Päivän tärkeimmät tekoälyuutiset Suomesta ja maailmalta, uusimmasta vanhimpaan. Toimitus julkaisee uudet jutut joka aamu ja ilta. Selaa kategorioittain: tekoäly, koneoppiminen, liiketoiminta, robotiikka ja tutkimus.
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?
Google Researchin ERA-järjestelmä yhdistää kielimallin puu- ja evoluutiohakuun. Naturen mukaan se loi 40 uutta yksisoludatan analyysimenetelmää ja 14 epidemiologista ennustemallia, jotka voittivat ihmisten parhaat menetelmät ja CDC:n virallisen ennustekokonaisuuden.
David Bakerin ja Sangmin Leen ryhmä suunnitteli tekoälyllä proteiineja, jotka järjestäytyvät itsestään virusmaisiksi kuoriksi. Elektronimikroskopia vahvisti 70–220 nanometrin kokoiset kuoret. Tulos avaa ovia rokotteille ja lääkeaineiden kuljetukselle.
Aalto-yliopiston johtama tutkijaryhmä yhdisti koneoppimisen ja kvanttifysiikan ja löysi kaksi uutta suprajohdetta, YRu3B2 ja LuRu3B2. Tärkeintä ei ole vain löytö vaan menetelmä: se voi nopeuttaa materiaalitutkimusta ja nostaa käsiteltävien ainekandidaattien määrän miljardeihin.
Koneoppimismalli tunnistaa EKG-nauhoituksesta potilaita, joiden sydänfilmi näyttää lääkärille normaalilta mutta joiden riski on silti koholla. Tutkimus erottaa piilevän vasemman kammion vajaatoiminnan, mutta tulos ei ole vielä hoitosuositus.
