Year: 2025
Type: dissertation
Abstract: Tässä opinnäytetyössä kehitettiin tietoturvallinen koulutusalusta suurille kielimalleille (Large Language Models, LLM), joka soveltuu moniasiakasympäristöihin. Tavoitteena oli rakentaa ratkaisu, jossa asiakkaiden data pysyy erillään koko tekoälymallin elinkaaren ajan. Tarve tällaiselle ratkaisulle kasvaa, kun organisaatiot ottavat tekoälyn käyttöönsä mutta kohtaavat tiukkoja tietosuojan ja hallinnan vaatimuksia. Työ vastaa myös EU:n Data Act- ja AI Act -asetusten tuomiin sääntelytarpeisiin. Toteutus tehtiin hyödyntäen Microsoft Azuren ja Fabricin teknologioita. Arkkitehtuuri perustuu asiakaskohtaisiin Lakehouse-rakenteisiin, Azure Machine Learning -palveluun sekä Retrieval-Augmented Generation (RAG) -menetelmään, joka tuo mallille asiayhteyttä ulkoisista tietolähteistä. Data eriytettiin workspace-tasolla ja yhteisiä komponentteja käytettiin kustannusten hallitsemiseksi. Näin mahdollistettiin jaettujen mallipohjien hyödyntäminen ja asiakaskohtainen konfigurointi turvallisesti. Lopputuloksena syntyi skaalautuva ja turvallinen alusta tekoälysovellusten koulutukseen ja käyttöön. Työ osoittaa, että suuria kielimalleja voidaan hyödyntää luotettavasti myös ympäristöissä, joissa käsitellään usean asiakkaan arkaluontoista dataa. Kehitetty arkkitehtuuri tarjoaa mallin organisaatioille, jotka rakentavat omia tekoälyratkaisujaan moniasiakaskäyttöön.
Source: Theseus (Ammattikorkeakoulujen)
Author: Vilpo, Mika
Institution: Turku University of Applied Sciences
Language: Finnish
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
SDG: Quality education
Open Access status: green
OpenAlex ID: W7080349423