Kenttämuistio · Ontologia

Mallisi ei voita kohinatasoasi

15. kesäkuuta 2026 · Risto Anton Paarni · Helsinki, Suomi

Useimmat kuvittelevat ML-projektin yhdeksi asiaksi: koulutukseksi. Se ei ole sitä.

Todellisuudessa projekti on noin 50 % arviointia, 40 % datan puhdistusta, 8 % integraatiota ja 2 % koulutusta. Se osa, jonka kaikki kuvittelevat koko työksi, on sen pienin siivu.

Vaihe	Osuus	Mitä se todella on
Arviointi	50 %	"Oikean" määrittely, testijoukon rakentaminen, rehellinen pisteytys
Datan puhdistus	40 %	Nimiöt, deduplikointi, täsmäytys, ristiriitojen poisto
Integraatio	8 %	Mallin kytkeminen järjestelmiin, jotka toimivat sen tuotoksen pohjalta
Koulutus	2 %	Se osa, jonka kaikki kuvittelevat koko projektiksi

Lue kaksi ylintä riviä uudelleen. Arviointi ja datan puhdistus ovat yhdeksänkymmentä prosenttia työstä — ja juuri ne ovat se osa, johon hyllystä ostettu malli ei anna sinulle mitään.

Lattia asetetaan ennen kuin malli näkee dataa

Tässä on se osa, joka ratkaisee kaiken. Arviointi ja puhtaat nimiöt asettavat kohinatason oppimiselle. Yksikään malli ei alita sitä.

Malli ei voi laskea kohinatasoa. Se lattia on datasi Shannon-koodauksen optimaalinen raja — tietoa, jota datasi ei koskaan tallentanut, ei isompikaan verkko palauta.

Tämä ei ole virityskysymys, jonka voit voittaa laskentateholla. Likaiset nimiöt ovat informaatioteoreettinen katto. Osta isompi malli, vuokraa lisää GPU:ita — ja törmäät yhä samaan seinään, koska seinä on datassa, ei matematiikassa.

Joten rehellinen kysymys ei ole koskaan "mikä malli?" Se on "mikä on kohinatasomme ja mikä sitä liikuttaa?" Yksi asia liikuttaa sitä: hallittu ontologia, joka pitää nimiöt puhtaina, johdonmukaisina ja ajan tasalla. Se on sama teesi, johon palaamme yhä uudelleen — ontologia, ei malli, on tuote — nyt lausuttuna informaatioteorian, ei anekdootin, kielellä.

Miltä korkea kohinataso näyttää

Se on harvoin dramaattista. Se on vanhoja nimiöitä, jotka menevät hiljaa pieleen — jokaisella toimialalla, jolla työskentelemme.

Rakentaminen

Komponentti merkitty viime vuoden EN-standardiin, toimittajan sertifikaatti vanhentunut, hiilijalanjälkikerroin jota kukaan ei päivittänyt. Malli oppii vanhentuneen merkinnän uskollisesti.

Energia & valmistus

Kaksi järjestelmää on eri mieltä laitoksen päästökertoimesta eikä kukaan täsmäyttänyt niitä. Kouluta sillä, ja olet opettanut mallille ristiriidan, et totuuden.

Maatalous & logistiikka

Lohkon tukistatus tai lähetyksen tullinimike muuttui sääntelyn rajalla, mutta nimiö näyttää yhä vanhaa arvoa. Vanhentuneet nimiöt nostavat lattiaa kaikelle, mikä rakentuu niiden päälle.

Mitään näistä ei korjata kouluttamalla. Kaikki ne korjataan tarkistamalla vanhat nimiöt — jatkuvasti, järjestelmän sääntönä, ei kevätsiivouksena.

Miksi vanhat nimiöt ovat itse työ, eivät kotityö

Ei kulu päivääkään ilman ajatusta ontologiasta. Nimiöt rapautuvat. Määritelmät ajautuvat. Eilisen oikea merkintä on tämän päivän ristiriita. Rakensimme tämän vakaumuksen alustaan vuosia sitten ja kutsuimme sitä aktiiviseksi karsinnaksi (Active Pruning): vanha, ristiriitainen tai mitätöity tieto poistetaan aktiivisesti, ja järjestelmä pakottaa täsmäytyksen vanhojen faktojen ja uusien tarinoiden välillä.

Asetimme sille jopa tavoitteen — terve 5–10 % nimiöidyistä artefakteista uudistuu joka neljännes. Uudistuminen ei ole rappiota. Se on lattian tarkoituksellista alhaalla pitämistä.

Rehellinen osa

Puhdas ontologia laskee kohinatasoa. Se ei keksi signaalia, jota ei koskaan kerätty. Jos mittausta ei koskaan tehty, mikään hallinta eikä mikään malli loihdi sitä — silloin menet ja keräät sen. Ja arviointi on se puolisko, jota kukaan ei halua rahoittaa: ilman rehellistä testijoukkoa et edes näe lattiaasi, saati laske sitä. Emme myy nimiöiden hygieniaa korvikkeena oikeiden asioiden mittaamiselle ensi sijassa.

Lyhyesti

ML on ~50 % arviointia, 40 % datan puhdistusta, 8 % integraatiota, 2 % koulutusta.
Arviointi ja puhtaat nimiöt asettavat kohinatason — datasi Shannon-rajan.
Yksikään malli ei alita sitä. Isompi malli ei palauta tietoa, jota et koskaan tallentanut.
Hallittu ontologia on ainoa, joka laskee lattiaa — pitämällä nimiöt puhtaina ja ajan tasalla.
Vanhojen nimiöiden tarkistus ei ole ylläpitoa. Se on itse työ.

Lue seuraavaksi

Risto Anton Paarni — toimitusjohtaja, Lifetime Oy · päätoimittaja, Lifetime Scope Journal. Periaate katalogisoitu: docs/field-notes/2026-06-15-noise-floor-ontology-old-labels.md; aktiivisen karsinnan koneisto ONTOLOGY.md §8. Tämä artikkeli on kommentaari ML-tekniikan käytännöistä.