Sign up to save your podcasts
Or
Share #10 | Agentti tunnissa. Miten helppoa on AI-agenttien rakentaminen? Vieraana Rami Luisto.
Share to email
Share to Facebook
Share to X
Share to email
Share to Facebook
Share to X
Or
#10 | Agentti tunnissa. Miten helppoa on AI-agenttien rakentaminen? Vieraana Rami Luisto.
Missä tilanteissa kannattaa käyttää AI-agentteja, missä tilanteissa RPA-tyyppiset ratkaisut riittää ja miten RPA:ta voi tehostaa tekoälyllä? Milloin yrityksen kannattaa investoida agenttien kehittämiseen ja mitä hyötyjä ne tuovat? Miten helppoa on AI-agenttien rakentaminen käytännössä? Entä miten tekoälymalleja oikeasti koulutetaan?
Silloin kun ihmisessä yhdistyy älykkyys, sosiaaliset taidot ja intohimo omaa tekemistä kohtaan, niin syntyy arvokkaita ja syvällisiä keskusteluja, jotka lisäävät meidän kaikkien tietämystä. Signaali-podcastin vieraana on tällä kertaa matematiikan dosentti ja syväteknologian huippuasiantuntija Rami Luisto Digital Workforce Services Plc:stä.
Rami toi keskusteluun runsaasti esimerkkejä siitä, miten syväteknologiaa voidaan valjastaa tuottamaan konkreettista lisäarvoa sekä yrityksille että niiden asiakkaille. Tämä jakso täydentää minun aiemmin Karli Kalpalan kanssa käytyä keskustelua jaksossa 5 teknisimmillä asioilla agentteihin, RPA:han ja tekoälyyn liittyen.
Teimme parhaamme, jotta jakso olisi kuunneltavissa ymmärrettävällä tasolla kaikille kuulijoille taustastaan riippumatta ja siitä kuuluu suuri kiitos Ramille, joka osasi purkaa minun hankalat kysymykset pienempiin ja ymmärrettävimpiin kokonaisuuksiin. Sen lisäksi meillä oli tosi hauskaa ja siitä kiitokseksi aion tuomita Ramin uuteen jaksoon tänä keväänä 😅
Jakso lähtee pohdinnalla siitä minkälaista on olla matemaatikkona liike-elämässä ja noin puolen tunnin kohdalla siirrymme keskustelemaan ydinasioista. Mukavia kuunteluhetkiä ja muista seurata podcastia kaikilla yleisillä lempialustoillasi 🎧
Miten näet tekoälyn ja automaation roolin omalla alallasi?
---
AIKALEIMAT
00:00:00 - Fiksuus ja osaaminen
00:01:45 - Työelämän rikastuminen
00:02:36 - Ratkaisukeskeisyys
00:03:33 - Ajatusjohtajuus
00:05:01 - Monimutkaiset paperit
00:07:51 - Yann LeCun
00:10:02 - AGI ja LLM
00:12:11 - Datan puute
00:14:24 - LLM ja kieli
00:19:32 - Innovaatio ja tekoäly
00:22:37 - Kokemus ja oppiminen
00:25:28 - Luovuus ja rajat
00:26:31 - Ramin esittely
00:27:49 - Tekoälyn ja robotiikan rooli
00:30:38 - Terveyssektori ja tekoäly
00:31:51 - Transformaatioprojektit
00:33:52 - RPA
00:35:54 - Low-code
00:37:39 - Koodipohjainen toteutus
00:40:01 - Agenttipohjainen tekoäly
00:42:13 - Hybridiratkaisut
00:43:03 - Vertauskuva
00:47:24 - Kielimallit
00:49:36 - Mallien nimet
00:50:55 - Mallien alkuperä
00:52:58 - Jatkokoulutus
00:56:33 - Vertauskuva ja ymmärrys
00:59:58 - Testausmenetelmät
01:01:06 - Vertauskuva ja mallin arviointi
01:03:54 - Virheiden toleranssi
01:06:44 - Pienet ja suuret kielimallit
01:08:15 - Mallien käyttäytyminen
01:09:57 - Konteksti ja ymmärrys
01:12:29 - Datan puhdistaminen
01:13:31 - Deep tech -asiat
01:15:30 - Tulevaisuuden näkymät
01:21:06 - Arvot ja työ
01:22:28 - Matematiikka ja topologia
01:24:51 - Työ ja vapaa-aika
01:26:03 - Tekoälyn käyttö
01:36:38 - Tekoälyn vaikutus motivaatioon
01:40:13 - Tekoäly ja vastuu
01:42:37 - Agentin rakentaminen
01:47:01 - Data ja API
01:49:34 - Semaphore
01:51:08 - Kiitokset ja lopetus
---
Rami Luisto toimii Healthcare AI Lead Data Scientistina Digital Workforcella ja vastaa tittelinsä mukaisesti terveysteknologiasektorin tekoälyratkaisuista. Rami on pohjakoulutukseltaan matematiikan dosentti, mutta vaihtoi akateemiselta urapolulta yksityiselle puolelle vuonna 2020 aloittaessaan Digital Workforcen tekoälytiimissä. Hänen erikoisosaamisaluettaan ovat kielipohjaiset tekoälyt sekä erityisesti suuret kielimallit, ja käyttää tällä hetkellä valtaosan työajastaan tekoälyagenttien kehityksen parissa.
---
🕸️Signaali: https://signaalipodcast.fi/
📸Instagram: https://www.instagram.com/signaalipodcast/
👔Linkedin (Signaali): https://www.linkedin.com/company/signaali-podcast
🗣️Linkedin (Juontaja): https://www.linkedin.com/in/georgelapinlampi/
View all episodes
By George LapinlampiMissä tilanteissa kannattaa käyttää AI-agentteja, missä tilanteissa RPA-tyyppiset ratkaisut riittää ja miten RPA:ta voi tehostaa tekoälyllä? Milloin yrityksen kannattaa investoida agenttien kehittämiseen ja mitä hyötyjä ne tuovat? Miten helppoa on AI-agenttien rakentaminen käytännössä? Entä miten tekoälymalleja oikeasti koulutetaan?
Silloin kun ihmisessä yhdistyy älykkyys, sosiaaliset taidot ja intohimo omaa tekemistä kohtaan, niin syntyy arvokkaita ja syvällisiä keskusteluja, jotka lisäävät meidän kaikkien tietämystä. Signaali-podcastin vieraana on tällä kertaa matematiikan dosentti ja syväteknologian huippuasiantuntija Rami Luisto Digital Workforce Services Plc:stä.
Rami toi keskusteluun runsaasti esimerkkejä siitä, miten syväteknologiaa voidaan valjastaa tuottamaan konkreettista lisäarvoa sekä yrityksille että niiden asiakkaille. Tämä jakso täydentää minun aiemmin Karli Kalpalan kanssa käytyä keskustelua jaksossa 5 teknisimmillä asioilla agentteihin, RPA:han ja tekoälyyn liittyen.
Teimme parhaamme, jotta jakso olisi kuunneltavissa ymmärrettävällä tasolla kaikille kuulijoille taustastaan riippumatta ja siitä kuuluu suuri kiitos Ramille, joka osasi purkaa minun hankalat kysymykset pienempiin ja ymmärrettävimpiin kokonaisuuksiin. Sen lisäksi meillä oli tosi hauskaa ja siitä kiitokseksi aion tuomita Ramin uuteen jaksoon tänä keväänä 😅
Jakso lähtee pohdinnalla siitä minkälaista on olla matemaatikkona liike-elämässä ja noin puolen tunnin kohdalla siirrymme keskustelemaan ydinasioista. Mukavia kuunteluhetkiä ja muista seurata podcastia kaikilla yleisillä lempialustoillasi 🎧
Miten näet tekoälyn ja automaation roolin omalla alallasi?
---
AIKALEIMAT
00:00:00 - Fiksuus ja osaaminen
00:01:45 - Työelämän rikastuminen
00:02:36 - Ratkaisukeskeisyys
00:03:33 - Ajatusjohtajuus
00:05:01 - Monimutkaiset paperit
00:07:51 - Yann LeCun
00:10:02 - AGI ja LLM
00:12:11 - Datan puute
00:14:24 - LLM ja kieli
00:19:32 - Innovaatio ja tekoäly
00:22:37 - Kokemus ja oppiminen
00:25:28 - Luovuus ja rajat
00:26:31 - Ramin esittely
00:27:49 - Tekoälyn ja robotiikan rooli
00:30:38 - Terveyssektori ja tekoäly
00:31:51 - Transformaatioprojektit
00:33:52 - RPA
00:35:54 - Low-code
00:37:39 - Koodipohjainen toteutus
00:40:01 - Agenttipohjainen tekoäly
00:42:13 - Hybridiratkaisut
00:43:03 - Vertauskuva
00:47:24 - Kielimallit
00:49:36 - Mallien nimet
00:50:55 - Mallien alkuperä
00:52:58 - Jatkokoulutus
00:56:33 - Vertauskuva ja ymmärrys
00:59:58 - Testausmenetelmät
01:01:06 - Vertauskuva ja mallin arviointi
01:03:54 - Virheiden toleranssi
01:06:44 - Pienet ja suuret kielimallit
01:08:15 - Mallien käyttäytyminen
01:09:57 - Konteksti ja ymmärrys
01:12:29 - Datan puhdistaminen
01:13:31 - Deep tech -asiat
01:15:30 - Tulevaisuuden näkymät
01:21:06 - Arvot ja työ
01:22:28 - Matematiikka ja topologia
01:24:51 - Työ ja vapaa-aika
01:26:03 - Tekoälyn käyttö
01:36:38 - Tekoälyn vaikutus motivaatioon
01:40:13 - Tekoäly ja vastuu
01:42:37 - Agentin rakentaminen
01:47:01 - Data ja API
01:49:34 - Semaphore
01:51:08 - Kiitokset ja lopetus
---
Rami Luisto toimii Healthcare AI Lead Data Scientistina Digital Workforcella ja vastaa tittelinsä mukaisesti terveysteknologiasektorin tekoälyratkaisuista. Rami on pohjakoulutukseltaan matematiikan dosentti, mutta vaihtoi akateemiselta urapolulta yksityiselle puolelle vuonna 2020 aloittaessaan Digital Workforcen tekoälytiimissä. Hänen erikoisosaamisaluettaan ovat kielipohjaiset tekoälyt sekä erityisesti suuret kielimallit, ja käyttää tällä hetkellä valtaosan työajastaan tekoälyagenttien kehityksen parissa.
---
🕸️Signaali: https://signaalipodcast.fi/
📸Instagram: https://www.instagram.com/signaalipodcast/
👔Linkedin (Signaali): https://www.linkedin.com/company/signaali-podcast
🗣️Linkedin (Juontaja): https://www.linkedin.com/in/georgelapinlampi/