Aalto-yliopiston sähkötekniikan korkeakoulun dekaani Jussi Ryynänen ja varadekaani Petri Mähönen julkaisivat tammikuussa kannanoton, jossa he hahmottelivat Suomelle tekoälystrategiaa ilman jättimalliambitioita. Heidän viestinsä on yksiselitteinen: Suomen ei pidä kilpailla OpenAI:n, Anthropicin tai Mistralin kanssa miljardiparametristen yleiskielimallien kentällä. Laskentakapasiteetti ei riitä, eikä riittäisi vaikka koko Otaniemi muuttuisi konesaliksi.
Sen sijaan Mähönen näkee mahdollisuuden ketteryydessä. Hänen muotoilunsa mukaan oravat pystyvät pujottelemaan vikkelästi dinosaurusten lomassa, varsinkin jos ne keksivät jotain uutta. Vertaus on tarkoituksellinen: dinosaurukset ovat globaalit jättifirmat, joiden valtavat mallit syövät vuosittain energiaa satojen kotitalouksien edestä. Oravat ovat kapeat erikoismallit, jotka pyörivät kannettavalla laitteella ilman omaa konesalia.
“Pienikin orava pystyy pujottelemaan vikkelästi dinosaurusten lomassa – varsinkin jos se keksii jotain uutta.”
Konkretia: ABB, Konecranes ja 5G-tukiasemat
Aalto-tutkijat eivät puhu abstraktiosta vaan teollisuudesta, joka on jo Suomessa. ABB:n automaatiojärjestelmät ja Konecranesin nostureiden ohjaimet vaativat ennustavaa logiikkaa, joka istuu paikalliseen prosessiin. Yleismalleilla ei ole pääsyä näihin datavirtoihin, eikä niistä tehtäisi luotettavia päättelijöitä edes pääsyllä.
Tietoliikennepuolella käytetään tuhansia parametreja per tukiasema. Ryynänen huomauttaa, että käytäntö on tähän asti nojannut eläköityvien insinöörien viritteluosaamiseen. Erikoistuneella tekoälyllä voitaisiin hoitaa 5G-liikennevirta-arviot, kaistaennusteet ja tunnelialueiden yhteyksien vakautus ilman, että koko Pohjola lähettää datansa Yhdysvaltoihin pyörimään. Samaa logiikkaa Aalto soveltaa jo 6G-tutkimusohjelmissaan.
Selitettävyys on argumentti, ei lisäpalikka
Ryynäsen mukaan erikoismallin suurin etu yritysasiakkaalle on jäljitettävyys. Jos tiedämme miten malli on tehnyt päätöksensä, voimme havaita ongelmat ja kantaa niistä vastuun, hän muotoili Aallon haastattelussa. Suuren yleismallin sisäistä logiikkaa ei kukaan ehdi käydä läpi sillä hetkellä, kun ABB:n linjasto pysähtyy tai sairaalan ohjausjärjestelmä antaa hälytyksen.
Argumentti istuu hyvin EU:n tekoälyasetuksen vaatimuksiin korkean riskin järjestelmistä. Kun terveydenhuolto, teollinen turvallisuus tai tietoliikenneinfra käyttää tekoälyä, säätelijä haluaa nähdä päätöksenteon ketjun. Suomalainen muutaman miljardin parametrin erikoismalli on tässä helpompi sertifioida kuin biljoonan parametrin musta laatikko.
Vertailupohja: DeepSeek näytti suunnan, Mistral hakee jalansijaa
Aalto-tutkijoiden kannanotto sopii kalenteriin, jossa eurooppalainen Mistral hakee yhä asemaa amerikkalaisten ja kiinalaisten välissä. Mistralin uusin suuntaus on Menschin johtama Eurooppa-strategia ja 24 kuukauden takaraja kotimarkkinalle. DeepSeek V4 Flash puolestaan osoitti viime kuukausina, että pienempi ja tehokkaampi malli voi viedä tilaa kapeissa tehtävissä, kunhan koulutusdata ja arkkitehtuuri ovat hiottuja.
Suomalainen versio ei pyri kilpailemaan Mistralin kanssa kielimallikentässä. Mähösen ja Ryynäsen tarjous on poikkiteknologinen: ottakaa mikroelektroniikka, tietoliikenneosaaminen ja ohjelmistosuunnittelu yhteen ja viekää ulos paketteja, jotka istuvat saksalaiseen tehtaaseen tai eteläkorealaiseen telco-verkkoon. Aalto käynnistää syksyllä uuden tietotekniikan kandidaattiohjelman juuri tämän osaamiskimpun ympärille.
Miksi tämä koskee myös palkansaajaa
Suomen vientitase nojaa kapeisiin huipputuotteisiin: jäänmurtajiin, hisseihin, paperikoneisiin, verkkotekniikkaan. Tekoälykerros näiden päälle ei näy kuluttajalle suoraan, mutta vaikuttaa palkkaverojen pohjaan, jolla julkiset palvelut maksetaan. Jos Konecranesin nostimen ennakoiva huoltomalli myydään Singaporen satamaan, tulos kirjautuu Hyvinkäälle eikä Mountain View'hyn.
Tavalliselle terveydenhuollon käyttäjälle sama logiikka tarkoittaa potentiaalisesti sitä, että suomalainen sairaala saa erikoismallin, joka osaa ennakoida päivystyksen kuormaa ilman, että potilastiedot kiertävät Yhdysvaltojen pilven kautta. Aalto-tutkijat eivät asettaneet tällaista lupausta itse, mutta heidän kaavansa – kapea malli, selitettävä päätös, paikallinen data – istuu terveysteknologiaan yhtä luontevasti kuin nostimen huoltoon.
Sanasto
Yleismalli
Tekoälymalli joka on koulutettu hoitamaan laajaa kirjoa eri tehtäviä – tekstin kirjoittamisesta koodaukseen ja kuvantunnistukseen. ChatGPT ja Claude ovat tyypillisiä yleismalleja.
Erikoismalli
Tekoälymalli joka on koulutettu yhteen kapeaan käyttötarkoitukseen, esimerkiksi tehtaan koneiden vianhavaintaan. Pienempi ja energiatehokkaampi kuin yleismalli, ja usein selitettävämpi.
Selitettävyys
Tekoälyn ominaisuus, jonka ansiosta ihminen pystyy jäljittämään miksi malli päätyi tiettyyn vastaukseen. Tärkeää kun päätökset koskevat terveyttä, turvallisuutta tai juridiikkaa.
Mihin osua, mihin ei
Riski on siinä, että Suomi ehtii nimetä strategian, mutta pilottivaiheen yli ei päästä. Aalto-tutkijoiden viesti kaipaa rinnalleen rahoitusinstrumentin, joka kantaa pienen erikoismallin yli prototyyppikuopan kohti satoja asiakkaita. Ilman sitä oravat liikkuvat vikkelästi, mutta vain Otaniemen pihalla.
Tammikuun kannanoton jälkeen päätöksenteon pöydällä on nyt konkreettinen kysymys: rakentaako työ- ja elinkeinoministeriö rahoituspaketin Aallon analyysin ympärille, vai jääkö hyvä argumentti yliopiston tiedotteen pituiseksi. Vastauksen pitäisi tulla ennen syksyä, jos kandidaattiohjelman ensimmäinen ikäluokka aiotaan ohjata oikeisiin vientiyrityksiin valmistuttuaan.
Viikoittainen uutiskirje
Tule firmasi fiksuimmaksi AI-osaajaksi
Yksi uutiskirje kerrallaan. Kokoamme viikon tärkeimmät tekoälyuutiset suomeksi ja kerromme, mitä ne tarkoittavat sinun työsi kannalta. Luet sen kahvitauolla.
