ITSpedia – IT-tietosanakirjasi / maaliskuu 2026

Tervetuloa maaliskuun erään IT-salasanakokoelmaanne. Kuten aina, tarjoamme teille kolme uutta artikkelia; täydellisen luettelon löydätte alla ladattavana PDF-tiedostona.

Toivotamme teille miellyttävää itseopiskelua!

Uusimmat hakusanat kokoelmassa

NPU

Neural Processing Unit – erikoistunut prosessori, joka on suunniteltu tekoälyn ja koneoppimisen tehtäviin. Toisin kuin CPU ja GPU, se on optimoitu erityisesti tehokkaaseen päättelyyn ja tekoälytoimintojen nopeuttamiseen pienemmällä energiankulutuksella, mikä on tärkeää etenkin kannettavissa tietokoneissa, reuna-laitteissa ja tekoäly-PC:issä.

Vinkkimme: NPU on järkevin valinta silloin, kun haluat käyttää tekoälyä paikallisesti, kustannustehokkaasti ja pienellä viiveellä. Pelkkä se, että laitteessa ”on NPU”, ei kuitenkaan riitä – kysy myös tuetuista kehysrakenteista, suorituskyvystä tiettyjä käyttötapauksia varten sekä todellisesta ohjelmistotuesta.

RAG

Retrieval-Augmented Generation – arkkitehtoninen lähestymistapa, jossa generatiivinen tekoäly etsii ennen vastauksen luomista ensin asiaankuuluvat tiedot ulkoisista lähteistä, kuten sisäisestä dokumentaatiosta, tietokannoista tai tietopankista, ja käyttää niitä vastausta varten vasta sen jälkeen kontekstina. RAG auttaa parantamaan tulosten osuvuutta, käsittelemään ajankohtaisia tai sisäisiä tietoja sekä vähentämään harhojen riskiä.

Vinkkimme: RAG ei ole taikakeino huonon datan korjaamiseen. Useimmiten ongelma ei johdu mallista, vaan vanhentuneista lähteistä, huonosta chunkingista, puuttuvista käyttöoikeuksista ja heikosta hakutoiminnosta. Aloita tietokannan laadun parantamisesta ja vasta sen jälkeen keskity promptien laatimiseen.

Vector DB

Vektoritietokannat – erikoistuneet tietokannat, jotka on tarkoitettu vektorimuotoisten tietojen, niin kutsuttujen upotusten, tallentamiseen, indeksointiin ja hakemiseen. Perinteisen täsmällisen vastaavuuden tai SQL-ehtojen perusteella tehtävän haun sijaan ne mahdollistavat samankaltaisuuden ja merkityksen perusteella tehtävän haun, mikä on olennaista semanttisessa haussa, suosittelujärjestelmissä, multimodaalisessa tekoälyssä ja RAG-arkkitehtuureissa.

Vinkkimme: Vektoritietokanta ei sinänsä takaa tulosten laatua. Ratkaisevaa on myös se, miten luot upotuksia, miten yhdistät vektorihaun ja perinteisen täystekstihakua sekä miten hallinnoit metatietoja. Ilman hybridi-lähestymistapaa tulos on usein odotettua huonompi.