torstai 30.7.2026
Tämän päivän AI-uutiset kattavat teknisiä edistysaskeleita, turvallisuusongelmia ja markkinadynamiikkaa. TurboFieldfare mahdollistaa suurten kielimallien ajamisen rajoitetuilla resursseilla Apple Siliconilla, kun taas Microsoft Copilot for Wordissa havaittu haavoittuvuus paljastaa dokumenttien välisen hyökkäysriskin. Tutkimukset osoittavat alan laajempia haasteita: Handbook.md-benchmark paljastaa, että agentit noudattavat pitkiä ohjeita huonosti, ja yli puolet AI-yksisarvisista ei julkaise tieteellistä tutkimusta. Samalla alan rahoitus ja strategiat muuttuvat – Google DeepMind hajotti AlphaFold-tiimin, Andrew Ng perusti LearnVector-yhtiön, ja analyytikot varoittavat mahdollisesta markkinakorjauksesta infrastruktuurin kestämättömän pääomaintensiteetin vuoksi.
TurboFieldfare on avoimen lähdekoodin Swift- ja Metal-pohjainen runtime, joka ajaa Googlen Gemma 4 26B-A4B -mallin noin 2 gigatavun RAM-muistilla. Se pitää 1,35 gigatavun jaetun ytimen muistissa ja lataa tarvittavat MoE-ekspertit suoraan SSD:ltä token kerrallaan, jolloin koko 14,3 gigatavun mallia ei tarvitse ladata muistiin. Projekti vaatii macOS 26:n ja Metal 4:n, eli se toimii vain uusimmalla macOS-versiolla.
Tietoturvatutkija osoitti, että Microsoft Copilot for Wordiin voi istuttaa piilotettuja ohjeita ulkoiseen dokumenttiin, jotka Copilot kopioi eteenpäin uusiin dokumentteihin normaalin työnkulun aikana. Hyökkäys voi jatkua ilman alkuperäistä haitallista dokumenttia, kun tartunnan saanut dokumentti päätyy uuden Copilot-työnkulun lähteeksi. Microsoft on yrittänyt korjata haavoittuvuuden kahdesti, mukaan lukien päivitys GPT-5.5-malliin, mutta tutkija todensi hyökkäyksen toimivan edelleen GPT-5.6:lla julkaisupäivänä. Asiakaspuolella täydellistä korjausta ei ole saatavilla, ja Microsoft suosittelee käsittelemään ulkoiset dokumentit epäluotettavina Copilot-työnkuluissa.
Uusi Handbook.md-benchmark testaa, kuinka hyvin kielimalliagentit noudattavat pitkiä yritysohjeistuksia agenttitehtävissä. Benchmark sisältää 65 tehtävää viideltä toimialalta, ja kussakin tehtävässä agentti toimii ympäristössä, jota ohjaa 20–124-sivuinen toimintaohje. Paras testattu mallimääritys läpäisi vain 36,2 % tehtävistä tiukalla arviointikriteeristöllä, ja useimmat frontier-mallit jäivät alle 25 %:n. Tyypillisiä epäonnistumisia olivat ohjeen syrjäyttäminen ympäristöstä tulevan pyynnön vuoksi, tarkistuksen tekeminen mutta sen tuloksen sivuuttaminen ja sääntöjen katoaminen pitkän kontekstin aikana.
Andrew Ng, Courseran ja Google Brainin perustajajäsen, on käynnistänyt uuden tekoälyyrityksen nimeltä LearnVector. Yhtiön tavoite on rakentaa yksilöllinen oppimiskokemus, joka suunnittelee oppimispolun käyttäjän kanssa, mukautuu tämän oppimistyyliin ja pysyy mukana kunnes taidot on omaksuttu. Coursera sijoitti yhtiöön 100 miljoonaa dollaria, ja LearnVector aikoo tehdä yhteistyötä sekä Courseran että Udemy-oppimisalustan kanssa. Ensimmäiset tuotteet on tarkoitus esitellä vuoden 2027 alkupuolella.
Konsultti Doug Dawson listaa useita merkkejä siitä, että tekoälyala on matkalla kohti romahdusta. Keskeisiä huolia ovat infrastruktuurin kestämätön pääomaintensiteetti, yritysten kasvava skeptisyys tekoälykustannuksia kohtaan ja skaalaedun puuttuminen: uudet mallit kuluttavat enemmän resursseja kuin edeltäjänsä. Dawsonin mukaan romahdus ei tarkoittaisi tekoälyn epäonnistumista teknologiana, mutta nykyiset toimijat saattaisivat kadota samaan tapaan kuin 2000-luvun alun telecom-startupien aalto.
BioRxiv-preprintin mukaan yli puolet AI-yksisarvisyrityksistä – yli miljardin dollarin arvoisista yksityisistä yhtiöistä – ei ole koskaan julkaissut yhtään tieteellistä artikkelia tai preprintiä, jossa yrityksen tutkija olisi ollut pää- tai viimeisenä kirjoittajana. Kaikki 317 tutkittua yritystä tuottivat yhteensä vain yhden tuhannesta AI-alan julkaisusta vuonna 2025. OpenAI yksin vastasi lähes 40 prosentista kaikista aineiston viittauksista. Tutkijat ovat erimielisiä siitä, onko kyse tieteellisten normien laiminlyönnistä vai yksinkertaisesti siitä, että kaupallisilla toimijoilla ei ole taloudellista kannustinta julkaista löydöksiään avoimesti.
Google DeepMind on hajottanut AlphaFold-tiimin siirtämällä suurimman osan avainhenkilöistä Gemini-projekteihin tai Alphabet-tytäryhtiö Isomorphic Labsiin. Osa tiimiläisistä, mukaan lukien Nobel-palkittu John Jumper, on lähtenyt DeepMindistä kokonaan ja siirtynyt Anthropicille. AlphaFold ratkaisi vuosikymmeniä vanhan proteiinien laskostumisongelma ja sen tietokanta tarjoaa tutkijoille ilmaisen pääsyn yli 200 miljoonan proteiinirakenteen ennusteisiin. DeepMindin tutkimusjohtaja Pushmeet Kohli myönsi, että yhtiön strategia on muuttunut.
Anthropicin Claude-malleihin tuli noin 40 minuutin häiriö, jonka aikana virhemäärät nousivat poikkeuksellisen korkeiksi kaikissa malleissa. Häiriö alkoi kello 12:45 PT ja palvelu palautui normaaliksi kello 1:26 PT. Anthropic seuraa tilannetta varmistaakseen, ettei uusia ongelmia ilmene.
Meta raportoi huhti–kesäkuun nettotulokseksi 15,8 miljardia dollaria, mikä on 14 % vähemmän kuin vuotta aiemmin. Tulosta painoivat tekoälyinvestoinnit, oikeuskulut ja irtisanomiskustannukset. Liikevaihto kasvoi kuitenkin 28 % ja ylitti markkinaennusteet 60,8 miljardilla dollarilla, mikä kertoo mainosliiketoiminnan jatkuvasta vahvuudesta.