkahdeksan millisekuntia. Nuo ovat melko näyttäviä lukuja. Ovat, mutta ne ovat valmistajan omia. 6:54 Riippumatonta testiä ei vielä löytynyt. Siksi kiinnostava asia on kilpailusuunta. Ääniagentissa ja pitkässä työkaluketjussa viive voi olla yhtä tärkeä kuin yhden benchmarkin laatupiste. 7:07 Tällä viikolla Anthropic vei AI:n kryptografiseen tutkimukseen. Claude Mythos Preview paransi hyökkäystä Hawk-allekirjoitusjärjestelmää vastaan ja löysi uuden hyökkäyksen typistettyyn AES-versioon. 7:21 Nyt tarvitaan rauhoittava rajaus. Ehdottomasti. Täysi tuotannossa käytetty AES ei murtunut. Hawk on kvanttiturvallisen allekirjoitusjärjestelmän ehdokas. 7:32 Anthropic arvioi kummankin päätuloksen maksaneen noin satatuhatta dollaria API-kuluina. Mitä tulos sitten osoittaa? AI voi osallistua syvään matemaattiseen tietoturvatyöhön. 7:44 Sen löytö tarvitsee silti riippumattoman todistuksen ja asiantuntijan hyväksynnän. Löydöksen tuottaminen ja sen vahvistaminen ovat eri tehtäviä. Anthropic otti myös kantaa avoimiin mallipainoihin. 7:56 Dario Amodai torjuu yleisen kiellon. Samalla Anthropic kannattaa pakollisia turvallisuustestejä riittävän kyvykkäille malleille, tiukempaa siruvientivalvontaa ja toimia teollista mallitislausta vastaan. 8:09 Vaikea kysymys on tietenkin se, kuka määrittelee riittävän kyvykkään mallin. Ja millä mittarilla. Anthropic esittää poliittisen kannan ei todistusta siitä, että avoin tai suljettu malli olisi automaattisesti turvallinen. 8:24 Tavalliselle yritykselle johtopäätös on ehkä yksinkertaisempi. Arvioi erikseen mallin alkuperä, lisenssi, ajopaikka ja tietojen käsittely. Avoimuus ei poista turvallisuustyötä. 8:37 Suljettu rajapinta ei poista toimittajariippuvuutta. Google toi AI:n myös saneluun ja musiikkiin. Gemini for macOS sai älysanelun, joka käynnistyy FN-näppäimen pitkällä painalluksella. 8:51 Se siistii täytesanoja ja puheen aikana tehtyjä korjauksia. Valinnaisessa päättelytilassa se voi käyttää käyttäjän valitsemaa tekstiä, kuvaa tai tiedostoa. Ja Lyria kolme piste viisi tuli Flow Musicin. 9:06 Google kertoo parantaneensa melodista rakennetta, laulua ja sanoitusten kehotteenmukaisuutta. Käyttäjä voi ohjata tarkemmin tempoa ja kestoa. Nämäkin ovat Googlen omia laatuväitteitä. Yhteinen suunta on silti näkyvä. 9:22 AI ei jää erilliseen chat-ikkunaan. Se liittyy aktiiviseen sovellukseen ja käsillä olevaan aineistoon. Mitä kuulijan kannattaa tehdä ensi viikolla? Valitse yksi agentti, jota käytät oikeassa työssä. 9:37 Kirjaa sille sallitut työkalut, muistettava tieto ja pysäytysehdot samalle sivulle. Sitten kokeile yhtä tehtävää oman ammattiroolisi ulkopuolelta. Kyllä, mutta turvallisella aineistolla. 9:50 Arvioi lopputulos erillisellä tarkistuslistalla. Älä päättele onnistumista pelkästä sujuvasta tekstistä. Kolmas askel on tehdä toistuvasta tehtävästä ajettava työohje. 10:01 Määritä syöte, vaiheet, hyväksymiskriteerit ja vastuuhenkilö. Silloin agentille syntyy työ, jota voi mitata. Viikon opetus. Agentin kyky kasvaa nopeasti. 10:14 Hyvä järjestelmä syntyy silti rajatusta tehtävästä, näkyvästä muistista ja tarkistuksesta, jonka ihminen ymmärtää. 10:22 Koko viikkokatsaus tämän viikon kuusi AI-sanomien opasta sekä kurssi- ja kehutenostot löytyvät uutiskirjeestä. Viikon ajan saat myös kolmekymmentä prosenttia alennusta AI-sanomien digikirjoista koodilla VIIKKO30. 10:39 Koodi on voimassa seitsemänteen elokuuta asti. Tilaa uutiskirje osoitteessa ai-sanomat piste fi. Kuullaan taas ensi viikolla. Kuullaan.