Tekoälytutkimuksen uutiset: yliopistojen ja tutkimuslaitosten läpimurrot ja uudet menetelmät ymmärrettävästi suomeksi.
Guy's and St Thomas'in tutkijat ajoivat 700 keskustelua viidellä chatbotilla uniapneapotilaan tapauksilla. Yhteistyöhaluisen potilaan kanssa neuvo oli oikea kaikissa 350 keskustelussa, vähättelevän kanssa 225:ssä eli 64 prosentissa. Vakavimmissa tapauksissa osuus oli 22 prosenttia.
Anthropic kertoo tekoälymallinsa tuottaneen koneellisesti tarkistetun Lean-todistuksen Fermat'n suuresta lauseesta 11 päivässä. Kyse on Andrew Wilesin 1990-luvun todistuksen formalisoinnista, ei uudesta matematiikasta. Ainoa nimetty ulkopuolinen arvioija on Kevin Buzzard.
Anthropicin automaattitutkijat kuroivat umpeen 82 prosenttia petollisen käytöksen turvallisuuskuilusta. Kuusi kokenutta ihmistutkijaa samoilla säännöillä ylsi keskimäärin 20 prosenttiin. Etu ei tullut nerokkuudesta vaan määrästä: kone kokeili noin 150 menetelmää, ihminen yhden.
Waterloon yliopiston ja FAR.AI:n johtama ryhmä testasi TamperBench-työkalulla 21 suosittua avoimen painon kielimallia. Jokaisen turvarajoitteet saatiin riisuttua hienosäädöllä. Tulos koskee Eurooppaa, jossa avoimia malleja suositellaan digitaalisen suvereniteetin perusteella.
Wake Forestin yliopiston tutkijat ajoivat läpi 17 022 tekoälyagentin taitoa SkillsMP-kauppapaikalta ja löysivät 1 708 tietoturvaongelmaa 520 taidossa. Vuotaneista tunnuksista 89,6 prosenttia oli hyökkääjälle heti käyttökelpoisia, ja kauppapaikka reagoi vasta tutkijoiden ilmoituksesta.
MIT Media Labin kuukauden mittaisessa kokeessa 67 ihmistä tunnisti valeuutiset chatbotin avulla 21 prosenttia tarkemmin. Neljännellä viikolla samat ihmiset pärjäsivät ilman tekoälyä 15,3 prosenttia huonommin kuin ennen koetta, ja neljännes heistä luuli tulleensa paremmaksi.
Esijulkaisu arvioi, että joulukuussa 2025 ilmestyneistä biolääketieteen artikkeleista 89 prosentissa näkyy kielimalleille tyypillistä sanastoa. Vuonna 2024 osuus oli 52 prosenttia. Menetelmä tunnistaa sanavalintoja, ei kirjoittajaa, ja jälki kasautuu pohdintaosuuksiin.
Nature julkaisi maaliskuussa järjestelmän, joka kirjoittaa tutkimuspaperin ja vertaisarvioi sen itse. Elokuussa sama lehti otsikoi, ettei tekoäly ole valmis tutkimaan itseään. Arviolta 21 prosenttia ICLR 2026 -konferenssin vertaisarvioista oli kokonaan koneen kirjoittamia.
Princetonin johtama ryhmä antoi tekoälyagentille kuusi päivää, 3 000 dollarin laskentabudjetin ja kahden julkaisemattoman tutkimuspaperin kysymykset. Agentti kirjoitti kaksi valmista artikkelia. Paperien alkuperäiset tekijät antoivat niille arvosanat 2/6 ja 1/6.
1Passwordin tutkimusryhmä ajoi yli 6 000 tekoälyn tuottamaa tietoturvapaikkaa läpi automaattisen tarkastuksen. Vain 26 prosenttia korjasi haavoittuvuuden kokonaan muuttamatta ohjelman toimintaa, ja yli puolet epäonnistui tai toi mukanaan uusia aukkoja. Kolmasosa onnistuneista oli hauraita.
Guidelight AI Standards kävi läpi viiden huippulabran julkiset turvallisuusdokumentit ja etsi suunnitelmaa hallinnasta karanneen mallin eristämiseksi. Yhdelläkään ei ollut sellaista julkisesti. OpenAI sai parhaat pisteet 3/5, Anthropic ja Meta jäivät alimmalle tasolle.
Anthropicin mukaan Claude ylsi 22,6–35,1 prosentin osumatarkkuuteen proteiinisidosten suunnittelussa, kun alalla tyypillinen taso on 10–15. Märkälaboratoriotestit teki ulkopuolinen Adaptyv Bio. Kohteet, ajot ja julkaisun valitsi kuitenkin mallin tekijä itse.
