Google ontrafelt het raadsel van ons DNA
PLUS: robots die zonder wifi werken, miljoenen illegaal gedownloade boeken voor AI-training, en hoe je vooroordelen uit ChatGPT haalt
De AI-wereld ontwikkelt zich razendsnel, en AI Report houdt je op de hoogte. Twee keer per week de nieuwste ontwikkelingen, tools en inzichten via onze nieuwsbrief en podcast.
🗞️ Het belangrijkste nieuws
Google helpt wetenschappers DNA-puzzel oplossen met AlphaGenome
Nog altijd is 98 procent van ons DNA een mysterie – maar daar komt nu verandering in. Google DeepMind presenteert AlphaGenome, een AI-model dat voorspelt wat kleine veranderingen in DNA teweegbrengen. Voor onderzoekers die worstelen met zeldzame ziektes of kanker kan dit de doorbraak zijn waarop ze wachten.
Wat is er aan de hand?
Tweeëntwintig jaar geleden kraakten wetenschappers de code van het menselijk genoom: alle 3 miljard genetische letters die een mens maken tot wie hij is. Maar wat die letters precies doen? Dat bleef grotendeels een raadsel. AlphaGenome moet daar verandering in brengen. Het AI-model voorspelt wat er gebeurt als je één lettertje in het DNA verandert – gaat een gen harder of zachter werken? Verstoort het belangrijke processen in de cel?
Het is een beetje alsof je eindelijk de handleiding krijgt bij een ingewikkeld apparaat waar je al jaren mee werkt. Tot nu toe moesten wetenschappers maandenlang in het lab experimenteren om erachter te komen wat één kleine DNA-verandering doet. AlphaGenome geeft binnen een seconde een voorspelling.
Van AlphaFold naar AlphaGenome
Vijf jaar geleden verraste DeepMind de wereld met AlphaFold, dat de 3D-vorm van eiwitten kon voorspellen. Die prestatie leverde vorig jaar een Nobelprijs op. Nu pakt het bedrijf een nog groter probleem aan: begrijpen hoe ons complete genetische instructieboek werkt.
“We hebben voor het eerst één model gemaakt dat veel verschillende uitdagingen rond het begrijpen van het genoom verenigt,” zegt Pushmeet Kohli, onderzoeksdirecteur bij DeepMind. Het systeem kan DNA-sequenties tot een miljoen letters lang analyseren – genoeg om een gen plus al zijn regelaars in beeld te brengen.
Hoe werkt het precies?
AlphaGenome gebruikt dezelfde transformerarchitectuur die ook achter ChatGPT zit, maar dan getraind op bergen experimentele data van wetenschappelijke projecten. Het model kan duizenden voorspellingen tegelijk doen: waar begint en eindigt een gen, hoeveel RNA wordt er aangemaakt, welke DNA-stukjes zijn toegankelijk voor eiwitten?
Bijzonder is dat het model ook nieuwe inzichten biedt in RNA-splicing – het knippen en plakken van genetische informatie. Fouten in dit proces veroorzaken ziektes zoals spinale spieratrofie en sommige vormen van taaislijmziekte. Voor het eerst kan een AI-model direct uit DNA voorspellen waar deze knip-en-plakpunten zitten.
Wat zeggen de experts?
Caleb Lareau van het Memorial Sloan Kettering Cancer Center heeft als een van de eersten met AlphaGenome gewerkt. “Dit is tot nu toe het krachtigste hulpmiddel om te modelleren wat DNA-verschillen doen,” zegt hij. “Het geeft ons een eerste indicatie over de werking van een genetische variant wanneer we die bij een mens aantreffen.”
Anshul Kundaje van Stanford University noemt het “een grote sprong voorwaarts” en “een echte verbetering ten opzichte van vrijwel alle huidige topmodellen”. Maar er klinken ook meer terughoudende geluiden. Het systeem kan nog geen voorspellingen doen over zeer verre regelaars – soms zitten die meer dan 100.000 letters verderop – en heeft moeite met cel- en weefselspecifieke patronen.
De keerzijde: geen glazen bol
Verwacht niet dat AlphaGenome kan voorspellen of jij Alzheimer krijgt. Het model kijkt naar moleculaire details, niet naar de complexe wisselwerking tussen genen, omgeving en toeval die je gezondheid bepaalt. Google benadrukt dan ook dat het systeem niet is ontworpen voor persoonlijke genoomvoorspellingen.
Ook blijft het voorlopig bij voorspellingen. Wetenschappers zullen de belangrijkste bevindingen nog steeds in het lab moeten controleren. Het is een hulpmiddel, geen vervanging voor experimenten.
Waarom is dit belangrijk?
Voor mensen met een zeldzame ziekte kan AlphaGenome het verschil maken. Veel patiënten krijgen nooit te horen wat er mis is, zelfs niet als hun DNA volledig in kaart is gebracht. “We kunnen hun genomen verkrijgen, maar hebben geen idee welke genetische veranderingen de ziekte veroorzaken,” legt Julien Gagneur van de Technische Universiteit München uit. AlphaGenome kan artsen helpen de speld in de hooiberg te vinden.
Ook voor kankeronderzoek opent dit deuren. Bij zeldzame kankersoorten met onbekende mutaties kan het model suggereren welke DNA-veranderingen het echte probleem zijn – en mogelijk naar een behandeling wijzen.
Het model is gratis beschikbaar voor wetenschappelijk onderzoek. Commerciële partijen zoals biotechbedrijven kunnen tegen betaling toegang krijgen. Of dit de beloofde doorbraak wordt? Dat zal de praktijk moeten uitwijzen. Maar één ding is zeker: de puzzel van ons DNA wordt stukje bij beetje opgelost.
Google maakt robots slimmer én onafhankelijk van de cloud
Een dubbele klapper van Google deze week. Naast de aankondiging van AlphaGenome komt het bedrijf met een doorbraak in robotica: AI die robots aanstuurt zonder internetverbinding. Het nieuwe Gemini Robotics On-Device model kan zelfstandig schoenveters strikken, shirts vouwen en objecten verplaatsen – allemaal zonder hulp uit de cloud.
Wat is er aan de hand?
Google DeepMind heeft een nieuwe versie van zijn robotica-AI uitgebracht die volledig op de robot zelf draait. Geen vertraging door internetverbindingen, geen privacyzorgen door data in de cloud. De robot kan nu echt autonoom opereren, ook in omgevingen zonder wifi of in situaties waar je liever niet hebt dat beelden naar een server worden gestuurd – denk aan ziekenhuizen of fabrieken.
Het bijzondere is dat ontwikkelaars het model kunnen afstemmen op specifieke taken. Met slechts 50 tot 100 demonstraties – waarbij je de robot handmatig voordoet wat hij moet leren – kun je hem nieuwe vaardigheden bijbrengen.
Van chatbot naar echte robot
We noemen ChatGPT en Gemini weleens ‘robots’, maar nu stuurt dezelfde technologie dus échte machines aan. Carolina Parada, hoofd robotica bij Google DeepMind, legt uit waarom dit zo lastig is: “Een robot opereert niet alleen in de fysieke wereld, hij verandert die ook actief. Of je hem nu blokken laat verplaatsen of je veters laat strikken, het is moeilijk om elke situatie te voorspellen.”
De traditionele aanpak – een robot stap voor stap programmeren voor elke mogelijke situatie – was hopeloos traag. Maar dankzij generatieve AI kunnen robots nu veel beter generaliseren. Net zoals Gemini gedichten kan schrijven of code kan genereren, kan die nu ook robotacties bedenken.
Hoe werkt het precies?
Het vorige Gemini Robotics-systeem werkte nog met een hybride aanpak: een klein model op de robot zelf en een groter model in de cloud. Handig voor complexe taken, maar niet ideaal als je robot snel moet reageren. Je wilt niet dat hij even pauzeert terwijl hij wacht op instructies van een server.
Het nieuwe On-Device model draait volledig lokaal. Volgens Parada werken veel taken direct, zonder aanpassingen. “Als we met de robots experimenteren, zien we dat ze verrassend goed nieuwe situaties begrijpen,” vertelt ze. De nauwkeurigheid ligt maar een fractie lager dan bij het hybride systeem.
Voor echt complexe taken – zoals het maken van een boterham, waarbij de robot moet nadenken over meerdere stappen en ingrediënten op de juiste plek moet krijgen – heb je waarschijnlijk nog steeds een krachtiger model nodig. Maar voor rechtlijnige taken zoals veters strikken (traditioneel een nachtmerrie voor robots) of een shirt vouwen, is het lokale model meer dan geschikt.
Veiligheid voorop
Een chatbot die onzin uitkraamt is vervelend. Een robot met metalen grijpers die onzin uitvoert is gevaarlijk. Google heeft daarom meerdere veiligheidslagen ingebouwd. Het volledige Gemini Robotics-systeem redeneert eerst over wat veilig is om te doen, produceert dan opties via het VLA-model (Vision Language Action), en roept vervolgens een low-level controller aan die kritieke veiligheidscontroles uitvoert – zoals hoeveel kracht de robot mag gebruiken of hoe snel hij zijn arm mag bewegen.
Bij het nieuwe On-Device model moeten ontwikkelaars zelf deze veiligheidsmaatregelen implementeren. Google raadt aan om het systeem te koppelen aan de standaard Gemini Live API, die een veiligheidslaag bevat, en om altijd een low-level controller te gebruiken voor kritieke veiligheidscontroles.
Demonstraties in plaats van programmeren
Een ‘demonstratie’ in de wereld van AI-robotica is iets anders dan je misschien denkt. Het betekent dat je de robot handmatig aanstuurt om een taak uit te voeren, alsof je het voordoet. Na 50 tot 100 van zulke demonstraties kan het model de taak zelfstandig uitvoeren.
“We merken dat voor de meest complexe en verfijnde handelingen nog steeds echte data nodig zijn,” zegt Parada. “Maar je kunt vrij veel met simulatie doen.” Voor taken die veel vingervlugheid vereisen, blijft het nodig om de robot voor te doen hoe het moet.
Waarom is dit belangrijk?
Deze ontwikkeling brengt bruikbare robots een grote stap dichterbij. Denk aan robots in de zorg die kunnen helpen zonder dat patiëntgegevens het systeem verlaten. Of hulprobots in afgelegen gebieden zonder betrouwbaar internet. Fabrieken kunnen robots inzetten zonder zich zorgen te maken over bedrijfsgeheimen in de cloud.
Voor ontwikkelaars opent dit deuren naar nieuwe toepassingen. Ze kunnen het model aanpassen aan specifieke behoeften zonder afhankelijk te zijn van de servers van Google. Het is alsof je een slimme stagiair krijgt die je zelf kunt trainen voor jouw specifieke taken.
Geïnteresseerde ontwikkelaars kunnen zich aanmelden voor Googles testprogramma. Parada hint dat dit nog maar het begin is – het huidige systeem is gebaseerd op Gemini 2.0, terwijl versie 2.5 al genoemd wordt als een enorme verbetering. Als robots net zo’n sprong voorwaarts maken als chatbots, dan wordt 2025 pas echt het jaar van de robot. Al blijft het de vraag of we daar op zitten te wachten.
⚡ AI Pulse
ChatGPT zit nu in WhatsApp, daarvoor hoef je niet de app te downloaden. Meer dan een miljoen mensen sturen al dagelijks spraakberichten naar AI-chatbots via WhatsApp, waar ChatGPT (app +1800 242 8478), Perplexity en Meta AI om je aandacht vechten. Het blijkt de perfecte combinatie: je kunt AI-vragen stellen tijdens vluchten met beperkte wifi, nepnieuws factchecken in groepchats en memes genereren zonder extra apps te installeren. Voor Meta is het een dubbelzinnige zege – WhatsApp wordt weliswaar het grootste platform voor AI-gebruik, maar gebruikers switchen vrolijk tussen concurrerende chatbots voor verschillende taken.
Anthropic kocht miljoenen fysieke boeken om Claude te trainen – maar downloadde er ook 7 miljoen illegaal. Een Amerikaanse rechter oordeelde deze week dat het trainen van AI op legaal gekochte boeken onder fair use valt, waarbij hij het vergeleek met aspirant-schrijvers die leren van gevestigde auteurs. Maar voor de 7 miljoen illegaal verkregen boeken die Anthropic ook gebruikte, kan het bedrijf in december forse schadevergoedingen moeten betalen – tot 150.000 dollar per boek. De uitspraak geeft AI-bedrijven groen licht voor training op legaal verkregen data, maar laat zien dat de grenzen van wat mag nog lang niet duidelijk zijn.
Een Israëlische programmeur verkocht zijn 6 maanden oude AI-startup voor 80 miljoen dollar cash. Maor Shlomo bouwde met Base44 een tool waarmee niet-programmeurs complete apps kunnen maken via tekstprompts. Base44 groeide in een half jaar naar 250.000 gebruikers en genereerde 189.000 dollar winst in mei alleen. Het bedrijf – met slechts 8 medewerkers – werd overgenomen door websitebouwer Wix, dat hiermee inspeelt op de groeiende markt voor vibe coding. Sam Altmans voorspelling over solo unicorns (eenpersoonsbedrijven van minimaal een miljard dollar) is nog toekomstmuziek, maar deze overname laat zien dat AI individuele ondernemers ongekende mogelijkheden biedt.
🔮 Prompt whisperer
Fair-thinking prompting: zo ontmasker en neutraliseer je AI-vooroordelen
Stel je voor: je vraagt ChatGPT om een vacaturetekst voor een senior ontwikkelaar te schrijven, en krijgt een tekst vol met woorden als ‘rockstar’, ‘ninja’ en ‘killer instinct’ – taal die vrouwen systematisch weghoudt uit de tech. Of je laat AI een verhaal schrijven over een succesvolle ondernemer, en elke keer gaat het om een man. Klinkt bekend?
Welkom in de wonderlijke wereld van AI-vooroordelen. Ook al beweren AI-bedrijven dat hun systemen objectief zijn, de realiteit is minder rooskleurig. Van Amazons sollicitatie-AI die vrouwen discrimineerde tot Googles advertentiesysteem dat hoogbetaalde banen vaker aan mannen toonde – vooroordelen zitten diep verweven in de digitale hersenen van onze AI-assistenten.
Gelukkig hoef je niet machteloos toe te kijken. Met een slimme promptingtechniek genaamd fair-thinking kun je AI-vooroordelen niet alleen ontmaskeren, maar ook neutraliseren. Het geheim? Vuur met vuur bestrijden.
Keep reading with a 7-day free trial
Subscribe to AI Report to keep reading this post and get 7 days of free access to the full post archives.