tekoäly
Uusi analyysi viittaa siihen, että useat romaaniset kielet ohittavat englannin tekoälyn luetunymmärtämisessä – tärkeä tieto, kun yhä useampi kysyy koneelta neuvoa omalla kielellään. Kuka ei olisi joskus vaihtanut chattibotin kanssa englanniksi, koska se kuulostaa “varmalta valinnalta”? On syntynyt hiljainen käytäntö: jos haluat parhaan vastauksen, kysy englanniksi. Mutta entä jos tämä peukalosääntö
tekoäly
Kuvitellaan ilta keittiönpöydän ääressä. Koululainen avaa tabletin ja kysyy opettajabotilta: ”Miten kertolaskut toimivat?” Hetken kuluttua ruudulle ilmestyy vastauksia ja harjoituksia – ja ennen sitä kysymyksiä lapsesta itsestään. Mikä on etunimesi? Kuinka vanha olet? Saako palvelu tallentaa keskustelun? Tällaiset tilanteet ovat yleistyneet nopeasti. Samalla on jäänyt sumeaksi, miten paljon lapsesta on soveliasta
kyberturva
Kun toimiston valot ovat sammuneet, palvelinhuone herää: hälytyksiä tulvii näytölle, ja jokainen viesti on kuin palanen rikosmysteeriä. Kuka ehtii yhdistää ne toisiinsa ennen kuin hyökkääjä on jo ehtinyt seuraavaan koneeseen? Vuosia tietoturvaa on yritetty automatisoida kahdella tavalla. Joko turvaudutaan käsin laadittuihin ohjekirjoihin – “jos tämä hälytys, tee tuo toimenpide” – tai koulutetaan
tekoäly
Yöllä, kun huoli painaa eikä ketään ole paikalla, moni kokeilee jutella puhelimen tekoälylle. Vastaus on usein kohtelias ja täynnä neuvoja: vältä kofeiinia, hengitä syvään, varaa aika lääkärille. Silti jokin tuntuu ontolta. Tietoa on, mutta ymmärrystä ei. Vuosia on puhuttu, että jos tekoälyn vastaukset ovat turvallisia ja oikeita, niistä on apua
AI
Researchers have built a method to make artificial intelligence more reliable when it reads emotions in text, such as clinical notes, counselling chats and posts in online support groups. This matters because early triage and risk assessment often depend on what people write and how that writing is interpreted. Why
AI
Large language models, the systems behind today’s chatbots, can be pushed to change their answers after just a few lines of persuasive prompting. A new research paper finds that smaller models give in especially quickly, and that a common safety trick — asking the model to state how confident it
AI
Small changes in wording can sway how today’s text-based AI systems judge answers, a new study finds. This matters because such models are increasingly used to grade work, screen content and compare other AI systems. If the question is phrased differently, the verdict can shift. Why this is being
AI
AI agents are getting powerful—so how do we make sure they do the right thing, not just the effective thing? Meet GRACE, a reason-based moral governor that keeps AI behavior aligned with human norms by separating moral reasoning from goal-driven decision-making. * Moral Module: uses deontic logic and explicit reasons
AI
AI agents get their superpowers from "skills" - plug-ins that add instructions and code. A new large-scale study of 31,132 skills from two marketplaces finds a big security gap. * 26.1% of skills had at least one vulnerability across 14 patterns in four buckets: prompt injection, data
AI
Jailbreak prompts can still push chatbots to produce harmful content, even after safety training. Many defenses either miss sophisticated attacks or over-block harmless requests. This paper finds a useful clue: during generation, models carry latent safety signals that spike when content turns risky, but those signals get overridden by the
AI
AI that reads privacy policies so you don't have to Privacy policies are long, legal, and hard to compare. LADFA is a new AI framework that turns those walls of text into a clear map of how companies collect, use, store, and share your personal data. How it
AI
AI agents can be powerful—and unpredictable. AgentGuardian is a new security framework that keeps them on-task by learning and enforcing access rules tailored to each agent. How it works: * Staging phase: It watches the agent run in a controlled setting, logging execution traces and typical inputs to learn what