Gemma groeit uit tot een open AI-platform voor ontwikkelaars
Google heeft met zijn Gemma-modellen een opvallende mijlpaal bereikt. De open AI-modellen zijn inmiddels meer dan één miljard keer gedownload. Achter dat indrukwekkende cijfer schuilt vooral een verhaal over wat ontwikkelaars met relatief compacte en lokaal inzetbare AI kunnen bouwen. Van hulpmiddelen voor blinden en slechtzienden tot een digitale coach voor autocoureurs: Gemma duikt steeds vaker op in toepassingen die ver buiten een klassieke chatbot gaan.
Tijdens een evenement rond de miljardste download bracht Google DeepMind verschillende ontwikkelaars samen om te tonen hoe zij de technologie in de praktijk gebruiken. Daarmee wilde het bedrijf niet alleen een cijfer vieren, maar vooral laten zien hoe een ecosysteem rond open AI-modellen zich ontwikkelt.
Van experiment naar ecosysteem
Gemma werd ontwikkeld als een familie van modellen waarmee ontwikkelaars zelf AI-toepassingen kunnen bouwen en experimenteren. Een belangrijk verschil met uitsluitend via de cloud aangeboden AI-diensten is dat dergelijke modellen ook lokaal kunnen worden ingezet.
Dat opent andere mogelijkheden. Ontwikkelaars kunnen bijvoorbeeld toepassingen bouwen waarbij gegevens zoveel mogelijk op het eigen toestel blijven, AI beschikbaar blijft zonder permanente internetverbinding of modellen verder worden aangepast voor zeer specifieke taken.
De grens tussen een AI-model en gewone software begint daardoor langzaam te vervagen. Het model wordt steeds vaker een bouwsteen die diep in een applicatie wordt verwerkt.
AI die mensen met een visuele beperking ondersteunt
Een van de opvallendste toepassingen tijdens het evenement richt zich op toegankelijkheid voor mensen die blind of slechtziend zijn.
Multimodale AI kan beelden analyseren en informatie over de omgeving omzetten in bruikbare beschrijvingen. In combinatie met camera's, mobiele apparaten en andere sensoren kan zo software ontstaan die helpt om visuele informatie toegankelijker te maken. Het interessante aan dergelijke projecten is niet alleen de technologie zelf. Ze illustreren hoe kleinere AI-modellen kunnen worden aangepast aan een duidelijk afgebakend maatschappelijk probleem.
In plaats van één gigantische AI-assistent die alles probeert te kunnen, ontstaat zo een gespecialiseerd hulpmiddel dat precies is ontworpen voor de gebruiker en de situatie waarin het wordt ingezet.
Een digitale coach op het racecircuit
Een heel andere demonstratie brengt Gemma naar de autosport. Ontwikkelaars experimenteren met AI als coach voor racewagens en bestuurders.
Daarbij kan informatie uit een rit worden geïnterpreteerd om de bestuurder sneller inzicht te geven in zijn prestaties. Denk bijvoorbeeld aan rijgedrag, timing en andere gegevens die tijdens een race of trainingssessie worden verzameld.
Het voorbeeld laat zien hoe generatieve AI geleidelijk verschuift van tekstvensters naar systemen die onderdeel worden van fysieke activiteiten. De AI kijkt niet langer alleen naar een vraag die iemand intikt, maar kan worden ingebed in een bredere omgeving waarin gegevens voortdurend veranderen.
Voor sport, training en simulaties opent dat interessante perspectieven.
Creatief schrijven wordt interactiever
Ook creatieve toepassingen krijgen aandacht. Gemma kan worden gebruikt om nieuwe vormen van interactief schrijven te ontwikkelen waarbij een verhaal niet noodzakelijk vooraf volledig vastligt.
Een lezer zou bijvoorbeeld invloed kunnen uitoefenen op personages, gebeurtenissen of de richting van een verhaal. De AI kan vervolgens nieuwe passages genereren die rekening houden met eerdere keuzes en de context van het verhaal.
Daarmee ontstaat iets tussen een boek, een videogame en een AI-ervaring in.
Voor schrijvers en ontwikkelaars betekent dit dat verhalen steeds dynamischer kunnen worden. De auteur bepaalt nog altijd de wereld, regels en creatieve richting, terwijl het model helpt om variaties en nieuwe scenario's te genereren.
Gemma 4 lokaal draaien
Een ander belangrijk thema is het lokaal uitvoeren van Gemma 4.
Lokale AI wordt steeds relevanter omdat krachtige modellen niet noodzakelijk voor iedere taak een verbinding met een groot cloudplatform nodig hebben. Wanneer voldoende rekenkracht beschikbaar is, kunnen bepaalde modellen rechtstreeks op eigen hardware worden uitgevoerd.
Dat heeft verschillende voordelen. Gevoelige informatie hoeft minder snel een extern systeem te verlaten, toepassingen kunnen sneller reageren en ontwikkelaars krijgen meer controle over de volledige AI-stack.
Voor bedrijven kan dat eveneens interessant zijn. Interne documenten, productiegegevens of andere vertrouwelijke informatie kunnen bijvoorbeeld worden verwerkt binnen een infrastructuur die de organisatie zelf beheert.
Eén miljard downloads zegt vooral iets over ontwikkelaars
De grens van één miljard downloads is daarom meer dan een marketingmijlpaal. Ze onderstreept hoe groot de belangstelling is geworden voor AI-modellen waarmee ontwikkelaars zelf kunnen experimenteren.
De volgende fase van generatieve AI lijkt daardoor niet uitsluitend te draaien om steeds grotere modellen. Compactere modellen die goedkoop, lokaal en voor gespecialiseerde toepassingen kunnen worden ingezet, krijgen eveneens een belangrijke plaats. De voorbeelden rond toegankelijkheid, autosport en creatief schrijven maken duidelijk waarom. De echte waarde ontstaat uiteindelijk niet wanneer een model wordt gedownload, maar wanneer iemand er iets mee bouwt.
Voor Google is één miljard downloads dus vooral een tussenstand. Voor ontwikkelaars begint het interessantste werk daarna pas.
