Emergenssi kuvaa järjestelmän ominaisuuksia, jotka syntyvät monien yksinkertaisten osien vuorovaikutuksesta mutta joita ei voi havaita yhdessäkään osassa. Tekoälytutkimuksessa kykyjä kutsutaan emergenteiksi, kun tietyn koon ylittävät suuret kielimallit ratkaisevat tehtäviä, kuten monivaiheista laskentaa tai kääntämistä, selvästi paremmin kuin pienemmät mallit. Tutkijat keskustelevat siitä, ovatko tällaiset hypyt todellisia vai riippuvatko ne osittain mittaustavasta.
Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.
Aloita demoSuuri kielimalli (LLM) on neuroverkko, joka on koulutettu hyvin suurilla tekstimäärillä, jotta se ymmärtää ja tuottaa kieltä. Se toimii laskemalla askel askeleelta todennäköisimmän seuraavan tokenin. LLM:t kirjoittavat, tiivistävät, kääntävät, vastaavat kysymyksiin ja tuottavat koodia; tunnettuja esimerkkejä ovat Claude, GPT, Gemini ja Llama. Ilman pääsyä ajankohtaisiin lähteisiin ne tietävät vain sen, mitä niiden koulutusdatassa oli.
Perustamalli (foundation model) on suuri tekoälymalli, joka on esikoulutettu erittäin laajalla ja monipuolisella datalla ja jota voidaan sen jälkeen käyttää moniin eri tehtäviin. Termin lanseerasi Stanfordin yliopisto vuonna 2021. Tunnettuja esimerkkejä ovat suuret kielimallit, kuten Claude tai GPT, sekä kuvamallit. Yritykset rakentavat sovelluksensa yleensä tällaisten mallien päälle sen sijaan, että kouluttaisivat omia alusta alkaen; EU:n tekoälysäädös viittaa yleiskäyttöisiin tekoälymalleihin.
Yleinen tekoäly (artificial general intelligence, AGI) viittaa hypoteettiseen tekoälyjärjestelmään, joka pystyy hoitamaan laajan joukon älyllisiä tehtäviä ihmisen tasolla ja siirtämään oppimansa joustavasti uusille alueille. Nykyiset järjestelmät suoriutuvat hyvin monista tehtävistä, mutta niillä on yhä rajoituksia, esimerkiksi luotettavuudessa. Yleisesti hyväksyttyä määritelmää tai mittaustapaa ei ole, ja asiantuntijat kiistelevät siitä, saavutetaanko AGI ja milloin.
Monivaiheinen päättely (multi-hop reasoning) on tekoälyjärjestelmän kykyä vastata kysymykseen usean peräkkäisen päätelmän kautta, usein yhdistämällä tietoa eri lähteistä. Esimerkki: kysymys ”Mitä osastoa johtaa projektista X vastaava henkilö?” edellyttää ensin vastuuhenkilön ja sitten hänen osastonsa selvittämistä. Tällaiset kysymykset ovat vaativia haku- ja RAG-järjestelmille, koska jokainen välivaihe on löydettävä ja yhdistettävä oikein.
