{"id":14615,"date":"2026-03-09T00:31:20","date_gmt":"2026-03-08T23:31:20","guid":{"rendered":"https:\/\/www.leaplytics.de\/?p=14615"},"modified":"2026-03-09T07:35:35","modified_gmt":"2026-03-09T06:35:35","slug":"andrej-karpathy-julkaisi-juuri-itsenaiset-tekoalyagentit-jotka-tekevat-tutkimusta-yhdessa-yossa-ja-kertoo-mita-se-tarkoittaa-yritysten-tekoalylle","status":"publish","type":"post","link":"https:\/\/www.leaplytics.de\/fi\/andrej-karpathy-julkaisi-juuri-itsenaiset-tekoalyagentit-jotka-tekevat-tutkimusta-yhdessa-yossa-ja-kertoo-mita-se-tarkoittaa-yritysten-tekoalylle\/","title":{"rendered":"Autoresearch - Andrej Karpathy julkaisi juuri autonomiset teko\u00e4lyagentit, jotka tekev\u00e4t tutkimusta yhdess\u00e4 y\u00f6ss\u00e4 - mit\u00e4 se tarkoittaa yritysten teko\u00e4lylle?"},"content":{"rendered":"<p><time datetime=\"2026-03-09\"><strong>9. maaliskuuta 2026<\/strong><\/time> - <em>Reagointi - AI Trends - 6 min lukea<\/em><\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:separator -->\n\n<hr class=\"wp-block-separator\"\/>\n<!-- \/wp:separator -->\n\n<!-- wp:heading {\"level\":2} -->\n\n<h2>Mit\u00e4 tapahtui<\/h2>\n<!-- \/wp:heading -->\n\n<!-- wp:paragraph -->\n\n<p>Osoitteessa <time datetime=\"2026-03\">maaliskuu 2026<\/time>, Andrej Karpathy - Teslan entinen teko\u00e4lyjohtaja ja OpenAI:n toinen perustaja - julkaisi <a href=\"https:\/\/github.com\/karpathy\/autoresearch\" target=\"_blank\" rel=\"noopener noreferrer\">autoresearch GitHubissa<\/a>, avoimen l\u00e4hdekoodin kehys, jonka avulla teko\u00e4lyagentit voivat itsen\u00e4isesti suorittaa koneoppimiskokeita yhdess\u00e4 y\u00f6ss\u00e4 yhdell\u00e4 GPU:lla. Ydinajatus: anna agentille harjoitusasetukset, mene nukkumaan ja her\u00e4\u00e4 100 suoritettuun kokeeseen - jokainen muokkaa koodia, harjoittelee viisi minuuttia, tarkistaa, paraniiko tulos, ja iteroi. Ei ihmist\u00e4 silmukassa. <strong>Agentti ei pys\u00e4hdy ennen kuin keskeyt\u00e4t sen manuaalisesti.<\/strong> Repo ylitti 8000 t\u00e4hte\u00e4 muutamassa p\u00e4iv\u00e4ss\u00e4 julkaisun j\u00e4lkeen.<\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:separator -->\n\n<hr class=\"wp-block-separator\"\/>\n<!-- \/wp:separator -->\n\n<!-- wp:heading {\"level\":2} -->\n\n<h2>Mit\u00e4 t\u00e4m\u00e4 oikeastaan tarkoittaa - Hypen lis\u00e4ksi<\/h2>\n<!-- \/wp:heading -->\n\n<!-- wp:paragraph -->\n\n<p>Puhutaanpa tarkkaan siit\u00e4, mit\u00e4 automaattinen haku on ja mit\u00e4 se ei ole. Se ei ole yleisk\u00e4ytt\u00f6inen teko\u00e4ly, joka korvaa datatieteilij\u00e4t. Se on tiukasti rajattu silmukka: yksi agentti, yksi tiedosto, jota se voi muokata (<code>train.py<\/code>), yksi kiinte\u00e4 5 minuutin arviointi-ikkuna, yksi optimoitava mittari. Merkitt\u00e4v\u00e4\u00e4 ei ole sen laajuus vaan se, ett\u00e4 se on <strong>arkkitehtuurip\u00e4\u00e4t\u00f6s<\/strong> sen takana: t\u00e4ysin autonominen agentti, joka suorittaa kokeen, lukee tuloksen, p\u00e4\u00e4tt\u00e4\u00e4, mit\u00e4 kokeilla seuraavaksi, ja toistaa sen - koodissa on nimenomainen ohje, jonka mukaan <em>\u00e4l\u00e4 koskaan pys\u00e4hdy \u00e4l\u00e4k\u00e4 koskaan pyyd\u00e4 ihmiselt\u00e4 lupaa jatkaa.<\/em><\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:paragraph -->\n\n<p>T\u00e4m\u00e4 suunnittelufilosofia - itsen\u00e4inen, itseohjautuva, mittareihin perustuva iterointi - on malli, jota kohti yritysten teko\u00e4ly on nopeasti siirtym\u00e4ss\u00e4. Ei vain ML-tutkimuksessa, vaan kaikilla aloilla, joilla on selke\u00e4 tavoite, mitattavissa oleva tuotos ja riitt\u00e4v\u00e4n suuri hakuavaruus, jolloin ihmisen tahdittama iterointi on pullonkaula. T\u00e4m\u00e4 kuvaa merkitt\u00e4v\u00e4\u00e4 osaa siit\u00e4, mit\u00e4 yritysten BI- ja analytiikkatiimit tekev\u00e4t p\u00e4ivitt\u00e4in.<\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:separator -->\n\n<hr class=\"wp-block-separator\"\/>\n<!-- \/wp:separator -->\n\n<!-- wp:heading {\"level\":2} -->\n\n<h2>Kolme konkreettista seurausta yritystiimeille<\/h2>\n<!-- \/wp:heading -->\n\n<!-- wp:paragraph -->\n\n<p><strong>1. \"Agenttisuus\" ei ole en\u00e4\u00e4 tutkimusk\u00e4site - se on tuotantomalli.<\/strong> Karpathyn panos ei ole teko\u00e4lyagenttien idea, vaan sen osoittaminen, ett\u00e4 puhtaalla, minimaalisella, yhden tiedoston sis\u00e4lt\u00e4v\u00e4ll\u00e4 toteutuksella voidaan suorittaa 100 mielek\u00e4st\u00e4 koetta yhdess\u00e4 y\u00f6ss\u00e4 tavallisella laitteistolla. Autonomisten teko\u00e4lysilmukoiden k\u00e4ytt\u00f6\u00f6noton esteet yrityskonteksteissa - raportoinnin automatisointi, dataputkien optimointi, asiakirjojen k\u00e4sittely - ovat juuri laskeneet merkitt\u00e4v\u00e4sti. Tiimien, jotka ovat odottaneet, ett\u00e4 t\u00e4m\u00e4 \"kypsyy\", pit\u00e4isi tarkistaa aikataulunsa.<\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:paragraph -->\n\n<p><strong>2. Ihmisen rooli siirtyy tekemisest\u00e4 tarkasteluun.<\/strong> Automaattinen tutkimussilmukka ei pyyd\u00e4 hyv\u00e4ksynt\u00e4\u00e4 kokeiden v\u00e4lill\u00e4. Se luo, testaa, s\u00e4ilytt\u00e4\u00e4 sen, mik\u00e4 toimii, hylk\u00e4\u00e4 sen, mik\u00e4 ei toimi, ja siirtyy eteenp\u00e4in. Yritysten n\u00e4k\u00f6kulmasta t\u00e4m\u00e4 vastaa suoraan teko\u00e4lyj\u00e4rjestelmi\u00e4, jotka laativat raportteja, suorittavat skenaarioanalyysej\u00e4 tai k\u00e4sittelev\u00e4t saapuvia pyynt\u00f6j\u00e4 itsen\u00e4isesti - ja tuovat esiin vain ne tulokset, jotka vaativat ihmisen arviointia. T\u00e4m\u00e4 ei ole uhka ammattitaitoisille analyytikoille, vaan heid\u00e4n aikansa on jaettava uudelleen. V\u00e4hemm\u00e4n tuottamista, enemm\u00e4n arviointia.<\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:paragraph -->\n\n<p><strong>3. Tietojen laadusta ja selkeist\u00e4 menestysmittareista tulee ehdottomia.<\/strong> Automaattinen haku toimii, koska sill\u00e4 on yksiselitteinen metriikka: validointi bitti\u00e4 per tavu. Pienempi on parempi. Jokainen koe on objektiivisesti vertailukelpoinen. Yritysymp\u00e4rist\u00f6ss\u00e4 vastaava kysymys on: mik\u00e4 on organisaatiosi \"val_bpb\"? Jos automatisoidulle ty\u00f6nkululle ei voida m\u00e4\u00e4ritell\u00e4 yht\u00e4 mitattavaa menestyskriteeri\u00e4, autonomiset agentit eiv\u00e4t voi optimoida sit\u00e4 kohti. Eniten agenttiteko\u00e4lyst\u00e4 hy\u00f6tyv\u00e4t ne hankkeet, joissa on jo tehty ty\u00f6t\u00e4 sen m\u00e4\u00e4rittelemiseksi, mit\u00e4 \"parempi\" tarkoittaa konkreettisesti ja mitattavissa olevin termein.<\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:separator -->\n\n<hr class=\"wp-block-separator\"\/>\n<!-- \/wp:separator -->\n\n<!-- wp:heading {\"level\":2} -->\n\n<h2>LeapLyticsin n\u00e4k\u00f6kulma<\/h2>\n<!-- \/wp:heading -->\n\n<!-- wp:paragraph -->\n\n<p>Olemme rakentaneet teko\u00e4lyj\u00e4rjestelmi\u00e4 yritysten ty\u00f6nkulkuihin jo useiden vuosien ajan - <a href=\"https:\/\/www.leaplytics.de\/fi\/keinotekoinen-alykkyys\/\">asiakirjojen k\u00e4sittely, automatisoitu raportointi, tuen automatisointi<\/a>. Karpathyn ML-tutkimuskerroksessa k\u00e4ytt\u00e4m\u00e4 malli on sama, jota sovellamme liiketoimintaprosessikerroksessa: tunnista toistuva silmukka, m\u00e4\u00e4rittele onnistumiskriteeri, anna agentin toimia ja tuo poikkeukset ihmisen tarkasteltavaksi.<\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:paragraph -->\n\n<p>Automaattitutkimus tekee sis\u00e4isesti selv\u00e4ksi sen, ett\u00e4 <strong>nopeusero<\/strong>. 100 koetta 8 tunnissa. Yrityksen kannalta: 100 asiakirjaluonnosta tarkistetaan, 100 datapoikkeamaa merkit\u00e4\u00e4n, 100 tukipyynt\u00f6\u00e4 luokitellaan - samalla kun tiimisi nukkuu. Organisaatiot, jotka pit\u00e4v\u00e4t t\u00e4t\u00e4 kuriositeettina, huomaavat, ett\u00e4 ne, jotka pit\u00e4v\u00e4t sit\u00e4 infrastruktuurina, ovat edenneet merkitt\u00e4v\u00e4sti eteenp\u00e4in, kun he harkitsevat asiaa uudelleen. Olemme kirjoittaneet t\u00e4st\u00e4 dynamiikasta aiemmin seuraavissa yhteyksiss\u00e4. <a href=\"https:\/\/www.leaplytics.de\/fi\/miksi-rakensimme-oman-tukikeskustelurobotin-ja-mika-meni-pieleen-matkan-varrella\/\">oma siirtym\u00e4mme teko\u00e4lyavusteiseen tukeen<\/a> - automaation yhdistelm\u00e4etu ei n\u00e4y, ennen kuin se n\u00e4kyy.<\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:separator -->\n\n<hr class=\"wp-block-separator\"\/>\n<!-- \/wp:separator -->\n\n<!-- wp:heading {\"level\":2} -->\n\n<h2>Mit\u00e4 organisaatioiden pit\u00e4isi tehd\u00e4 nyt<\/h2>\n<!-- \/wp:heading -->\n\n<ul>\n  <li><strong>M\u00e4\u00e4rit\u00e4 yksi toistuva, mitattavissa oleva ty\u00f6nkulku t\u00e4ll\u00e4 viikolla.<\/strong> Ei ep\u00e4m\u00e4\u00e4r\u00e4ist\u00e4 \"meid\u00e4n pit\u00e4isi automatisoida raportointi\". Konkreettinen silmukka: t\u00e4m\u00e4ntyyppinen asiakirja, jota k\u00e4sitell\u00e4\u00e4n t\u00e4ll\u00e4 tavalla, arvioidaan t\u00e4m\u00e4n kriteerin perusteella. Automaattitutkimus on hy\u00f6dyllinen mentaalimalli - jos et pysty kuvaamaan ty\u00f6nkulkuasi siten kuin Karpathy kuvaa koulutussilmukkaa, se ei ole viel\u00e4 valmis agenttien automatisointiin.<\/li>\n  <li><strong>Investoi tietojen laatuun ennen agentin k\u00e4ytt\u00f6\u00f6nottoa.<\/strong> Autonomiset agentit vahvistavat sit\u00e4, mink\u00e4 kanssa ne ty\u00f6skentelev\u00e4t. Puhtaat, johdonmukaisesti j\u00e4sennellyt sy\u00f6tt\u00f6tiedot tuottavat hy\u00f6dyllisi\u00e4 autonomisia tuotoksia. Sotkuiset, ep\u00e4johdonmukaiset tiedot tuottavat varmuudella virheellisi\u00e4 autonomisia tuotoksia - 100 kertaa nopeammin kuin ihminen, joka tekee saman virheen. Tiedonhallinta on nyt teko\u00e4lyvalmiuskysymys, ei vain taloudenhoitokysymys.<\/li>\n  <li><strong>Muotoile \"teko\u00e4lystrategia\" seuraavasti: \"Mitk\u00e4 silmukat automatisoidaan ensin\".<\/strong> Useimmat yritysten teko\u00e4lystrategiat on edelleen organisoitu ty\u00f6kalujen ja toimittajien ymp\u00e4rille. Autotutkimuksen j\u00e4lkeinen hy\u00f6dyllisempi kehys on: mik\u00e4 ty\u00f6nkuluistamme on silmukka, jolla on mitattavissa oleva tuotos? Aseta ne j\u00e4rjestykseen volyymin ja vaikutuksen mukaan. Aloita suurimman volyymin ja selkeimmin mitattavasta silmukasta. Se on ensimm\u00e4inen agenttisi k\u00e4ytt\u00f6\u00f6notto.<\/li>\n<\/ul>\n\n<!-- wp:separator -->\n\n<hr class=\"wp-block-separator\"\/>\n<!-- \/wp:separator -->\n\n<!-- wp:heading {\"level\":2} -->\n\n<h2>Mit\u00e4 seuraavaksi<\/h2>\n<!-- \/wp:heading -->\n\n<!-- wp:paragraph -->\n\n<p>Automaattinen haku on tarkoituksella minimaalinen - yksi GPU, yksi tiedosto, yksi mittari. V\u00e4litt\u00f6m\u00e4n\u00e4 seuraavana askeleena, joka on jo n\u00e4ht\u00e4viss\u00e4 reposta nousevissa yhteis\u00f6n haaroissa, ovat moniagenttiset vaihtoehdot: yksi agentti luo hypoteeseja, toinen suorittaa kokeita, kolmas arvioi ja syntetisoi tuloksia. Yrityskieless\u00e4 t\u00e4m\u00e4 vastaa t\u00e4ydellist\u00e4 ty\u00f6nkulun automatisointia: vastaanotto, k\u00e4sittely, laadun tarkistus ja tulosten reititys hoidetaan koordinoidun agenttiketjun avulla, ja ihmisen on tarkistettava tulokset vain m\u00e4\u00e4ritellyiss\u00e4 poikkeustapauksissa.<\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:paragraph -->\n\n<p>T\u00e4rke\u00e4mpi muutos on kulttuurinen. Karpathyn muotoilu, jonka mukaan teko\u00e4lyn eturintamassa teht\u00e4v\u00e4\u00e4 tutkimusta \"tekiv\u00e4t ennen lihatietokoneet sy\u00f6misen, nukkumisen ja muun hauskanpidon v\u00e4liss\u00e4\", on tarkoituksella provosoiva. Perimm\u00e4inen pointti on kuitenkin vakava: teko\u00e4lyyn liittyv\u00e4ss\u00e4 ty\u00f6ss\u00e4 kilpailuetu on siirtym\u00e4ss\u00e4 ihmisen suorittamisnopeudesta suunnittelemienne silmukoiden laatuun ja optimoimienne mittareiden selkeyteen. T\u00e4m\u00e4 on totta ML-tutkimuksessa. Se p\u00e4tee yht\u00e4 lailla yritysanalytiikassa, riskiraportoinnissa ja dokumentti-intensiivisiss\u00e4 ty\u00f6nkuluissa. Kysymys ei ole en\u00e4\u00e4 siit\u00e4, pit\u00e4isik\u00f6 n\u00e4it\u00e4 silmukoita rakentaa. Vaan kuinka nopeasti.<\/p>\n<!-- \/wp:paragraph --b>","protected":false},"excerpt":{"rendered":"<p>9. maaliskuuta 2026 - Reaction - AI Trends - 6 min read Mit\u00e4 tapahtui Maaliskuussa 2026 Andrej Karpathy - Teslan entinen teko\u00e4lyjohtaja ja OpenAI:n toinen perustaja - julkaisi GitHubissa avoimen l\u00e4hdekoodin autoresearch-kehyksen, jonka avulla teko\u00e4lyagentit voivat itsen\u00e4isesti suorittaa koneoppimiskokeita yhdess\u00e4 y\u00f6ss\u00e4 yhdell\u00e4 GPU:lla. Ydinajatus: anna agentille ... <\/p>","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-14615","post","type-post","status-publish","format-standard","hentry","category-news","latest_post"],"_links":{"self":[{"href":"https:\/\/www.leaplytics.de\/fi\/wp-json\/wp\/v2\/posts\/14615","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.leaplytics.de\/fi\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.leaplytics.de\/fi\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.leaplytics.de\/fi\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.leaplytics.de\/fi\/wp-json\/wp\/v2\/comments?post=14615"}],"version-history":[{"count":2,"href":"https:\/\/www.leaplytics.de\/fi\/wp-json\/wp\/v2\/posts\/14615\/revisions"}],"predecessor-version":[{"id":14617,"href":"https:\/\/www.leaplytics.de\/fi\/wp-json\/wp\/v2\/posts\/14615\/revisions\/14617"}],"wp:attachment":[{"href":"https:\/\/www.leaplytics.de\/fi\/wp-json\/wp\/v2\/media?parent=14615"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.leaplytics.de\/fi\/wp-json\/wp\/v2\/categories?post=14615"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.leaplytics.de\/fi\/wp-json\/wp\/v2\/tags?post=14615"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}