Koko kurssin käsitteet aakkosjärjestyksessä (202 termiä). Jokainen termi linkittää siihen tuntiin, jossa se opitaan.
Kielimallia ympäröivä ohjelmallinen kehys, joka antaa agentille tavoitteen, työkalut, tilan, oikeudet, rajat, hyväksynnät, lokituksen ja palautumisen.
Osa 20/27Kielimallin ympärille rakennettu kokonaisuus: esimerkiksi syötteiden käsittely, työkalut, tehtävän tila, oikeudet ja turvarajat. Englannin sana harness tarkoittaa valjaita.
Osa 19/27Tällä kurssilla rakennettava tekoälyagentti rajataan kielimallin ja agentin ohjauskehyksen muodostamaksi järjestelmäksi. Kielimalli tulkitsee tilannetta, ja ohjauskehys välittää syötteet, työkalut, tehtävän tilan, oikeudet ja turvarajat. Tämä on kurssin rajaus, ei yleispätevä agentin määritelmä. Kurssin kuusi kohtaa ovat suunnittelutarkistuslista, eivät jokaisen agentin pakolliset tekniset osat.
Osa 19/27Sovelluksen toimintatila, jossa tekoäly ei vain vastaa viesteihin, vaan suorittaa monivaiheisia tehtäviä työkaluilla käyttäjän puolesta.
Osa 19/27Aika, jossa hyväksyjällä on vastata. Jos vastausta ei tule, toiminta keskeytetään, asia eskaloidaan tai palautetaan myöhemmin käsiteltäväksi. Kriittistä toimintoa ei hyväksytä hiljaisuuden perusteella.
Osa 25/27Kielimallin syötteen perusteella tekemä valinta vähintään kahdesta agentin ohjauskehyksen sallimasta vaihtoehdosta. Syöte, vaihtoehdot, valinta ja seuraava vaihe tehdään näkyviksi.
Osa 27/27Järjestelmällinen vinouma, jonka vuoksi tekoälyjärjestelmän tulokset kohtelevat ryhmiä eri tavoin tai epäoikeudenmukaisesti.
Osa 8/27Nimettyjen ihmisten ja organisaatioiden velvollisuus tehdä päätökset, ohjeistaa käyttäjiä, valvoa toimintaa ja korjata haitat. Ammatillinen vastuu liittyy omaan rooliin ja osaamiseen, käytännön vastuu konkreettisiin tekoihin ja niiden seurantaan. Vastuuta ei voi osoittaa abstraktille tekoälylle.
Osa 9/27Tekniikka, jossa tärkeä konteksti (rooli, rajaukset, projektikohtaiset oletukset) toistetaan joka viestissä ja varmistetaan, ettei se unohdu, vaikka ikkuna täyttyisi.
Osa 5/27Yhteys todellisuuteen. Agentti perustaa päätöksensä konkreettisiin tietoihin, ei hallusinaatioihin.
Osa 24/27Tietojen muokkaaminen niin, ettei ihmistä voida enää tunnistaa suoraan eikä epäsuorasti. Pelkkä nimen poistaminen ei aina anonymisoi aineistoa.
Osa 11/27Rajapinta, jonka avulla ohjelma voi pyytää palvelua toiselta ohjelmalta ilman selaimen käyttöliittymää.
Osa 10/27Rajattuun tehtävään suunniteltu keskusteleva apuri. Se auttaa käyttäjää etenemään, mutta ei poista käyttäjän vastuuta eikä muutu agentiksi pelkän järjestelmäpromptin perusteella.
Osa 18/27Näyttöön perustuva kirjallinen arvio, jossa rajataan kysymys, esitetään johtopäätös, perustellaan se ja annetaan vastuullinen suositus.
Osa 9/27Mekanismi kielimallin sisällä, joka päättää, mihin sanaan tai tokeniin keskittyä vastatessa. Se auttaa mallia näkemään yhteyksiä pitkissä teksteissä.
Osa 3/27Jälki siitä, mitä agentti teki ja miksi. Tärkeä oikeudellisesti ja turvallisuuden kannalta.
Osa 24/27Toimintatapa, jossa tietokone hoitaa työvaiheen ilman, että ihminen tekee jokaista kohtaa käsin. Automaatio voi käyttää valmiita sääntöjä, koneoppimismallia tai molempia. Automaattisuus ei yksin tarkoita tekoälyä.
Osa 1/27Prosessi, jossa järjestelmä tekee tehtäviä ilman ihmisen osallistumista. Se voi olla yksinkertainen (skripti) tai monimutkainen (agentti).
Osa 20/27Kyky tehdä päätöksiä ja toimia itsenäisesti ilman jatkuvaa ulkoista ohjausta. Agentti voi muuttaa toimintaansa tilanteen perusteella ja valita eri reittejä tavoitteen saavuttamiseksi.
Osa 19/27Kuvaus botin käyttäjästä, rajatusta tehtävästä, onnistumisen ehdoista, työnkulusta ja rajoista. Se on toinen rakennuspalikka.
Osa 18/27Botin määrittely — Lyhyt kuvaus siitä, kenelle botti on, mitä se osaa, mitä se ei tee ja mitkä ovat sen rajat. Tämä on botin "perustamisasiakirja", josta järjestelmäprompti johdetaan. Älä sekoita tätä siihen, mitä botti auttaa käyttäjää tekemään — määrittely kertoo botista itsestään.
Kohderyhmä — Ne käyttäjät, joita varten botti on rakennettu. Esimerkiksi luokkakaverit, kerhon uudet jäsenet tai kirjaston asiakkaat. Kun tiedät kohderyhmän, osaat valita oikean kielen ja sisällön.
Työnkulku — Järjestys, jossa botti ohjaa käyttäjää vaiheesta toiseen. Selkeä työnkulku auttaa botin pysymään raiteilla eikä hyppimään satunnaisesti.
Rajat — Määritelmä siitä, mitä botti tekee ja mitä ei. Selkeät rajat estävät bottia leviämästä hallitsemattomasti tai vastaamasta asioihin, joihin sen ei kuulu vastata.
Tietopohja — Kokoelma dokumentteja, joista botti ammentaa oman aiheesi tietoa. Hyvä botti nojaa kuratoituun tietopohjaan, ei pelkkiin yleisiin oletuksiin.
Iterointi — Botin parantaminen testaamalla, korjaamalla ja testaamalla uudelleen. Hyvä botti syntyy iteroinnista, ei heti ensimmäisellä yrityksellä.
Osa 17/27Keskustelukäyttöliittymä, jossa järjestelmä vastaa käyttäjän viesteihin. Chatbot voi olla pelkkä kysymys–vastaus-palvelu tai se voidaan liittää työkaluihin ja työnkulkuihin. Pelkkä chat-näkymä ei siksi vielä kerro, onko taustalla tämän kurssin rajauksen mukainen tekoälyagentti.
Osa 19/27Tekstitiedostomuoto, jossa tiedot ovat rivillä pilkuilla erotettuja. Helppo lukea ja käsitellä.
Osa 22/27Tietoa, jota järjestelmä voi käsitellä. Kaupan menekkidataa voivat olla esimerkiksi aiempien päivien myyntimäärät, viikonpäivät, sää ja juhlapäivät.
Osa 1/27Aineiston reitti käyttäjältä eri järjestelmien kautta käsittelyyn, mahdolliseen säilytykseen ja takaisin käyttäjälle.
Osa 11/27Käytäntö, jossa dokumentoidaan tekoälyn kanssa tehdyt tulokset päiväkohtaisesti tai vaiheittain, jotta tiedot eivät häviä uusiin ikkunoihin.
Osa 5/27Dokumentaatio — Kirjallinen tai visuaalinen kuvaus siitä, miten jotain tehdään tai miten jokin toimii. Hyvä dokumentaatio auttaa muita ymmärtämään ja jatkamaan työtä.
Prosessin dokumentointi — Kuvaus kaikista askeista, joita otettiin ongelman ratkaisussa. Näytetään, mitä tehtiin, mitä saatiin ja mikä meni väärin.
Kommentti — Ohjelmakoodi tai dokumentissa oleva teksti, joka selittää, mitä seuraava rivi tai osio tekee. Kommentit auttavat sinua ja muita ymmärtämään logiikan.
Osa 17/27Suorituspolku, jossa kuvataan toteutuskelpoinen arkkitehtuuri, simuloidut suoritusjäljet, testit ja tunnistetut rajat. Se ei todista integraatioiden tai käyttöoikeuksien toimivan teknisesti.
Osa 18/27Se, kuinka hyvin aineisto kuvaa niitä ihmisiä, tilanteita ja olosuhteita, joissa tekoälyjärjestelmää käytetään.
Osa 8/27Palvelun ympärille rakentunut kokonaisuus: lisäosat, integraatiot, yhteisö ja kolmansien osapuolien työkalut. Laaja ekosysteemi tarkoittaa, että työkalu on yhteensopiva monien muiden palveluiden kanssa.
Osa 10/27Suunnittelumalli, jossa agentti purkaa ongelman pienempiin osiin ja käsittelee ne järjestyksessä. Numeroidut vaiheet, yksi kerrallaan.
Osa 23/27Numeerinen esitys sanasta tai tokenista, jota kielimalli käyttää sisäisesti. Jokainen sana on esitettävä numeroina, jotta malli voi prosessoida sitä matematiikan avulla.
Osa 3/27Järjestelmän ominaisuus, jonka vuoksi sama prompti voi tuottaa eri kerroilla erilaisen vastauksen.
Osa 7/27Se osa arviosta, jota käytettävissä oleva näyttö ei ratkaise varmasti. Epävarmuus ilmaistaan avoimesti eikä sitä peitetä varman kuuloisella kielellä.
Osa 9/27Järjestelmän ohjeiden, käyttäjän syötteen ja ulkoisen sisällön rakenteellinen erottaminen. Ulkoinen sisältö käsitellään epäluotettavana datana, mutta merkintä ei yksin estä promptihyökkäyksiä.
Osa 24/27Erityistä suojaa vaativia henkilötietoja, kuten terveyttä, uskontoa tai poliittisia mielipiteitä koskevat tiedot.
Osa 11/27Konkreettinen näyttö siitä, minkä muotoinen tai -tyyppinen vastaus halutaan. Esimerkkejä voivat olla edellisen työn näytteet, mallikoodi tai näytetekstit, joiden perusteella tekoäly voi ymmärtää tyyliä ja rakennetta.
Osa 4/27Tehtävän siirtäminen ihmiselle tai toiselle sovitulle toimijalle, kun agentti ei pysty ratkaisemaan sitä turvallisesti.
Osa 23/27Havaittava tilanne, jossa botti ei jatka itsenäisesti. Tällainen ehto voi olla hyväksytyn lähteen puuttuminen, lähteiden ristiriita tai pakollisen tiedon puute.
Osa 15/27Periaate, jolla konteksti-ikkuna toimii: ensimmäinen teksti sisään on ensimmäinen ulos. Vanhempi tieto poistetaan ensin.
Osa 5/27EU:n yleinen tietosuoja-asetus. Se säätelee henkilötietojen lainmukaista, turvallista ja läpinäkyvää käsittelyä.
Osa 11/27EU:n tietosuoja-asetus, joka säätelee henkilötietojen käsittelyä. Kaikki suuret tekoälypalvelut noudattavat GDPR:ää, mutta toteutus ja tiukkuus vaihtelevat.
Osa 10/27Tekoäly, joka tuottaa esimerkiksi tekstiä, kuvaa, ääntä tai videota. Sama järjestelmä voi olla sekä generatiivinen että kyvyiltään rajattu.
Osa 2/27RAG:n ensimmäinen vaihe: järjestelmä etsii tietopohjasta ne kohdat, jotka muistuttavat eniten käyttäjän kysymystä, ja poimii niistä osuvimmat. Jos haku ei osu, tieto voi silti olla aineistossa — erota siksi tilanne "tietoa ei ole aineistossa" tilanteesta "järjestelmä ei löytänyt aineistossa olevaa tietoa".
Osa 15/27Tilanne, jossa järjestelmä ei löydä oikeaa lähdettä tai tuo mallille väärän katkelman. Virhe syntyy ennen vastauksen muodostamista.
Osa 15/27Kielimallin uskottavasti esittämä väite, joka voi olla virheellinen, keksitty tai ilman luotettavaa perustaa. Sujuva ilmaisu ei todista väitettä oikeaksi.
Osa 7/27Tilanne, jossa kielimalli tuottaa jotain, joka näyttää oikealta, mutta on täysin väärää tai keksittyä. Esimerkiksi tekijän keksiminen tai väärä fakta. Näin tapahtuu, kun malli arvaa väärän tokeniyhdistelmän.
Osa 3/27Ennalta määritelty ja järjestelmästä havaittava syy pysäyttää toiminta tai pyytää ihmisen apua. Tällaisia syitä ovat puuttuva hyväksytty lähde, ristiriitaiset lähteet, puuttuva pakollinen tieto, validointivirhe ja työkalun virhe. Mallin itse ilmoittamaa varmuusprosenttia ei käytetä päätösrajana.
Osa 24/27Tieto, joka liittyy tunnistettuun tai tunnistettavissa olevaan ihmiseen. Esimerkiksi nimi, sähköpostiosoite ja asiakasnumero voivat olla henkilötietoja.
Osa 11/27Eristetty ympäristö, jossa agentti ei voi vaikuttaa oikeaan järjestelmään. Turvallinen testaus.
Osa 22/27Agentin ohjauskehyksen toteuttama kohta, jossa suoritus pysähtyy odottamaan ihmisen vastausta. Hyvä portti näyttää selkeän kysymyksen, ehdotuksen, perustelun ja riskin.
Osa 25/27Rakenne, jossa agentti tekee päätöksiä, mutta pyytää ihmisen apua vaikeissa tai kriittisissä tilanteissa. Tämä parantaa turvallisuutta ja luotettavuutta.
Osa 20/27Toimintatapa, jossa automaatio hoitaa rajatut vaiheet ja ihminen hyväksyy kriittiset päätökset.
Osa 25/27Järjestely, jossa osaava ihminen pystyy ymmärtämään järjestelmän rajoja, seuraamaan toimintaa, poikkeamaan ehdotuksesta ja tarvittaessa keskeyttämään käytön.
Osa 8/27Kahden tai useamman järjestelmän yhdistäminen niin, että ne voivat vaihtaa tietoa ja toimia yhdessä. Integraatio voi tuoda tekoälyn suoraan organisaation käyttämiin työvälineisiin.
Osa 10/27Samaa havaittavaa toimintakierrosta toistetaan useita kertoja. ReAct-toteutus iteroi: työkalukutsu → tulos tai virhe → seuraava toiminto.
Osa 23/27Testaa–korjaa–testaa uudelleen -kierros, jolla bottia parannetaan vähitellen. Normaali osa botin kehittämistä — ensimmäinen versio on harvoin valmis.
Osa 15/27Kysymys tai prompti, joka ohjaa vastaajaa tiettyyn suuntaan tai tietynlaiseen vastaustyyliin. Tekoälyn kanssa johdattelevat kysymykset ovat hyödyllisiä, koska ne auttavat tekoälyä ymmärtämään, millaista apua tarvitset.
Osa 4/27Mentori — Kokenut henkilö, joka ohjaa ja opastaa muita. Apuri-botti toimii mentorina, joka esittää oikeita kysymyksiä ja ohjaa käyttäjää eteenpäin.
Kalibrointi — Säätäminen oikealle tasolle. Esimerkiksi: ovatko botin kysymykset liian yksinkertaiset vai liian monimutkaiset? Kalibrointi paranee testaamalla.
Palaute — Käyttäjän arvio siitä, kuinka hyvin botti toimi. Palautetta käytetään botin kehittämiseen.
Käsitteet liittyvät toisiinsa. Hyvä järjestelmäprompti tukee hyödyllistä bottia, jota testataan, dokumentoidaan ja parannetaan iteratiivisesti.
Osa 17/27Todistusaineistosta johdettu arvio. Johtopäätös ei vain toista havaintoja, vaan kertoo, mitä ne yhdessä merkitsevät.
Osa 9/27Botille annettu toteutusohje, joka kokoaa rakennuspalikoiden päätökset käytännön toiminnaksi. Se kertoo esimerkiksi roolin, työnkulun, tietopohjan käytön ja rajat. Järjestelmäprompti ei ole neljäs rakennuspalikka eikä korvaa teknistä käyttöoikeusrajaa.
Osa 18/27Tiettyyn tehtävään tai rajattuun tehtäväjoukkoon rakennettu tekoäly. Kapea voi olla omassa tehtävässään erittäin taitava.
Osa 2/27Löydettyjen positiivisten osuus kaikista todellisista positiivisista tapauksista. Petosesimerkissä se kertoo, kuinka suuri osa kaikista petoksista löydettiin.
Osa 7/27Strategiat, joilla hallitaan pitkiä tekoälykeskusteluja niin, että oleellinen tieto säilyy. Sisältää tiivistystä, pilkkomista ja ankkurointia.
Osa 5/27Järjestelmän laskennallinen osa, joka tuottaa tekstiä, koodia tai muuta sisältöä saamansa syötteen perusteella. Kielimalli ei ole sama asia kuin käyttäjälle näkyvä palvelu.
Osa 11/27Tekoälymalli, joka on oppinut tekstin kuvioita ja osaa ennustaa seuraavaa tokenia. Kielimalli koulutetaan suurella tekstiaineistolla.
Osa 3/27Testi, jossa käyttäjä pyytää jotakin kiellettyä, riskialtista tai botin tehtävän ulkopuolista. Testi tarkistaa, noudattaako botti rajojaan ja eskaloiko tarvittaessa ihmiselle.
Osa 18/27Oikein luokiteltujen tapausten osuus kaikista tapauksista. Harvinaisen ilmiön tunnistamisessa korkea kokonaistarkkuus voi peittää sen, ettei malli löydä etsittyjä tapauksia.
Osa 7/27Esimerkkidatan avulla muodostettu malli, joka antaa uudesta tapauksesta arvion. Menekkimalli voi arvioida aiempien päivien perusteella, kuinka paljon tuotetta seuraavana päivänä tarvitaan. Käytössä oleva malli ei automaattisesti opi jokaisesta uudesta tapauksesta.
Osa 1/27Kaikkien olosuhteiden ja taustatietojen kokonaisuus, jota tekoäly tarvitsee ymmärtääkseen kysymyksen ja antaakseen sopivan vastauksen. Konteksti koostuu roolista, taustatiedoista, tavoitteesta, rajauksista ja esimerkeistä. Se on vastakohta yksittäiselle promptille.
Osa 4/27Tokeneina määritelty raja, joka rajoittaa sitä, kuinka paljon tekstiä tekoälymallit voivat käsitellä yhdessä keskustelussa. Kun raja täyttyy, vanhin tieto häviää. Esim. GPT-4-mallin ikkuna oli 128 000 tokenia; uudemmissa malleissa ikkuna voi olla paljon suurempi.
Osa 5/27Yhteen havaittuun puutteeseen tehdään nimetty muutos, minkä jälkeen samaa asiaa koskeva testi toistetaan samalla odotuksella. Vertailu antaa näyttöä korjauksen vaikutuksesta tässä testissä, ei kaikissa mahdollisissa tilanteissa.
Osa 18/27Esimerkit, joiden avulla malli oppii. Roskapostimallin koulutusaineistossa viestit on merkitty esimerkiksi roskapostiksi tai tavalliseksi viestiksi.
Osa 2/27Tekstiaineisto, jonka esimerkeistä kielimalli oppii koulutuksessa. Aineiston määrän lisäksi sen laatu, kattavuus ja käsittely vaikuttavat mallin toimintaan.
Osa 3/27Sisällön valitsemista, järjestämistä ja esittämistä niin, että se palvelee tiettyä tarkoitusta tai kohderyhmää — esimerkiksi botin tietopohjan kokoaminen selkeäksi kokonaisuudeksi.
Osa 15/27Vertailu, jossa arvioidaan, ovatko automatisoinnin kustannukset pienemmät kuin sen hyödyt. Se on tärkeä agentin käytöstä päätettäessä.
Osa 20/27Tekninen tai organisatorinen raja, joka määrittää, kuka saa käyttää bottia tai nähdä tietopohjan aineistoa. Pelkkä järjestelmäpromptin kielto ei ole tekninen käyttöoikeusraja.
Osa 18/27Tekninen sääntö, joka varmistaa, että käyttäjä voi hakea ja nähdä vain hänelle sallittua aineistoa. Pelkkä promptiin kirjoitettu kielto ei riitä käyttöoikeusrajaksi.
Osa 15/27Tekninen ympäristö, jossa palvelu tai malli toimii. Se voi olla palveluntarjoajan pilvi, organisaation hallitsema ympäristö tai käyttäjän oma laite.
Osa 11/27Toimija, joka käyttää tekoälyjärjestelmää omassa toiminnassaan. Yksityishenkilön henkilökohtainen käyttö ei yleensä kuulu tähän rooliin.
Osa 8/27Mitattava ominaisuus, jolla verrataan porttiehdot läpäisseitä työkaluja keskenään — esimerkiksi säilyvätkö faktat tai noudattaako vastaus pyydettyä rakennetta. Laatukriteerit pisteytetään.
Osa 10/27Valmis yhteys, jonka kautta n8n voi käyttää toista palvelua. Aloittelijan ei tarvitse ohjelmoida yhteyttä itse.
Osa 22/27Kirjaus siitä, mitä agentti tekee. Tehtävän kannalta olennaiset valinnat, työkalujen käytöt, tulokset ja virheet tallennetaan ilman tarpeettomia henkilötietoja tai salaisuuksia.
Osa 22/27Kirjaus siitä, mitä agentti teki. Milloin aloitti, mitä kutsui, mitä tapahtui.
Osa 24/27Lähteen alkuperän, tarkoituksen, ajantasaisuuden ja luotettavuuden arviointi. Lähdekritiikki kysyy myös, tukeeko lähde todella esitettyä väitettä.
Osa 9/27Parametri, joka kontrolloi, kuinka satunnaisia mallin valinnat ovat. Matala lämpötila = ennustettavampia vastauksia. Korkea lämpötila = satunnaisempia ja luovempia vastauksia.
Osa 3/27Agentin ohjauskehys antaa agentille vain tehtävän kannalta välttämättömät oikeudet. Näin mahdollisen virheen tai hyökkäyksen seuraukset jäävät pienemmiksi.
Osa 24/27Anna agentille vain minimaalinen pääsy, jonka se tarvitsee. Rajoitus tekee järjestelmästä turvallisemman.
Osa 22/27Tekijä, joka määrittää, kuinka vaativa järjestelmä on rakentaa ja ylläpitää. Suurempi monimutkaisuus tarkoittaa suurempia kustannuksia.
Osa 20/27Prosessi, jossa päätös vaatii useiden hyväksyjien hyväksynnän peräkkäin.
Osa 25/27Tehtävän nykyinen tila voi olla keskustelun konteksti-ikkunassa tai agentin ohjauskehyksen muussa tilanhallinnassa. Pitkäkestoinen muisti tarkoittaa esimerkiksi tietokantaan tai lokiin tallennettua aiempaa tietoa, ja se lisätään vain silloin, kun myöhempi suoritus todella tarvitsee sitä. Muisti ei tarkoita, että malli oppisi automaattisesti.
Osa 19/27Tekninen rajoitus, joka estää tekoälyä muistamasta rajattomasti kaikkea. Johtaa konteksti-ikkunan tarpeellisuuteen.
Osa 5/27Järjestelmäprompti — Botin toimintaa ohjaava teksti, joka määrittää botin roolin, tehtävän, toimintatavan ja rajat. Se vaikuttaa kaikkiin botin vastauksiin.
Mukautettu botti — Tiettyyn tarkoitukseen määritetty botti. Se voi sisältää järjestelmäpromptin, ohjeita, tiedostoja ja integraatioita.
Persoona — Botille määritetty viestintätapa ja sävy. Persoona voi olla esimerkiksi ystävällinen ja kärsivällinen tai suora ja asiallinen. Se tukee botin roolia, mutta ei korvaa tehtävää tai asiantuntemusta.
Konteksti — Taustatieto, jonka perusteella botti tulkitsee pyyntöä ja muodostaa vastauksen. Konteksti voi sisältää aiemman keskustelun tai botille annetut dokumentit.
Iteraatio — Prosessi, jossa testataan, parannetaan, testataan uudelleen ja parannetaan jälleen. Hyödylliset botit syntyvät iteraation kautta, ei heti täydellisesti ensimmäisellä kerralla.
Osa 17/27Säännöt, jotka voivat muuttua tilanteen tai oppimisen mukaan. Agentti soveltuu paremmin muuttuviin sääntöihin.
Osa 20/27Testi, jossa kokeillaan tilanteita, joiden ei pitäisi toimia: botin pitää osata kieltäytyä, rajata vastaustaan tai ohjata käyttäjä oikeaan paikkaan.
Osa 15/27Matemaattinen kerrosrakenne, jossa opitut parametrit muokkaavat tiedon kulkua. Historiallinen inspiraatio liittyy löyhästi biologisiin neuroneihin, mutta neuroverkko ei jäljittele ihmisaivojen toimintaa.
Osa 3/27Kielimallin perusmekanismi: seuraavan tokenin arvaaminen aikaisempien tokenien ja parametrien perusteella. Malli tekee tämän yksi kerrallaan, kunnes vastaus on valmis.
Osa 3/27Testi, jossa käyttäjä pyytää botilta sen rajattuun ydintehtävään kuuluvaa tavallista apua.
Osa 18/27Tiivis sivu, dia tai vastaava näkymä, joka kokoaa rakenteen, mallivalinnan, testit, korjauksen, turvallisuusrajan ja toteutuksen rajoituksen.
Osa 27/27Palvelu, jonka käytöstä, asetuksista, käyttöoikeuksista ja sallituista käyttötarkoituksista organisaatio on tehnyt päätöksen.
Osa 11/27Agentin ohjauskehyksen toteuttama koordinointi: miten työkalut tai agentit kutsutaan, miten tulokset ja virheet välitetään, milloin kierros päättyy ja mitä tapahtumia lokitetaan.
Osa 23/27Agentin ohjauskehyksen osa, joka koordinoi työkalujen käyttöä. Kielimalli ehdottaa toimintoa, mutta ohjauskehys tarkistaa työkalun ja oikeudet, suorittaa kutsun sekä palauttaa tuloksen tai virheen mallille.
Osa 22/27Päätös siitä, käytetäänkö valmisagenttia vai rakennetaanko oma. Valintaa ohjaavat prosessin toistuvuus ja tarkkuus sekä kolme vertailuperustetta: kustannus, kontrolli ja läpinäkyvyys.
Osa 20/27Todellisten positiivisten osuus kaikista mallin positiivisiksi merkitsemistä tapauksista. Petosesimerkissä se kertoo, kuinka suuri osa hälytyksistä oli oikeita petoksia.
Osa 7/27Mallin käyttäminen omalla laitteella tai organisaation omassa ympäristössä. Aineisto voi pysyä siellä, jos sovellus ei lähetä sitä ulkoisiin palveluihin.
Osa 11/27Tieto siitä, kuinka agentin toiminta onnistui. Palaute voidaan käyttää arviointiin tai erilliseen kehitys- ja koulutusprosessiin; käytössä oleva agentti ei automaattisesti opi siitä.
Osa 23/27Prosessi, jossa hyväksynnät, hylkäykset ja perustelut tallennetaan, arvioidaan ja muutetaan tarvittaessa hallituksi järjestelmäpäivitykseksi. Tallennus ei itsessään tarkoita mallin oppimista.
Osa 25/27Valinnainen prosessi, jossa toiminnan tuloksia seurataan ja toteutusta kehitetään. Palaute voi tulla käyttäjältä, järjestelmältä, testistä tai ympäristöstä. Palautesilmukka voi olla ihmisen tekemä katselmointi eikä tarkoita automaattista oppimista.
Osa 19/27Koulutuksessa opittu numeerinen arvo, joka vaikuttaa siihen, miten malli käsittelee syötettä ja muodostaa ennusteita. Suuressa kielimallissa parametreja voi olla hyvin paljon.
Osa 3/27Ennen käyttöä tehtävä arvio siitä, miten suuririskinen tekoälyjärjestelmä voi vaikuttaa ihmisten perusoikeuksiin ja millä suojatoimilla haittoja ehkäistään. EU:n tekoälysäädös velvoittaa siihen tietyissä käyttötilanteissa.
Osa 8/27Strategia, jossa suuri tehtävä jaetaan moneen pienempään osaan. Jokainen osa käsitellään omassa keskustelussaan, omassa puhtaassa ikkunassaan.
Osa 5/27Verkon kautta käytettävä palvelu, jossa aineisto käsitellään palveluntarjoajan tai sen kumppanin järjestelmässä.
Osa 11/27Ehto, jonka on täytyttävä ennen kuin työkalu voi ylipäätään tulla kysymykseen — esimerkiksi lupa käyttää palvelua kyseiselle aineistolle. Porttiehtoa ei pisteytetä: se joko täyttyy tai pudottaa työkalun vertailusta.
Osa 10/27Testi, jossa kokeillaan tilanteita, joiden pitäisi toimia — kysymyksiä, joihin botti on suunniteltu vastaamaan.
Osa 15/27Tiedot, jotka ovat tärkeitä tietyn projektin kaikissa keskusteluissa — esimerkiksi aihe, tavoite, tyyli ja keskeiset rajaukset. Ankkuroidaan toistuvasti.
Osa 5/27Teksti, jonka kirjoitat tekoälylle ja jossa kerrot, mitä haluat sen tekevän. Hyvä prompt on selkeä ja yksityiskohtainen.
Osa 10/27Yksittäinen kysymys tai käsky, joka esitetään tekoälylle. Suomeksi käytetään myös termiä kehote. Prompti on eri asia kuin konteksti — prompti on kysymys, konteksti on pohja, jonka päälle kysymys rakentuu.
Osa 4/27Hyökkäys, jossa hyökkääjä piilottaa ohjeita käyttäjän syötteeseen. Agentti sekoittaa ohjeistuksensa ja hyökkäyskäskyn.
Osa 24/27Uudelleen käytettävä promptipohja, jossa näkyvät käyttötarkoitus, rakenne, laatukriteerit ja tunnettu raja. Se on ensimmäinen bottiprojektin kolmesta rakennuspalikasta.
Osa 18/272–3 minuutin perusteltu esitys, jossa opiskelija näyttää mallivalinnan, testin, korjauksen, turvallisuusrajan ja työn rajoituksen.
Osa 27/27Agentin aivot. Se analysoi tilanteen, selvittää tavoitteen, pohtii mahdollisia ratkaisuja ja tekee suunnitelman siitä, kuinka edetä. Päättelijä käyttää logiikkaa ja tietoa tehdäkseen fiksuja päätöksiä.
Osa 19/27Mallin sisäinen prosessi, jolla se tuottaa seuraavan vastauksen tai toiminnon. Piilotettua raakaa päättelyketjua ei pyydetä eikä tallenneta; käyttäjälle voidaan antaa lyhyt perustelu ja toteutuksesta lokitetaan havaittavat tapahtumat.
Osa 23/27Menetelmä, jolla tehdään järkevä valinta esittämällä sarja kysymyksiä. Se auttaa päättämään, mikä automatisointiratkaisu on oikea: promptaus, työnkulku vai agentti.
Osa 20/27Hakua hyödyntävä vastausten muodostaminen. Järjestelmä hakee tietopohjasta kysymykseen sopivia katkelmia ja antaa ne kielimallille vastauksen tueksi. Tietopohja on aineisto; RAG on yksi tapa hakea ja käyttää sitä.
Osa 18/27Hakua hyödyntävä vastausten muodostaminen. Ensin hakuvaihe etsii tietopohjasta kysymykseen sopivia tekstikatkelmia, sitten kielimalli muodostaa vastauksen niiden pohjalta. Tietopohja on aineisto; RAG on tapa hakea ja käyttää sitä.
Osa 15/27Työkalu, jolla agentti tekee nimetyn toiminnon, kuten lisää luonnoksen taulukkoon tai valmistelee viestin. Oikeus rajataan kohteeseen ja toimintoon.
Osa 22/27Ne asiat, joita ei haluta vastaukseen — tekniikat, palvelut, näkökulmat tai tyylit, joita halutaan välttää. Rajaukset tekevät vastauksesta tehokkaamman poistamalla epäolennaisen.
Osa 4/27Kuvaus siitä, mitä lausunto käsittelee ja mitä se jättää ulkopuolelle. Rajaus estää johtopäätöstä laajenemasta näyttöä pidemmälle.
Osa 9/27Rakenteiset työkalut, minimioikeudet, sallittujen toimintojen lista, arvorajat, salaisuuksien eristys ja hyväksyntäportit, joilla mahdollinen vahinko rajataan.
Osa 24/27Suunnittelumalli, jossa agentti valitsee työkalun, saa tuloksen tai virheen ja valitsee seuraavan toiminnon havainnon perusteella. Lokiin tallennetaan työkalujen käytöt, tulokset, toiminnot ja lyhyet päätösperustelut — ei mallin sisäistä päättelyä.
Osa 23/27Perusteltu arvio omasta työstä ja oppimisesta. Tässä tehtävässä reflektio nimeää tärkeän testihavainnon, tehdyn korjauksen, uudelleentestin rajatun tuloksen ja seuraavan kehitysaskeleen.
Osa 18/27Agentin päätös siitä, mitä polkua tai strategiaa se käyttää tehtävän ratkaisemiseksi. Agentti valitsee reitin tavoitteen, tilanteen ja käytettävissä olevien resurssien perusteella.
Osa 19/27Outo tai epätavallinen syöte, kuten tyhjä tai hyvin sekava kysymys. Reunatapaukset paljastavat, kuinka kestävä botti on.
Osa 15/27Mahdollisuus, että agentti tekee virheen tai aiheuttaa vahinkoa. Suuri riski tarkoittaa, että agenttia täytyy valvoa tarkasti.
Osa 20/27Suunnittelu siihen, mitä tapahtuu, jos agentti tekee virheen. Neljä kerrosta: validointi, rajoitus, seuranta, palautuminen.
Osa 22/27Se, kuka olet kontekstissa — vastuullisena käyttäjänä, opiskelijana, aloittelijana tai asiantuntijana — sekä tausta-asiantuntemuksesi. Rooli auttaa tekoälyä valitsemaan vastaukseen sopivan tason ja sävyn.
Osa 4/27Tiettyyn tarkoitukseen määritetty tekoälyavustin. Räätälöidyllä botilla voi olla oma rooli, ohjeet ja tietopohja.
Osa 10/27Luettelo asioista, joita agentti saa tehdä. Siinä nimetään esimerkiksi hyväksytyt lähteet, tiedostot, vastaanottajat ja toimintotyypit.
Osa 22/27Mallin ja sen tulosten tarkkailu käyttöönoton jälkeen. Seuranta auttaa huomaamaan virheet ja toiminnan heikkenemisen.
Osa 2/27Vaiheittainen kuvaus siitä, mitä suunniteltu järjestelmä tekisi annetulla syötteellä. Simuloiduksi merkitty jälki osoittaa suunnitelman johdonmukaisuutta, ei oikean järjestelmän toimintaa.
Osa 18/27Järjestelmän kyky käsitellä yhä suurempaa määrää tehtäviä ilman, että sen rakenne tai toiminta muuttuu merkittävästi. Agentti on paremmin skaalautuva kuin työnkulku muuttuvissa tilanteissa.
Osa 20/27Yksinkertainen ohjelma, joka tekee aina saman asian samalla tavalla. Se ei mieti tai muuta toimintaansa tilanteen perusteella.
Osa 19/27Yhden toteutuksen tapa järjestää syötteet, kielimallin päättely, työkalukutsut, turvarajat ja tulosten käsittely. Suoritusputkia voi olla erilaisia. Pitkäkestoinen muisti ja palautteesta oppiminen eivät ole jokaisessa putkessa pakollisia.
Osa 19/27Perusteltu ehdotus seuraavasta toimenpiteestä. Hyvä suositus kertoo, kuka toimii, mitä tekee ja millä ehdolla.
Osa 9/27EU:n tekoälysäädöksen mukainen järjestelmä, jonka käyttötarkoitukseen liittyy merkittäviä terveyteen, turvallisuuteen tai perusoikeuksiin kohdistuvia riskejä ja siksi tavallista tiukempia velvollisuuksia.
Osa 8/27Agentin silmät ja korvat. Se vastaanottaa herätteitä käyttäjältä tai ympäristöstä, muuttaa ne järjestelmän ymmärtämään muotoon ja välittää ne päättelykomponentille.
Osa 19/27Kirjalliset ohjeet, joita työnkulku seuraa. Staattinen työnkulku noudattaa aina samoja sääntöjä.
Osa 20/27Ohjelma, joka seuraa ennalta kirjoitettuja jos–niin-sääntöjä. Esimerkiksi kulkukorttiovi voi aueta, jos kortin tunniste löytyy sallittujen listalta.
Osa 1/27Toimija, joka kehittää tekoälyjärjestelmän tai teettää sen ja saattaa sen markkinoille tai käyttöön omalla nimellään tai tavaramerkillään.
Osa 8/27Erilliset askeleet, jotka tarkistavat agentin vastauksia ennen kuin ne lähetetään.
Osa 24/27Kaikki aiemmin tehty työ, aiemmat yritykset, jo tiedossa olevat tiedot tai tekijät, jotka vaikuttavat nykyiseen ongelmaan. Taustatieto auttaa tekoälyä ymmärtämään, mistä haluat lähteä ja mitä voit jo ottaa annettuna.
Osa 4/27Se, mitä haluat saavuttaa, miksi kysyt ja mihin käytät vastausta. Selkeä tavoite auttaa tekoälyä suodattamaan epäolennaisen tiedon ja kohdistamaan vastauksen juuri sinun tarpeisiisi.
Osa 4/27Lausunnon keskeinen väite eli vastaus arvioitavaan kysymykseen. Hyvä teesi on täsmällinen ja sitä voidaan tukea todistusaineistolla.
Osa 9/27Asia, jota valittu näyttö ei todista. Dokumentoitu suunnitelma ei esimerkiksi osoita testaamattoman liitännän toimivuutta.
Osa 27/27Suorituspolku, jossa botti rakennetaan käytettävälle alustalle. Näyttö voi koskea todellista toimintaa, tietopohjan kytkentää ja toteutukseen kuuluvia pääsyasetuksia.
Osa 18/27Kattotermi menetelmille, joiden avulla järjestelmä voi esimerkiksi tunnistaa, ennustaa, suositella tai tuottaa sisältöä. Koneoppiminen on yksi tapa toteuttaa tekoälyä. Kaikki automaatio ei ole tekoälyä.
Osa 1/27EU:n riskiperusteinen säädös tekoälyjärjestelmistä. Velvoitteet riippuvat käyttötarkoituksesta ja organisaation roolista. Tietosuoja ja tekoälyasetuksen velvoitteet tarkistetaan erikseen.
Osa 11/27Taidot ja ymmärrys, joiden avulla tekoälyä voidaan käyttää tietoisesti sekä tunnistaa sen mahdollisuuksia, rajoja ja riskejä. EU:n tekoälysäädöksen velvoite kohdistuu tarjoajiin ja käyttöönottajiin, joiden pitää parhaansa mukaan huolehtia henkilöstönsä ja puolestaan toimivien henkilöiden riittävästä osaamisesta.
Osa 8/27Käyttöliittymä tai ohjelmointirajapinta, jonka kautta tekoälymallia käytetään. Palvelu määrittää esimerkiksi kirjautumisen, historian, tiedostojen käsittelyn ja käyttöehdot.
Osa 11/27Tietopohjan aineistosta pilkottu pieni pala, tyypillisesti muutaman kappaleen mittainen, jota haku voi käsitellä yksitellen. Hakuvaihe poimii kysymykseen osuvimmat katkelmat ja liittää ne mallin kontekstiin vastausta varten.
Osa 15/27Positiivinen testaus — Testataan asioita, joiden pitäisi toimia. Nähdään, vastaako botti oikein normaaleissa tilanteissa.
Negatiivinen testaus — Testataan asioita, joiden ei pitäisi toimia. Nähdään, kieltäytyykö botti asianmukaisesti ja suojaako se itseään.
Reunatapaus — Poikkeava tai odottamaton tilanne, kuten tyhjä syöte, väärällä kielellä kirjoitettu teksti tai hyvin pitkä teksti. Reunatapausten avulla arvioidaan, kuinka luotettavasti botti toimii poikkeavissa tilanteissa.
Testidokumentti — Kirjallinen raportti, joka sisältää syötteen, odotetun tuloksen, todellisen tuloksen ja analyysin.
Tekninen toteutuspolku — Suorituspolku, jossa botti rakennetaan käytettävälle alustalle ja sen todellinen toiminta testataan.
Dokumentoitu suunnittelupolku — Suorituspolku, jossa botin arkkitehtuuri, simuloitu suoritusjälki, testit ja rajoitukset kuvataan ilman väitettä toimivista integraatioista.
Simuloitu suoritusjälki — Vaiheittainen kuvaus siitä, miten suunniteltu botti käsittelisi syötteen. Se ei todista teknisen yhteyden, käyttöoikeuden tai tallennuksen toimivan.
Osa 17/27Rakentamisesta erillään pidetty aineisto, jolla valitun mallin toimintaa arvioidaan uusissa tapauksissa.
Osa 2/27Agentti voi lukea ja kirjoittaa tiedostoja. Lukuoikeus antaa pääsyn tietoihin, kirjoitusoikeus antaa vaikutuksen.
Osa 22/27Periaate, jonka mukaan tehtävässä käsitellään vain tarkoituksen kannalta tarpeellisia henkilötietoja.
Osa 11/27Tieto, jonka varassa botti vastaa — esimerkiksi tuotelista, ohjeet ja usein kysytyt kysymykset. Ilman ajantasaista tietopohjaa botti arvailee ja voi antaa virheellisiä vastauksia.
Osa 15/27Kolmas rakennuspalikka. Tietopohja sisältää 2–4 huolella valittua lähdettä. Testisuunnitelma sisältää kolme ennalta kirjoitettua testiä, niiden odotukset ja läpäisyehdot.
Osa 18/27Periaatteet ja käytännöt, jotka suojaavat henkilötietoja ja luottamuksellista tietoa. Asiallisesti tärkeää: mihin datasi menee, kun kirjoitat sen tekoälylle?
Osa 10/27Pitkän tekstin tai keskustelun tiivistäminen lyhyemmäksi oleellinen säilyttäen. Tämä on tärkeä tekniikka kontekstin hallinnassa, kun konteksti-ikkuna on rajallinen.
Osa 4/27Havainto, kokeen tulos, lähde tai muu näyttö, jolla väitettä perustellaan. Sen pitää liittyä suoraan johtopäätökseen.
Osa 9/27Vaihe, jossa agentti tekee konkreettisen toiminnon — kutsuu funktiota, hakee tietoa, kirjoittaa viestin.
Osa 23/27Pieni pala tekstiä, joihin sana tai sanaryhmä jaetaan. Esimerkiksi sana "tekoäly" voi olla 1–2 tokenia. Kielimalli näkee tekstin tokeneina, ei kirjaimina tai kokonaisina sanoina.
Osa 3/27Kielimallin käyttämä tekstin perusyksikkö. Yksi tokeni vastaa suunnilleen yhtä sanaa tai sananpätkää. Kontekstikoko ja hinnoittelu mitataan tokeneissa.
Osa 10/27Todistusaineisto, jolla opiskelija osoittaa työn rakenteen ja toiminnan. Tekninen polku käyttää työnkulkua ja suoritusnäkymää. Dokumentoitu polku käyttää kaaviota, todellista mallikutsua ja simuloitua suoritusjälkeä.
Osa 27/27Salainen tieto, jolla palvelu tunnistaa käyttäjän tai järjestelmän. Sitä ei kirjoiteta promptiin eikä lokiin.
Osa 22/27Komponentti, joka tarkistaa agentin tekemiä päätöksiä ja toimintoja. Se varmistaa, että agentti noudattaa sääntöjä ja normeja ennen toimintoa, sen aikana ja sen jälkeen. Turvakerros suojaa käyttäjiä ja järjestelmää virheiltä ja väärinkäytöksiltä.
Osa 19/27Yksi osa kerroksittaista suojausta. Se voi tarkistaa rakenteen, rajata toimintaa, vaatia hyväksynnän, lokittaa tai tukea palautumista. Yksikään turvakerros ei yksin takaa sääntöjen noudattamista.
Osa 24/27Rajattu kyvykkyys, jonka avulla agentti saa tietoa tai tekee nimetyn toiminnon. Työkalulla on syöte, tulos, oikeudet ja virhetilanne.
Osa 22/27Agentin kädet. Se kutsuu rajapintoja (API:ita) ja suorittaa konkreettisia toimintoja, kuten sähköpostien lähettämistä, tietokantojen päivittämistä tai muiden ohjelmien kutsumista. Suorittaja toteuttaa päättelykomponentin tekemät päätökset.
Osa 19/27Agentin prosessi oikean työkalun valitsemiseksi kuhunkin tilanteeseen. Jos agentti joutuu kirjoittamaan sähköpostia, se valitsee sähköpostin lähettämisen työkalun. Jos se tarvitsee tietoa tietokannasta, se valitsee tietokantakyselyn työkalun.
Osa 19/27Proosana tai rakenteisesti kuvattu sopimus siitä, mitä tietoa työkalu saa, mitä se palauttaa, mitä se ei saa tehdä ja miten virhe käsitellään.
Osa 22/27Sarja vaiheita, joita ohjataan etukäteen kirjoitetuilla säännöillä ja päätöksillä. Työnkulku on älykkäämpi kuin skripti, mutta staattisempi kuin agentti.
Osa 19/27Etukäteen kirjoitettu ehto, joka ohjaa prosessia. Esimerkiksi: "Jos sähköposti sisältää sanan lasku, siirrä se kansioon A."
Osa 20/27Saman testin ajaminen samalla syötteellä rajatun korjauksen jälkeen. Tuloksia verrataan keskenään.
Osa 27/27Käytäntö, jossa aloitetaan uusi keskustelu tekoälyn kanssa "puhtaalla" konteksti-ikkunalla sen sijaan, että jatkettaisiin vanhaa, täyttynyttä ikkunaa.
Osa 5/27Tarkistus siitä, että tekoälyn antama vastaus on oikea, sopiva ja turvallinen käyttää. Hyvä konteksti auttaa, mutta kriittisten vastausten validointi on silti vastuullisen käyttäjän velvollisuus.
Osa 4/27Koulutuksesta erillinen aineisto, jonka avulla malliversioita verrataan ja rakentamisen valintoja säädetään.
Osa 2/27Usean erikoistuneen agentin muodostama järjestelmä, jossa tehtävä jaetaan eri toimijoille. Rakenne lisää työnjaon, tiedonkulun, lokituksen ja valvonnan tarvetta. Moniagenttijärjestelmää ei tarvita tämän kurssin lopputyössä.
Osa 23/27Valmiiksi rakennettu agenttituote, jossa joku muu on toteuttanut kielimallia ympäröivän agentin ohjauskehyksen. Tuotetta voi arvioida kurssin kuuden kohdan tarkistuslistalla, vaikka toteutus ei jakautuisi kuuteen erilliseen osaan.
Osa 19/27Tilanne, jossa lähde löytyy, mutta kielimalli tulkitsee sitä väärin tai lisää vastaukseen väitteen, jota lähde ei tue.
Osa 15/27Väitteen tarkistaminen riippumattomasta ja tehtävään sopivasta luotettavasta lähteestä.
Osa 7/27Agentti voi hakea tietoa internetistä. Ajankohtainen tieto, mutta riskit: väärä tieto, kustannukset, yksityisyys.
Osa 22/27Vuorovaikutuksellinen — Kaksisuuntainen: käyttäjä kysyy, botti vastaa, käyttäjä kysyy lisää. Se ei ole yhdensuuntaista tiedon jakamista.
Täsmällisyys — Vastauksen oikeellisuus ja osuvuus suhteessa käyttäjän pyyntöön.
Keskustelukonteksti — Aiemmat viestit, joita botti voi hyödyntää saman keskustelun aikana. Hyvin suunniteltu botti ei kysy uudelleen jo annettua tietoa.
Validointi — Tarkistaminen, että tieto on oikein ennen sen käyttämistä. Esimerkiksi: "Ymmärsinkö oikein: treenaat kolmena päivänä viikossa ja tavoitteesi on parantaa kuntoa?"
Osa 17/27Luokitteluvirhe, jossa etsitty tapaus jää tunnistamatta. Petosten tunnistuksessa petos pääsee läpi tavallisena maksuna.
Osa 7/27Luokitteluvirhe, jossa tavallinen tapaus merkitään virheellisesti etsityksi tapaukseksi. Petosten tunnistuksessa tavallinen maksu saa siis petoshälytyksen.
Osa 7/27Tutkimus- ja tulevaisuuskäsite tekoälystä, joka pystyisi oppimaan, soveltamaan osaamistaan ja toimimaan joustavasti hyvin erilaisissa tehtävissä. Yleisesti hyväksyttyä nykyistä AGI-esimerkkiä ei ole.
Osa 2/27Mallin kyky toimia myös uusissa, koulutusesimerkkejä muistuttavissa tapauksissa.
Osa 2/27Tilanne, jossa malli mukautuu koulutusaineiston yksityiskohtiin liian tarkasti ja toimii siksi heikommin uusissa tapauksissa.
Osa 2/27Hypoteettinen tekoäly, joka ylittäisi ihmisen kyvyt laajasti. ASI on spekulatiivinen käsite, ei nykyinen järjestelmä tai varma kehitysvaihe.
Osa 2/27