Tekoälytutkimuksen uutiset: yliopistojen ja tutkimuslaitosten läpimurrot ja uudet menetelmät ymmärrettävästi suomeksi.
Googlen sisäpiiristä vuotanut Frozen v2 -siru lupaa 6–10 kertaa nykyisiä TPU:ita paremman energiatehokkuuden ja on rakennettu Gemini-mallien ympärille. Jos luvut pitävät, Google vähentäisi Nvidia-riippuvuuttaan ja laskisi huippumallien ajokustannuksia. Tieto on toistaiseksi vahvistamaton.
Bristol Myers Squibb on ensimmäinen lääkeyhtiö, joka ottaa käyttöön Nvidian uuteen Vera Rubin -arkkitehtuuriin perustuvan supertietokoneen. Kauppa on merkki siitä, että tekoälylaskenta siirtyy lääketeollisuudessa pilottikokeiluista tuotekehityksen ytimeen.
Ashoka Universityn RadLE 2.0 -vertailutesti osoittaa, että radiologian tekoälymallit antavat virheellisiä löydöksiä ilman minkäänlaista epävarmuuden ilmaisua. Ylivarmuus tekee käyttöönotosta riskialtista juuri siellä, missä virhe maksaa eniten – terveydenhuollossa.
Anthropicin uusi J-linssi paljastaa Clauden sisältä pienen työtilan, jossa malli näyttää käsittelevän ajatuksiaan hiljaa. Rakenne muistuttaa neurotieteen globaalin työtilan teoriaa, mutta kyse on analogiasta, ei tietoisuudesta. Työtilan sammutus romahduttaa monivaiheisen päättelyn.
DeepMind esitteli menetelmän, joka opettaa mallin ennakoimaan nykyisten päätöstensä seuraukset monta askelta eteenpäin. SWE-Bench-testissä hyöty näkyi selvimmin ongelmissa, jotka vaativat yli kymmenen askelta – juuri siellä, missä pitkän jänteen agenttityö tavallisesti tökkii.
Google DeepMindin Co-Scientist eteni tutkimusdemosta Naturen vertaisarvioituun julkaisuun. Geminillä rakennettu moniagenttijärjestelmä generoi ja jalostaa hypoteeseja itsenäisesti, ja auttoi löytämään maksafibroosin lääkeaihion, joka esti labrassa 91 % arpeutumisreaktiosta.
Future of Life Instituten vuoden 2026 turvallisuusindeksissä yksikään johtava tekoäly-yhtiö ei ylly kiitettävään. Anthropic jäi parhaana C+:aan, OpenAI ja Google DeepMind saivat C:n, Meta D+:n. xAI, DeepSeek ja Mistral hylättiin. Arvosanat kertovat alan turvallisuustyön tilasta karua kieltä.
MIT:n ja lastensuojelujärjestö Thornin tutkijat kehittivät auditointimenetelmän, joka tunnistaa laittomaan sisältöön viritetyt tekoälymallit satavarmasti. Kikka: mallia ei tarvitse ajaa loppuun eikä kiellettyä kuvaa tuottaa kertaakaan.
Google DeepMindin päättelyjärjestelmä ylsi matematiikkaolympialaisten tehtävissä parhaaseen yhteen prosenttiin. Samalla yhtiö esitteli 'prospective credit assignment' -menetelmän, joka parantaa tekoälyagenttien onnistumista pitkissä koodaustehtävissä SWE-Benchissä.
Ames National Laboratoryn fysiikalla koulutettu DuctGPT-malli laati suunnittelupolun kestomagneeteille, jotka eivät tarvitse harvinaisia maametalleja. Malli punnitsee myös tuotantokustannukset ja raaka-aineiden saatavuuden, ja voisi keventää Kiinan hallitsemaa toimitusketjua.
Proteina-Complexa on proteiinisuunnittelun päättelymalli, joka tuottaa sitojia rakennepohjaiseen lääkekehitykseen. Noin miljoona suunniteltua sitojaa on jo testattu yli 130 kohdetta vastaan – askel ennustamisesta konkreettiseen suunnitteluun.
Anthropicin Claude Science kokoaa genomiikan, proteomiikan ja kemoinformatiikan työkalut yhteen sovellukseen, jossa koordinoiva agentti hyödyntää yli 60 valmista taitoa ja tuottaa jäljitettäviä tuloksia. UCSF lupaa kymmenkertaista nopeutusta – mutta mistä luku oikeasti tulee?
