← Signaali

Jakso

#10 | Agentti tunnissa. Miten helppoa on AI-agenttien rakentaminen? Vieraana Rami Luisto.

20.1.2025 · 1 t 51 min

Kuuntele jakso

Kohdat (46)

  1. Fiksuus ja osaaminen
  2. Työelämän rikastuminen
  3. Ratkaisukeskeisyys
  4. Ajatusjohtajuus
  5. Monimutkaiset paperit
  6. Yann LeCun
  7. AGI ja LLM
  8. Datan puute
  9. LLM ja kieli
  10. Innovaatio ja tekoäly
  11. Kokemus ja oppiminen
  12. Luovuus ja rajat
  13. Ramin esittely
  14. Tekoälyn ja robotiikan rooli
  15. Terveyssektori ja tekoäly
  16. Transformaatioprojektit
  17. RPA
  18. Low-code
  19. Koodipohjainen toteutus
  20. Agenttipohjainen tekoäly
  21. Hybridiratkaisut
  22. Vertauskuva
  23. Kielimallit
  24. Mallien nimet
  25. Mallien alkuperä
  26. Jatkokoulutus
  27. Vertauskuva ja ymmärrys
  28. Testausmenetelmät
  29. Vertauskuva ja mallin arviointi
  30. Virheiden toleranssi
  31. Pienet ja suuret kielimallit
  32. Mallien käyttäytyminen
  33. Konteksti ja ymmärrys
  34. Datan puhdistaminen
  35. Deep tech -asiat
  36. Tulevaisuuden näkymät
  37. Arvot ja työ
  38. Matematiikka ja topologia
  39. Työ ja vapaa-aika
  40. Tekoälyn käyttö
  41. Tekoälyn vaikutus motivaatioon
  42. Tekoäly ja vastuu
  43. Agentin rakentaminen
  44. Data ja API
  45. Semaphore
  46. Kiitokset ja lopetus

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

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

---

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/

🗣️Linkedin (Juontaja): https://www.linkedin.com/in/georgelapinlampi/

Keskustelu

Kommentit

Ei kommentteja

Kirjaudu sisään kommentoidaksesi.

Ei kommentteja vielä. Ole ensimmäinen.