De wereld telt meer dan 7.000 talen, maar artificiële intelligentie denkt nog te vaak in het Engels. In een exclusieve sessie voor de Cohere Labs Regional Africa community legt David Vilar uit hoe TranslateGemma die realiteit fundamenteel verandert.
Als Staff Research Scientist bij Google DeepMind en sleutelfiguur achter de meertalige architectuur van Gemini, bouwt hij bruggen tussen klassieke machinevertaling en de nieuwe generatie generatieve AI. Zijn missie: een model dat niet alleen groot is, maar ook eerlijk, efficiënt en inclusief.
Wie is David Vilar?
David Vilar Torres geldt als een autoriteit in machinevertaling. Sinds 2003 werkt hij aan taalmodellen, evaluatiemethoden en vertaalarchitecturen.
Zijn parcours:
- Promoveerde aan RWTH Aachen University
- Co-auteur van Sockeye bij Amazon Web Services
- Stapte in 2020 over van Google Translate naar Google DeepMind om de meertalige pijler van Gemini te leiden
Binnen DeepMind fungeert hij als schakel tussen traditionele statistische vertaling en moderne LLM’s. Hij waakt erover dat Gemini geen “English-first” model blijft, maar robuust redeneert in meer dan honderd talen.
TranslateGemma: Kleiner model, grotere prestaties
De centrale vraag van de sessie klinkt bijna provocerend: hoe bouw je een vertaalmodel dat beter presteert dan modellen die dubbel zo groot zijn?
TranslateGemma bewijst dat schaal niet alles is. Het model distilleert de “intuïtie” van Gemini in een efficiëntere architectuur en ondersteunt meer dan 500 taalparen. Daarmee positioneert het zich als een open doorbraak in machinevertaling.
De sleutel ligt niet in brute rekenkracht, maar in slimme training.
De tweestapsraket
TranslateGemma gebruikt een tweefasenaanpak:
1. Hoogwaardige synthetische data (SFT)
In plaats van rommelige webdata genereert het model zorgvuldig gecontroleerde trainingsdata. Die aanpak werd eerder verfijnd in projecten zoals NewsPaLM MBR.
2. Reinforcement Learning met ensemble-beloningen
Met behulp van evaluatiemodellen zoals MetricX-QE en AutoMQM leert het systeem zichzelf verfijnen.
Het resultaat? Een model dat niet alleen vertaalt, maar nuance begrijpt en consistentie bewaart — zelfs in complexe taalconstructies.
Multimodale impact: Tekst én beeld
en opvallend inzicht uit het onderzoek: betere tekstvertaling leidt tot sterkere prestaties in beeldgebonden vertaling.
Op benchmarks zoals Vistra blijkt dat verbeteringen in pure tekstkwaliteit directe impact hebben op het vertalen van tekst in afbeeldingen — denk aan verkeersborden, productlabels of educatieve visuals.
De implicatie is groot: Meertalige AI wordt een universele interface tussen mens, tekst en beeld.
Taalsoevereiniteit voor Afrika en lage-resourcetalen
Misschien het meest maatschappelijke luik van de sessie: wat betekent dit voor Afrikaanse talen?
Veel AI-systemen presteren zwak in talen met weinig beschikbare data. TranslateGemma probeert die kloof te dichten via datasets zoals SMOL en GATITOS.
Voor regio’s waar digitale inclusie nog in ontwikkeling is, betekent dit meer dan betere vertalingen. Het betekent culturele zichtbaarheid, economische participatie en technologische soevereiniteit.
Voor een Belgische lezer is de parallel snel gemaakt: Ook kleinere Europese talen moeten mee in de AI-revolutie om hun positie in de digitale economie te behouden.
De brug tussen klassieke vertaling en generatieve AI
David Vilar vertegenwoordigt een nieuwe generatie onderzoekers die traditionele machinevertaling niet overboord gooit, maar integreert in LLM-architecturen.
Waar klassieke systemen focusten op statistiek en sequentiële modellen, combineren LLM’s nu redenering, context en zelfevaluatie. TranslateGemma is daarvan een tastbaar voorbeeld: een systeem dat leert reflecteren op zijn eigen output.
Wat betekent dit voor de toekomst?
De sessie maakt één ding duidelijk: we staan nog maar aan het begin van massaal meertalige AI.
Niet alleen onderzoekers, maar ook bedrijven, beleidsmakers en community’s — zoals Cohere Labs — spelen een rol in het democratiseren van taaltechnologie.
De vraag verschuift van “kan AI vertalen?” naar “kan AI recht doen aan elke taal?”
Volgens Vilar is het antwoord ja — mits de juiste architectuur, evaluatie en inclusieve data.
