Uusi teknologia, kuten suuret kielimallit (LLM:t), synnyttävät uutta teknologiaa (Arthur, 2009). Tässä kirjoituksessa käydään läpi tätä ilmiötä tekoälyn, erityisesti suurten kielimallien näkökulmasta. Esimerkki tekoälyyn liittyvistä kehittämistarpeista on tarve kehittää paikallisesti ajettuja tekoälyratkaisuja. Tätä käydään läpi kirjoituksen lopussa pienen esimerkin avulla.
17.4.2025
Heikki Immonen, Karelia-ammattikorkeakoulu
Tämä kirjoitus on syntynyt osana Otsakorven säätiön rahoittamaa Tekoälyavusteinen yrittäjyys Draft-ohjelmassa 2026 -hanketta.
Uutta teknologia voidaan käyttää tulevien teknologioiden komponentteina
Ensinnäkin uutta teknologiaa voidaan käyttää uusien monimutkaisempien teknologioiden komponentteina. Tästä esimerkkinä suuren kielimallin hyödyntäminen henkilökohtaisena avustaja.
Pelkän kielimallin sijaan henkilökohtainen avustaja tarvitsee pääsyn käyttäjän kalenteriin ja muihin henkilökohtaisiin tietoihin. Tämä vaatii uusien ohjelmistoratkaisujen kehittämistä.
Uusi teknologia synnyttää tarpeen tehdä teknologiasta tehokkaampaa
Toinen tapa, jolla uusi teknologia synnyttää lisää uutta teknologiaa, on tarve kehittää teknologiaa itseään paremmaksi ja tehokkaammaksi. Suurten kielimallien, ja laajemmin erilaisten tekoälyohjelmistojen tulon myötä maailmassa on käynnissä kuumeinen uusien tietokonesirujen ja laskentakeskusten, jotka ovat kielimallien käyttämisessä tarvittavia komponentteja, kehittämisen aalto.
Paremmat sirut tekevät tekoälystä nopeamman ja älykkäämmän.
Uusi teknologia luo uusia ongelmia, joihin pitää kehittää ratkaisuja
Kolmas tapa liittyy ongelmiin, joita uusi teknologia tuo tullessaan. Auto toi mukanaan liikenneonnettomuudet, mikä synnytti tarpeen tehdä autoista turvallisempia mm. erilaisten turvalaitteiden, kuten turvavöiden ja ilmatyynyjen avulla.
Yksi suuriin kielimalleihin liittyvistä ongelmista kouluissa on ollut tekoälyn käyttö kotitehtävien tekemiseen mikä voi johtaa oppimistulosten heikentymiseen. Tämä uusi ongelma on synnyttänyt joukon erilaisia pedagogisia ratkaisuja, joista osaan tekoäly liittyy ja osaan ei.
Epävarmuus tietoturvasta on ollut suurten kielimallien synnyttämä ongelma
Yksi suuriin kielimalleihin liittyvistä haasteista on henkilökohtaisten tietojen, liikesalaisuuksien ja muuten yksityisten tietojen käsittely suurten tekoälytoimijoiden, kuten OpenAI, pilvipalveluissa. Varsinkin ilmaispalveluita käyttävien henkilöiden tekoälylle syöttämää tietoa voidaan käyttää kielimallien edelleen koulutukseen, ellei käyttäjä sitä erikseen kiellä (OpenAI). Jos käyttäjä lähettää toisen henkilötietoja tekoälypalveluun kauas ulkomaille, tulee tällöin herkästi rikkoneeksi eurooppalaisia GDPR-säädöksiä.
Tekoäly demokratisoi liiketoimintaosaamista ja tekee uniikista tiedosta kilpailuedun
Suurten kielimallien ansiosta ennen vain suuryritysten ja kalliiden konsulttiyhtiöiden hallussa ollut huipputason liiketoimintaosaaminen on tulossa kaikkien saataville. Jos tieto ja ymmärrys on tallentunut kielimallin parametreihin tai se on netistä julkisesti kielimallin löydettävissä, on tämä tieto jokaisen käytettävissä.
Tämän vuoksi uniikin yrityskohtaisen erityistiedon hallussapidosta on tulossa tärkeä kilpailuetu. Tieto voi olla mitä tahansa markkinoihin, asiakastarpeisiin, tuotantoprosesseihin tai yrityksen kehittämään teknologiaa liittyvää tietoa, joka tuo yritykselle kilpailuetua.
Paikallinen AI pitää tiedon vain yrityksen oman tekoälyn käytössä
Tarve pitää yritykselle tärkeitä tietoja vain yrityksen itsensä hallussa voi olla yksi tärkeä syy LLM:ien käyttöön paikallisesti yrityksen omilla tietokoneilla. Tämä vaatii useissa tapauksissa huomattavasti tehokkaampia koneita, kuin yrityksillä on tällä hetkellä hallussaan, mutta Mooren laki pitää huolen tilanteen korjautumisesta.
Oma chatbot oman paikallisen kielimallin käyttöä varten
Tämän jutun kirjoittaja testasi suuren kielimallin käyttöä paikallisesti LMStudio -nimisen ohjelman avulla. Ohjelman avulla omalle koneelle ladataan jokin suuri kielimallitiedosto ja sitä ajetaan oman koneen prosessoreita ja RAMia hyödyntäen. LMStudion avulla suurta kielimallia voi myös hostata paikallisesti niin, että toiset paikalliset ohjelmat voivat hyödyntää kielimallia.
Kirjoittaja rakensi Replit Agent -tekoälykoodarin avulla oman internet-selaimessa käytettävän tekoäly-chatbotin, joka käyttää LMStudion avulla hostattavaa kielimallia (Googlen Gemma-3) älyn lähteenä.
Chatbotin jatkokehittämisessä vain mielikuvitus on rajana. Mikä on selkeä merkki siitä, että paikallinen AI tulee synnyttämään paljon uutta teknologiaa.
Lähdeluettelo
Arthur, W. B. (2009). The nature of technology: What it is and how it evolves. Free Press.
OpenAI. (n.d.). Privacy policy. https://openai.com/privacy