Googlen uusin tekoäly on liian hyvä murtautumaan

Kun Google DeepMindin johtava varatoimitusjohtaja Koray Kavukcuoglu julkaisi keskiviikkona esittelyn yhtiön uudesta kärkimallista, tavallinen käyttäjä ei päässyt kokeilemaan sitä lainkaan. Gemini 4 Carbon jaetaan ensin pienelle joukolle kyberpuolustajia eli organisaatioita, jotka etsivät ja paikkaavat ohjelmistojen tietoturva-aukkoja.

Kehittäjät, yritykset ja kuluttajat saavat mallin myöhemmin. Google lupaa sen ”mahdollisimman pian”, kun palautetta on kerätty ja suojauksia hiottu. Päivämäärää ei ole.

Tahti on kova. Edellinen malli Gemini 4 Argon julkaistiin vain kaksi viikkoa aiemmin.

Miksi huippumalli lukitaan aluksi

Syy on mallin vahvin osa-alue. Googlen mukaan Carbon löytää haavoittuvuuksia paremmin kuin yksikään aiempi malli: SEC-bench Pro -testissä se onnistui 88,2 prosentissa tehtävistä. Haavoittuvuuksien hyödyntämistä mittaavassa ExploitGymissä tulos oli 54,8 prosenttia. Molemmat luvut ovat Googlen omia, eikä niitä ole toistettu riippumattomasti.

Sama taito palvelee kumpaakin puolta. Malli, joka löytää aukon vanhasta koodikannasta ja kirjoittaa sille korjauksen, osaa periaatteessa myös kirjoittaa koodin, joka hyödyntää aukkoa. Kun puolustajat saavat mallin ennen muita, heillä on aikaa paikata löydökset ennen kuin samat työkalut ovat kaikkien ulottuvilla.

Google kertoo osallistuvansa myös Yhdysvaltain hallinnon vapaaehtoiseen testaukseen, jossa malleja arvioidaan ennen julkaisua. The Decoderin mukaan juuri kyberkyvyt ovat syy siihen, että Carbon kulkee tämän prosessin läpi.

Pääsyä jaetaan Googlen Fairwind-ohjelman kautta. Ohjelman sivun mukaan etusijalla ovat valtiot ja kansalliset kyberviranomaiset, kriittisen infrastruktuurin ylläpitäjät terveydenhuollosta tietoliikenteeseen, energiaan ja rahoitukseen sekä keskeiset teknologia-alustat. Hakijoiden taustat tarkistetaan. Kumppaneita on Googlen mukaan yli 650 eri puolilla maailmaa, mutta nimiä ei kerrota. Kirjoitushetkellä sivu esittelee ohjelman mallina yhä Argonia.

Kärkisija riippumattomassa vertailussa

Yleisessä suorituskyvyssä Googlen väitteille löytyy ulkopuolinen tuki. Mallit itse testaava Artificial Analysis antaa Carbonille indeksissään 59 pistettä ja ykkössijan 52 mallin vertailussa. Argon sai samassa indeksissä 50 pistettä, kertoo The Decoder.

Kaikessa Carbon ei ole paras. The Decoderin mukaan Anthropicin Claude Opus 5.5 on yhä edellä agenttimaisessa ohjelmoinnissa (62 pistettä Carbonin 59:ää vastaan), ja verkkokehitystä mittaavassa WebDev Arenassa Carbon on neljäs. Malli myös keksii asioita aiempaa useammin: hallusinaatioaste nousi Argonin 4 prosentista 11 prosenttiin, joskin se on yhä vertailun toiseksi pienin.

Hitauskin on todellinen. Carbon tuottaa päättelytokeneja 2,3 kertaa Argonin verran, ja osa tehtävistä kestää yli kaksi kertaa pidempään.

The Decoderin Matthias Bastian suhtautuu varauksella myös turvallisuuslukuihin. Googlen mukaan yksikään Gray Swanin testin epäsuorista kehotehyökkäyksistä ei onnistunut. Bastianin mukaan nolla ei tarkoita, että ongelma olisi ratkaistu, koska ”testi näyttää saturoituneen” (englanniksi ”the test appears to be saturated”). Testi on siis käynyt liian helpoksi erottelemaan malleja.

Mitä tämä tarkoittaa Suomessa

Suomalaisille kuluttajille Google ei ole kertonut aikataulua, eikä tiedotteessa mainita alueita tai EU:ta. Jos Gemini-mallien ja -palvelujen kirjo hämmentää, AI Suomen selittäjä Mikä on Gemini? käy kokonaisuuden läpi.

Organisaatioille ovi voi aueta nopeammin. Fairwindin kriteerit kattavat juuri ne alat, joita Suomessa pidetään huoltovarmuuden kannalta kriittisinä: sähköverkot, teleoperaattorit, sairaalat ja pankit. Ohjelmassa ei mainita maarajoituksia, joten esimerkiksi energiayhtiö voi hakea mukaan samalla lomakkeella kuin muutkin. Onko suomalaisia toimijoita jo mukana, sitä Google ei kerro.

Tavalliselle ihmiselle vaikutus tulee kiertotietä. Jos puolustajat löytävät aukot pankin, operaattorin tai sairaalan järjestelmistä ennen hyökkääjiä, ne korjataan päivityksissä, joita kukaan ei huomaa. Google väittää myös, että Chromen kehitystiimi sai Carbonilla yli kymmenen kertaa laadukkaampia korjauksia kuin erään toisen laboratorion suurella mallilla. Väitettä ei voi tarkistaa ulkopuolelta, mutta Chrome on monen suomalaisen päivittäinen selain.

Etumatkan pituus jää auki. Kilpailijat julkaisevat uusia malleja viikkojen välein, ja Googlekin toi Carbonin kahden viikon päästä Argonista. Jos puolustajien etuoikeus mitataan viikoissa, se riittää vain ilmeisimpien aukkojen paikkaamiseen. Kun Carbon lopulta tulee Gemini-sovellukseen ja rajapintaan, ajoitus kertoo, kumpi painoi Googlelle enemmän: turvallisuus vai kilpailu.