Year: 2025
Type: dissertation
Abstract: Opinnäytetyössä käsitellään suurten tekoälykielimallien hyödyntämistä suomalaisen kiinteistösähkösuunnittelun sovelluskentässä. Siinä avataan generatiivisen tekoälyn GPT-arkkitehtuurin oleellisia toimintaperiaatteita vektori- ja matriisitason kuvauksien tasolla samalla yleistajuisesti selittäen. Opinnäytetyössä kehitettiin konseptidemo työkalusta, jolla on potentiaali säästää aikaa ja samalla parantaa projektityöskentelyn laatua. Ensimmäisenä tavoitteena oli rakentaa riittävä teoreettinen ymmärrys generatiivisen tekoälyn toimintaperiaatteista ja oleellisista konsepteista. Toisena tavoitteena oli tunnistaa haasteita ja mahdollisuuksia, joita sähkösuunnittelualan luonteesta aiheutuu koneoppimismenetelmien tai generatiivisen tekoälyn hyödyntämisessä. Kolmantena tavoitteena oli kehittää hakutäydennettyä generointia (RAG) hyödyntävä konseptidemo kyselytyökalusta, joka mahdollistaisi tietokyselyt esivalitusta kuratoidusta pdf-tietoaineistosta. Työkalun tavoitteet olivat, että se ymmärtää ja tuottaa suomea, on paikallisesti ajettava ja toteutettu avoimen lähdekoodin työkaluilla. Opinnäytetyössä sovellettiin konstruktiivista tutkimus- ja kehittämisotetta; demosovelluksen kehittämisen tuloksena syntyi tietoutta, jota voi soveltaa yleisesti tuotantokelpoisen RAG-sovelluksen kehittämisessä. Teoreettinen osuus toteutettiin kuvailevalla kirjallisuuskatsauksen menetelmällä. Kolmannessa luvussa sovellettiin tapaustutkimuksen filosofiaa, kun tarkasteltiin tekoälyratkaisuiden soveltamisesta suomalaisen kiinteistösähkösuunnittelun alaan. Opinnäytetyön käytännön kehitystyö toteutettiin ketterillä kehitysmenetelmillä lainaten soveltuvia periaatteita scrum- ja lean-malleista. Työkalu luotiin iteroimalla kehitysvaiheita tarvittavan monta kertaa halutun tuotteen aikaansaamiseksi, samalla pyrittiin minimoimaan teknistä velkaa. Tuloksena saatiin haluttu konseptidemo kyselytyökalusta. Tärkeimpänä antina toimeksiantajalle saatiin oppia seikoista, joita tuotantotasoisen RAG-järjestelmän kehittämisessä ja sen tietoaineiston kasaamisessa on huomioitava. Lopputuloksissa todettiin, että kuvatun ongelman kannalta olisi helpompaa kehittää tuotantokäyttösovellus suljettuja kolmannen osapuolen suuria kielimalleja hyödyntäen.
Source: Theseus (Ammattikorkeakoulujen)
Author: Railo, Kimi
Language: Finnish
Topic: Topic Modeling
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7113183877