"Tervetuloa AGI-aikaan" – kukaan ei ole tarkistanut

Greg Brockman oli käynyt läpi testitaulukot ja hinnaston, kun hän päätti OpenAI:n lehdistötilaisuuden torstaina yhteen lyhyeen lauseeseen. "Welcome to the AGI era." Tervetuloa AGI-aikaan.

Yhtiö julkaisi 3. syyskuuta GPT-6 Astran ja kutsuu sitä maailman parhaaksi tietokoneen käyttömalliksi. Malli tuli ensin yritysasiakkaiden saataville Daybreak-nimisen rajatun ohjelman kautta, ja Plus-, Pro-, Business- ja Enterprise-tilaajille sekä rajapintaan sen luvataan tulevan lähipäivinä. Taustalla on käänne, josta AI Suomi kertoi aiemmin: Astra on ensimmäinen malli, joka ylitti OpenAI:n oman kyberturvallisuusluokituksen kriittisen rajan, ja yhtiö julkaisi sen silti.

Tuoteuutinen on kuitenkin sivujuonne sen rinnalla, mitä Brockman sanoi lopuksi. Yhtiö julistaa itse ylittäneensä rajan, jonka määritelmästä alalla ei ole yksimielisyyttä.

Mitä malli väitetysti tekee

OpenAI:n kuvaus Astrasta on tavallista konkreettisempi. Malli täyttää verkkolomakkeita, päivittää asiakasrekisterin tietoja, järjestelee kalentereita, käsittelee taulukkolaskentaa sekä rakentaa ja testaa verkkosivuja. Yhtiö mainitsee nimeltä myös Power BI:n, KiCadin ja FreeCADin. Ohjaus onnistuu pelkällä puheella.

Sanamuodolla on väliä. Kyse on yhtiön omista demonstraatioista ja yhtiön omista mittauksista. VentureBeatin listaamien lukujen mukaan Astra sai ARC-AGI-3-testistä 98,6 prosenttia, FrontierMathin neljänneltä tasolta 97,6 prosenttia ja ExploitBench-testistä täydet sata. Yhtään näistä ei ole tätä kirjoitettaessa vahvistanut ulkopuolinen taho.

ARC-AGI-3-testin takana oleva ARC Prize julkaisee omat ajonsa malleista blogissaan. Julkaisupäivänä siellä ei ollut yhtään merkintää Astrasta. Vertailua hankaloittaa sekin, että testituloksia mitataan erilaisilla kokoonpanoilla, eikä pelkkä perusmallin nimi kerro, mitä järjestelmää testissä oikeastaan ajettiin.

Yksi luku puuttuu kokonaan. GDPval on OpenAI:n itsensä vuonna 2025 esittelemä mittari, joka testaa 1 320 oikeaa työtehtävää 44 ammatista. Juuri se mittaisi taloudellisesti arvokasta tietotyötä, ja juuri sitä julkistusmateriaalissa ei ole.

Rajaa ei ole määritelty yhdessä

AGI eli yleinen tekoäly on käsite, jolle ei ole sovittua mittaria. OpenAI on itse kuvannut sitä järjestelmäksi, joka pärjää ihmistä paremmin taloudellisesti arvokkaissa töissä. Osa tutkijoista vaatii kykyä oppia uusi ammatti ilman uudelleenkoulutusta, osa pitää koko termiä markkinointisanana. Kun mittaria ei ole, rajan ylittämisen julistaminen on yhtä paljon viestintäpäätös kuin tieteellinen väite.

Brockman ei tilaisuudessa kertonut, mitä hän AGI:lla tarkoittaa. VentureBeatin mukaan hän muotoili kantansa näin: "I think it's not unreasonable to feel that we are now in the AGI era." Hänen mielestään ei siis ole kohtuutonta ajatella, että elämme nyt AGI-aikaa. TechCrunchille hän tiivisti saman lyhyemmin: "I do think we're there."

Molemmat muotoilut ovat henkilökohtaisia arvioita. Sitä ne eivät kuitenkaan ole enää siinä vaiheessa, kun ne sanotaan yhtiön nimissä sen oman tuotteen julkistustilaisuudessa.

Turvallisuustutkijat eivät ole juhlatuulella

Astra käyttää tekniikkaa, josta käytetään nimeä opaque recurrence. Malli kierrättää kysymystä sisäisesti useaan kertaan sen sijaan, että etenisi suoraviivaisesti askel askeleelta. Sivutuotteena päättelyketjusta jää vähemmän luettavaa jälkeä, ja juuri sen ketjun seuraaminen on ollut turvallisuustutkijoiden käytännöllisin keino nähdä, mitä malli tekee ja miksi.

Redwood Researchin päätutkija Ryan Greenblatt sanoi TechCrunchille: "My biggest concern is that a natural progression from here would involve scaling up the opaque reasoning to the point where the model reasons entirely or almost entirely in latent space." Hän pelkää, että tästä edetään luontevasti kohti tilannetta, jossa malli päättelee kokonaan tai lähes kokonaan piilossa.

OpenAI:n tutkimusjohtaja Jakub Pachocki myönsi jännitteen omalla tavallaan. "Progress in intelligence does not guarantee progress in alignment", hän sanoi: älykkyyden kehittyminen ei takaa kehitystä siinä, että malli toimii toivotulla tavalla. TechCrunchin mukaan hän totesi myös, että mallien seurattavuus vaikeutuu kykyjen kasvaessa.

Mitä tästä seuraa suomalaiselle työpaikalle

Arjen kannalta kiinnostavin osa julkistusta ei ole julistus vaan hinnasto. Astran rajapintahinta on 10 dollaria miljoonalta syötetokenilta ja 50 dollaria miljoonalta tuotostokenilta, nopeassa tilassa kaksinkertainen. Brockman ei pidä tokenihintaa oikeana mittarina lainkaan. "What you actually want... is the price per task", hän sanoi VentureBeatin mukaan. Ostettava hyödyke on siis suoritettu tehtävä.

Suomalaisessa talous- ja hallintotyössä integraatio on pitkään ollut se hidaste, joka on suojannut työvaiheita automaatiolta. Rutiini on voitu automatisoida vasta, kun järjestelmien välille on rakennettu rajapinta, ja se maksaa. Jos malli osaa käyttää ohjelmaa samalla tavalla kuin ihminen, hidaste katoaa. Näyttö siitä on toistaiseksi yhtiön omissa demoissa.

Kyberpuolella jako on tehty näkyväksi. Daybreakin sisällä on erillinen taso nimeltä Daybreak Blue, joka asettaa etusijalle kriittistä digitaalista infrastruktuuria suojaavat organisaatiot. Sama kyky, joka löytää haavoittuvuuden puolustajalle, löytää sen myös hyökkääjälle, ja pääsyn rajaaminen on ainoa asia joka erottaa nämä kaksi toisistaan.

Astran todellinen koe alkaa ensimmäisenä viikkona, jona sadat yritykset ajavat sitä omilla järjestelmillään ja omilla tiedoillaan. Ne lokitiedot eivät päädy lehdistötilaisuuteen. Seuraava tarkistuskelpoinen luku tästä mallista tulee siis jonkun muun kuin OpenAI:n julkaisemana, ja siihen asti AGI-aika on lause, ei mittaustulos.