Google DeepMind: complete uitleg over het AI-lab achter Gemini en AlphaFold
Blogdinsdag, 14 juli 2026 om 6:00
Google DeepMind is het kunstmatige-intelligentielaboratorium achter enkele van de invloedrijkste AI-systemen ter wereld. Het ontwikkelt niet alleen de modellen die Google gebruikt voor Gemini, maar werkt ook aan robotica, klimaatmodellen, medicijnonderzoek, generatieve video en kunstmatige algemene intelligentie.
Het bedrijf verwierf wereldwijde bekendheid met AlphaGo, de AI die een van de beste Go-spelers ter wereld versloeg. Later volgde AlphaFold, een systeem dat de driedimensionale structuur van eiwitten kan voorspellen en wetenschappelijk onderzoek ingrijpend heeft veranderd.
Google DeepMind is daarmee meer dan de maker van een chatbot. Het is tegelijkertijd een onderzoeksinstituut, een modelbouwer, een wetenschappelijke organisatie en de motor achter een groot deel van Googles AI-strategie.
In deze complete uitleg lees je wat Google DeepMind precies is, hoe het bedrijf is ontstaan, welke modellen het ontwikkelt, wat de belangrijkste doorbraken zijn en welke rol het speelt in de wereldwijde strijd om AI.
Google DeepMind in het kort
- Opgericht: 2010
- Oprichters: Demis Hassabis, Shane Legg en Mustafa Suleyman
- Overgenomen door Google: 2014
- Samengevoegd met Google Brain: 2023
- CEO: Demis Hassabis
- Hoofdkantoor: Londen
- Moederbedrijf: Google, onderdeel van Alphabet
- Bekend van: Gemini, AlphaGo, AlphaFold, Veo, Imagen, Lyria, Genie en Gemini Robotics
- Missie: AI verantwoord ontwikkelen ten behoeve van de mensheid
- Langetermijndoel: kunstmatige algemene intelligentie ontwikkelen
Wat is Google DeepMind?
Google DeepMind is de centrale organisatie binnen Google voor de ontwikkeling van geavanceerde kunstmatige intelligentie.
Het team bestaat uit AI-onderzoekers, softwareontwikkelaars, wiskundigen, neurowetenschappers, biologen, natuurkundigen, ethici en veiligheidsexperts. Zij werken aan systemen die kunnen leren, redeneren, plannen, voorspellen, creëren en zelfstandig taken uitvoeren.
DeepMind begon als een onafhankelijk Brits onderzoeksbedrijf. Sinds de overname door Google en de latere samenvoeging met Google Brain is het uitgegroeid tot een van de grootste en invloedrijkste AI-organisaties ter wereld.
De officiële missie van het bedrijf is om AI verantwoord te ontwikkelen en in te zetten ten behoeve van de mensheid. Daarachter ligt een ambitieus wetenschappelijk doel: intelligentie begrijpen en die kennis gebruiken om algemene, veelzijdige AI-systemen te bouwen.
Google DeepMind werkt grofweg op vier terreinen:
- Algemene AI-modellen, waaronder Gemini en Gemma.
- Generatieve media, zoals Veo, Imagen, Nano Banana en Lyria.
- Wereldmodellen en robotica, waaronder Genie en Gemini Robotics.
- Wetenschappelijke AI, zoals AlphaFold, AlphaGenome, AlphaEvolve, WeatherNext en AlphaEarth.
Dat brede werkterrein onderscheidt DeepMind van bedrijven die zich hoofdzakelijk richten op chatbots of zakelijke AI-software.
Is Google DeepMind hetzelfde als Gemini?
Nee. Google DeepMind en Gemini zijn nauw met elkaar verbonden, maar het zijn niet dezelfde dingen.
Google DeepMind is de organisatie die AI-modellen en onderzoekssystemen ontwikkelt. Gemini is een familie van modellen én de naam van Googles AI-assistent.
Een eenvoudige vergelijking:
| Naam | Wat is het? | Voorbeeld |
| Google DeepMind | Het AI-onderzoeks- en ontwikkellab | Ontwikkelt Gemini, AlphaFold en Veo |
| Gemini-modellen | De onderliggende AI-modellen | Gemini 3.5 Flash |
| Gemini-app | De AI-assistent voor gebruikers | Teksten schrijven, bestanden analyseren en onderzoek doen |
| Google AI Studio | Ontwikkelomgeving voor de Gemini API | Apps en prototypes bouwen |
| Google Cloud | Zakelijke infrastructuur | Gemini-modellen gebruiken via cloudomgevingen |
| Google Research | Breder wetenschappelijk onderzoek binnen Google | Onderzoek naar onder meer computerwetenschappen en mens-machine-interactie |
Wie Gemini wil gebruiken, kan dus naar de Gemini-app gaan. Wie wil begrijpen wie de technologie ontwikkelt, hoe de modellen ontstaan en welk onderzoek erachter zit, komt uit bij Google DeepMind.
Bekijk onze uitgebreide uitleg over Gemini van Google voor praktische informatie over functies, abonnementen, modellen en dagelijks gebruik.
Hoe is DeepMind ontstaan?
De oprichting in Londen
DeepMind werd in 2010 opgericht door Demis Hassabis, Shane Legg en Mustafa Suleyman.
De oprichters wilden verschillende wetenschappelijke disciplines samenbrengen om intelligentie beter te begrijpen. In plaats van uitsluitend regels voor specifieke taken te programmeren, wilden zij systemen bouwen die zelfstandig leren uit ervaring.
Daarbij combineerde DeepMind ideeën uit onder meer:
- machine learning;
- neurowetenschappen;
- wiskunde;
- reinforcement learning;
- computersimulaties;
- cognitieve wetenschap;
- softwareontwikkeling.
De eerste experimenten draaiden onder andere om oude Atari-spellen. Een AI-systeem kreeg beeldinformatie en een score te zien, maar aanvankelijk geen uitleg over de spelregels. Door acties uit te proberen en beloningen te ontvangen, leerde het systeem steeds beter spelen.
Deze vorm van leren heet reinforcement learning. Het systeem leert door de gevolgen van zijn eigen acties te beoordelen, enigszins vergelijkbaar met hoe mensen door oefening en feedback nieuwe vaardigheden ontwikkelen.
Google neemt DeepMind over
Google nam DeepMind in 2014 over. Het aankoopbedrag is nooit officieel bevestigd, maar werd in verschillende media geschat op honderden miljoenen dollars.
De overname gaf DeepMind toegang tot aanzienlijk meer rekenkracht, data, technische infrastructuur en onderzoekstalent. Tegelijkertijd bleef het laboratorium lange tijd een relatief zelfstandige positie binnen Google behouden.
Die combinatie bleek krachtig. DeepMind kon kostbaar fundamenteel onderzoek uitvoeren, terwijl Google de financiële middelen en computerinfrastructuur leverde die daarvoor nodig waren.
AlphaGo zet DeepMind wereldwijd op de kaart
De grote publieke doorbraak volgde in 2016 met AlphaGo.
Go is een eeuwenoud bordspel met veel meer mogelijke posities dan schaak. Daardoor was het lange tijd onhaalbaar om simpelweg iedere mogelijke zet vooruit te berekenen. Goede spelers vertrouwen niet alleen op analyse, maar ook op patroonherkenning, ervaring en intuïtie.
AlphaGo combineerde neurale netwerken met reinforcement learning en zoekalgoritmes. Het systeem analyseerde partijen van sterke spelers en speelde vervolgens enorme aantallen wedstrijden tegen versies van zichzelf.
In maart 2016 nam AlphaGo het op tegen Lee Sedol, een van de beste Go-spelers ter wereld. AlphaGo won vier van de vijf partijen.
Vooral zet 37 in de tweede partij werd beroemd. Menselijke experts vonden de zet aanvankelijk vreemd en schatten dat een menselijke speler hem bijna nooit zou kiezen. Later bleek dat juist deze onverwachte zet uitzonderlijk sterk was.
Het moment liet zien dat AI niet alleen bestaande menselijke strategieën kon kopiëren, maar binnen een afgebakend systeem ook nieuwe oplossingen kon ontdekken.
Lees meer over hoe AlphaGo de wereld liet zien wat AI werkelijk kan.
Van AlphaGo naar AlphaZero en MuZero
Na AlphaGo ontwikkelde DeepMind steeds algemenere systemen.
AlphaZero leerde zichzelf schaken, Go en shogi spelen zonder menselijke partijen als uitgangspunt te gebruiken. Het kreeg de regels en leerde vervolgens door miljoenen partijen tegen zichzelf te spelen.
MuZero ging nog een stap verder. Dit systeem kon strategieën leren zonder vooraf een volledig model van de spelregels te ontvangen. Het probeerde zelf te ontdekken welke onderdelen van een omgeving belangrijk waren om toekomstige beloningen te voorspellen.
Deze projecten draaiden niet alleen om het winnen van spellen. Spellen boden een gecontroleerde omgeving waarin onderzoekers nieuwe vormen van leren, plannen en beslissen konden testen.
Veel technieken uit dit onderzoek zijn later toegepast op algoritmes, datacenters, wetenschap, robotica en de ontwikkeling van AI-agents.
Google Brain en DeepMind worden samengevoegd
In april 2023 voegde Google DeepMind samen met Google Brain, het grote AI-onderzoeksteam van Google Research.
De nieuwe organisatie kreeg de naam Google DeepMind en kwam onder leiding te staan van Demis Hassabis. Google wilde hiermee zijn beste onderzoekers, infrastructuur en modelteams binnen één organisatie concentreren. De samenvoeging bracht onderzoek samen dat onder meer had geleid tot AlphaGo, AlphaFold, TensorFlow, transformers, word2vec en verschillende doorbraken in taalmodellen. Google kondigde de samenvoeging officieel aan in april 2023.
Deze reorganisatie was een belangrijk moment in de AI-strategie van Google. Tot dat moment werkten verschillende teams soms aan overlappende modellen en onderzoeksrichtingen. Door de teams samen te voegen, kon Google gerichter concurreren met OpenAI, Anthropic en andere AI-bedrijven.
Het eerste grote resultaat van die gezamenlijke aanpak was Gemini.
Wie is Demis Hassabis?
Demis Hassabis is medeoprichter en CEO van Google DeepMind. Hij geldt als een van de invloedrijkste AI-onderzoekers en bestuurders ter wereld.
Zijn achtergrond is opvallend breed. Hassabis was in zijn jeugd een sterke schaker, werkte in de game-industrie en studeerde computerwetenschappen en cognitieve neurowetenschappen. Die combinatie van spellen, software en onderzoek naar het menselijk brein vormde de basis voor DeepMind.
Hassabis ziet AI niet alleen als een productiviteitstechnologie, maar als een wetenschappelijk hulpmiddel waarmee de mens ingewikkelde problemen kan oplossen. Hij noemt onder meer geneeskunde, klimaatonderzoek, energie, wiskunde en materiaalwetenschap als gebieden waarop AI grote doorbraken kan veroorzaken.
Tegelijkertijd waarschuwt hij regelmatig voor overdreven verwachtingen. Moderne AI kan uitzonderlijk goed presteren op moeilijke benchmarks, maar ondertussen fouten maken bij ogenschijnlijk eenvoudige opdrachten. Hassabis noemt dit ongelijke of grillige intelligentie.
Zijn uiteindelijke doel is kunstmatige algemene intelligentie: een systeem dat niet alleen goed is in één taak, maar kennis en vaardigheden flexibel kan toepassen op uiteenlopende problemen.
De Nobelprijs voor AlphaFold
In 2024 ontvingen Demis Hassabis en Google DeepMind-onderzoeker John Jumper gezamenlijk de helft van de Nobelprijs voor Scheikunde voor hun werk aan AlphaFold. De andere helft ging naar David Baker voor computationeel eiwitontwerp. Volgens het Nobelcomité loste AlphaFold een probleem op waar wetenschappers al ongeveer vijftig jaar aan werkten.
Het was een historisch moment. Niet alleen omdat onderzoekers van een commercieel AI-laboratorium een Nobelprijs ontvingen, maar ook omdat het aantoonde dat machine learning een fundamentele bijdrage kan leveren aan de natuurwetenschappen.
AlphaFold werd daarmee het duidelijkste bewijs van DeepMinds overtuiging dat AI niet alleen informatie kan samenvatten of teksten kan schrijven, maar ook nieuwe wetenschappelijke kennis kan ontsluiten.
Wat is AlphaFold?
Eiwitten spelen een cruciale rol in vrijwel ieder biologisch proces. Hun functie hangt sterk samen met hun driedimensionale vorm. Het experimenteel bepalen van zo’n structuur kan kostbaar zijn en maanden of zelfs jaren duren.
AlphaFold gebruikt AI om op basis van een aminozuurvolgorde te voorspellen hoe een eiwit zich waarschijnlijk opvouwt.
AlphaFold 2 betekende een grote doorbraak in de nauwkeurigheid van deze voorspellingen. In samenwerking met het European Bioinformatics Institute werden uiteindelijk meer dan 200 miljoen voorspelde eiwitstructuren beschikbaar gemaakt voor onderzoekers. De AlphaFold-database is vrij toegankelijk voor wetenschappelijk onderzoek.
AlphaFold 3 breidde het systeem verder uit. Het model voorspelt niet alleen de structuur van afzonderlijke eiwitten, maar ook interacties tussen eiwitten, DNA, RNA en andere moleculen.
Mogelijke toepassingen zijn onder meer:
- onderzoek naar ziekten;
- het begrijpen van mutaties;
- het ontwikkelen van medicijnen;
- het ontwerpen van enzymen;
- onderzoek naar antibioticaresistentie;
- landbouw en voedselproductie;
- synthetische biologie.
AlphaFold vervangt laboratoriumonderzoek niet. De voorspellingen moeten nog steeds experimenteel worden gecontroleerd. Het systeem kan onderzoekers echter helpen om veel sneller veelbelovende onderzoekspaden te selecteren.
Isomorphic Labs en medicijnonderzoek
Na het succes van AlphaFold richtte Alphabet in 2021 Isomorphic Labs op. Dit bedrijf gebruikt AI om de ontwikkeling van nieuwe medicijnen te versnellen.
Isomorphic Labs is nauw verbonden met het werk van DeepMind en staat eveneens onder leiding van Demis Hassabis, maar het is organisatorisch niet hetzelfde bedrijf. Google DeepMind richt zich breed op AI-onderzoek en modellen, terwijl Isomorphic Labs specifiek werkt aan medicijnontwikkeling.
Het doel is om biologische processen beter digitaal te modelleren. Als AI nauwkeurig kan voorspellen hoe eiwitten, moleculen en potentiële medicijnen op elkaar reageren, kunnen onderzoekers sneller bepalen welke stoffen kansrijk zijn.
Dat betekent niet dat AI zelfstandig een veilig medicijn kan uitvinden. Klinische onderzoeken, controles op bijwerkingen en goedkeuring door toezichthouders blijven noodzakelijk. AI kan vooral het vroege onderzoeksproces verkorten en gerichter maken.
Welke AI-modellen ontwikkelt Google DeepMind?
Google DeepMind ontwikkelt inmiddels veel meer dan taalmodellen. Het bedrijf heeft aparte systemen voor tekst, beeld, video, muziek, robotica, interactieve werelden en wetenschappelijk onderzoek.
Gemini
Gemini is de belangrijkste algemene modelfamilie van Google. De modellen kunnen verschillende soorten informatie verwerken, waaronder:
- tekst;
- afbeeldingen;
- audio;
- video;
- code;
- documenten;
- interfaces;
- informatie uit externe hulpmiddelen.
Google noemt dit multimodale AI. Het model werkt niet uitsluitend met geschreven taal, maar kan verschillende informatietypen combineren.
Op het moment van de laatste controle in juli 2026 presenteert Google de Gemini 3.5-serie als zijn nieuwste generatie. Gemini 3.5 Flash richt zich onder andere op agents, programmeren en complexe workflows. Gemini 3.5 Pro is aangekondigd als een krachtigere variant, terwijl Gemini 3.1 Pro, Deep Think en Flash-Lite beschikbaar blijven voor verschillende soorten taken. Google DeepMind houdt het actuele modellenoverzicht zelf bij.
De Gemini-modellen verschijnen in verschillende producten:
- de Gemini-app;
- Google Search;
- Gmail en Google Workspace;
- Android en Pixel-apparaten;
- Google AI Studio;
- Google Cloud;
- gespecialiseerde agents en ontwikkelomgevingen.
Voor praktische functies en abonnementen verwijzen we naar onze afzonderlijke nieuwspagina over Gemini.
Gemini Omni
Gemini Omni combineert redeneren en genereren binnen één multimodaal systeem. Het model kan tekst, beeld, video en audio als input gebruiken en daar nieuwe mediacontent van maken.
Een gebruiker kan bijvoorbeeld referentiebeelden, videofragmenten en instructies combineren om een nieuwe video te genereren of bestaande beelden via een gesprek te bewerken.
Google positioneert Omni daarmee als een stap richting modellen die verschillende creatieve taken niet langer als losse processen behandelen.
Nano Banana en Imagen
Nano Banana is de naam die Google gebruikt voor zijn geavanceerde modellen voor het genereren en bewerken van afbeeldingen binnen het Gemini-ecosysteem.
De modellen kunnen onder meer:
- afbeeldingen genereren uit tekst;
- bestaande foto’s aanpassen;
- meerdere beelden combineren;
- objecten of achtergronden veranderen;
- tekst in afbeeldingen verwerken;
- diagrammen en visuele uitleg maken;
- stijlen en composities aanpassen.
Imagen blijft daarnaast een belangrijke familie van gespecialiseerde beeldmodellen. Google verwerkt steeds meer beeldfuncties rechtstreeks in Gemini, waardoor de scheiding tussen een chatbot en een beeldgenerator kleiner wordt.
Veo
Veo is Googles generatieve videomodel. Het zet tekst en afbeeldingen om in bewegend beeld en kan bij nieuwere versies ook geluid genereren.
Veo 3.1 bracht verbeteringen op het gebied van realisme, promptbegrip, visuele consistentie en creatieve controle. De technologie wordt gebruikt in onder andere Gemini en Google Flow.
Veo is vooral interessant voor:
- filmmakers;
- adverteerders;
- sociale media;
- conceptontwikkeling;
- storyboards;
- animatie;
- visuele prototypes.
Tegelijkertijd zorgt realistische AI-video voor nieuwe vragen rond misleiding, auteursrecht en herkenbaarheid. Google gebruikt daarom SynthID om een onzichtbaar digitaal kenmerk aan gegenereerde media toe te voegen.
Lyria
Lyria is de familie van Google DeepMind voor muziek- en audiogeneratie.
Lyria 3 kan muziek maken op basis van instructies over stijl, tempo, instrumenten, sfeer en zang. Het model is bedoeld voor creatieve toepassingen, maar zorgt ook voor discussie over trainingsdata, auteursrecht en de positie van muzikanten.
Lees meer over Lyria 3 en de gevolgen voor de muzieksector.
Gemma
Gemma is een familie van modellen met publiek beschikbare modelgewichten. Ontwikkelaars kunnen deze modellen binnen de licentievoorwaarden downloaden, aanpassen en op eigen infrastructuur uitvoeren.
Gemma is daarmee anders gepositioneerd dan de gesloten Gemini-modellen. Het biedt onderzoekers en ontwikkelaars meer controle over implementatie, fine-tuning en lokale verwerking.
Google gebruikt de term ‘open models’. Dat betekent niet automatisch dat ieder onderdeel van de trainingsdata en ontwikkeling volledig openbaar is. Het is daarom nauwkeuriger om per Gemma-versie de licentie en beschikbare modelonderdelen te controleren.
Genie
Genie is een zogenoemd wereldmodel. In plaats van alleen een afbeelding of video te maken, probeert het een interactieve omgeving te genereren die reageert op acties van de gebruiker.
Genie 3 kan op basis van een tekstbeschrijving interactieve werelden bouwen. Gebruikers kunnen zich door zo’n wereld bewegen terwijl het systeem nieuwe beelden en situaties genereert.
Wereldmodellen kunnen uiteindelijk worden gebruikt voor:
- games;
- virtuele werelden;
- onderwijs;
- simulaties;
- training van robots;
- onderzoek naar planning;
- ontwikkeling van AI-agents.
Genie is vooral belangrijk omdat een intelligent systeem meer nodig heeft dan taal. Een AI die zelfstandig in de echte wereld moet handelen, moet begrijpen dat acties gevolgen hebben en dat objecten en omgevingen consistent blijven bestaan.
Gemini Robotics
Gemini Robotics brengt de modellen van DeepMind naar de fysieke wereld.
Het systeem combineert taal, beeld, ruimtelijk inzicht en acties. Een robot kan daardoor een natuurlijke instructie interpreteren, de omgeving analyseren en bepalen welke bewegingen nodig zijn.
Gemini Robotics 1.5 bestaat uit modellen die plannen en modellen die plannen vertalen naar fysieke handelingen. De technologie kan bijvoorbeeld worden gebruikt om objecten te sorteren, een tafel op te ruimen of onbekende voorwerpen te herkennen.
De belangrijkste uitdaging is betrouwbaarheid. Een fout antwoord van een chatbot is vervelend, maar een verkeerde beweging van een zware robot kan gevaarlijk zijn. Voor fysieke AI zijn daarom strengere veiligheidscontroles nodig dan voor een gewone digitale assistent.
De belangrijkste wetenschappelijke projecten van DeepMind
AlphaEvolve
AlphaEvolve gebruikt Gemini-modellen in combinatie met een evolutionair systeem om algoritmes te ontwerpen en verbeteren.
Het systeem genereert mogelijke oplossingen, test ze automatisch en gebruikt de resultaten om nieuwe varianten te ontwikkelen. Daardoor kan het grote aantallen ideeën onderzoeken zonder dat een mens iedere versie afzonderlijk hoeft te schrijven.
AlphaEvolve heeft algoritmes ontdekt voor wiskunde, chipontwerp en de infrastructuur van Google. Sommige verbeteringen zijn al toegepast om rekenkracht efficiënter te gebruiken.
AlphaEvolve is interessant omdat het niet alleen bestaande kennis teruggeeft. Het zoekt binnen een duidelijk meetbaar probleem actief naar oplossingen die beter presteren.
AlphaGenome
AlphaGenome richt zich op het begrijpen van menselijk DNA. Het model analyseert lange DNA-sequenties en voorspelt hoe genetische varianten biologische processen kunnen beïnvloeden.
Volgens Google DeepMind kan het systeem tot een miljoen DNA-basen tegelijk analyseren en voorspellingen doen over genregulatie en RNA-processen. Het model is bedoeld voor onderzoek en is niet ontwikkeld of gevalideerd om zelfstandig klinische diagnoses voor individuele patiënten te stellen. Google publiceerde AlphaGenome aanvankelijk als onderzoeksmodel en stelde een API beschikbaar voor niet-commercieel onderzoek.
Mogelijke toepassingen liggen bij onderzoek naar:
- zeldzame genetische aandoeningen;
- kanker;
- genregulatie;
- mutaties;
- synthetische biologie;
- nieuwe behandeldoelen.
WeatherNext
WeatherNext is een familie van AI-modellen voor weersvoorspellingen.
Traditionele weersmodellen gebruiken uitgebreide natuurkundige berekeningen. AI-modellen leren patronen uit grote hoeveelheden historische en actuele weergegevens en kunnen vervolgens snel verschillende scenario’s genereren.
WeatherNext 2 is volgens Google sneller en nauwkeuriger dan eerdere versies. De technologie wordt gebruikt binnen Google-diensten en is ook beschikbaar voor onderzoekers en ondernemingen. Google benadrukt wel dat experimentele voorspellingen geen vervanging zijn voor officiële waarschuwingen van meteorologische instanties. Lees hoe WeatherNext 2 AI-weervoorspellingen verandert.
Mogelijke toepassingen zijn:
- waarschuwingen voor extreem weer;
- energieplanning;
- luchtvaart;
- landbouw;
- logistiek;
- verzekeringen;
- rampenbestrijding.
AlphaEarth
AlphaEarth Foundations verwerkt satellietgegevens om veranderingen op aarde in kaart te brengen.
Het model kan informatie uit verschillende bronnen combineren en compacte digitale representaties van het aardoppervlak maken. Daarmee kunnen onderzoekers veranderingen in bossen, steden, landbouwgebieden, water en ecosystemen bestuderen.
Aeneas
Aeneas is ontwikkeld om beschadigde of onvolledige Latijnse inscripties te analyseren. Het systeem kan onderzoekers helpen ontbrekende delen te reconstrueren en teksten in een historische of geografische context te plaatsen.
Daarmee laat Aeneas zien dat wetenschappelijke AI niet beperkt is tot biologie of natuurkunde. Dezelfde technieken kunnen ook historici en archeologen ondersteunen.
AI voor energie en klimaat
Google DeepMind onderzoekt daarnaast hoe AI kan helpen bij klimaatonderzoek, materiaalwetenschap en energie.
Voorbeelden zijn modellen voor de besturing en simulatie van plasma in fusiereactoren, optimalisatie van windenergie en onderzoek naar nieuwe materialen. DeepMind werkt onder meer met Torax, een systeem voor simulaties van kernfusie.
Ook ondersteunt het bedrijf via een AI-accelerator voor klimaatprojecten organisaties die AI inzetten voor natuur, landbouw, energie en duurzaamheid.
In het Verenigd Koninkrijk werkt Google DeepMind bovendien aan een geautomatiseerd onderzoekslaboratorium, waarin AI en robots experimenten kunnen plannen, uitvoeren en evalueren.
Kun je Google DeepMind zelf gebruiken?
Google DeepMind heeft geen algemene chatbot of consumentenabonnement met de naam DeepMind. De technologie bereikt gebruikers via andere Google-producten.
De belangrijkste toegangsroutes zijn:
Gemini-app
Voor de meeste mensen is Gemini de eenvoudigste manier om modellen van DeepMind te gebruiken. De app helpt met schrijven, brainstormen, programmeren, bestanden analyseren, afbeeldingen maken en onderzoek doen.
Google AI Studio
Google AI Studio is bedoeld voor ontwikkelaars en mensen die met de Gemini API willen experimenteren. Gebruikers kunnen modellen testen, prompts aanpassen, gestructureerde output genereren en prototypes bouwen.
Google Cloud
Bedrijven kunnen modellen van Google gebruiken via de zakelijke cloudomgeving. Daar zijn uitgebreidere mogelijkheden voor beveiliging, toegangsbeheer, gegevensverwerking en schaalbare toepassingen.
Google Workspace
Gemini is geïntegreerd in onder meer Gmail, Docs, Sheets, Slides, Meet en Drive. Daardoor kunnen gebruikers AI inzetten zonder hun bestaande werkomgeving te verlaten.
NotebookLM
NotebookLM gebruikt Gemini-modellen om informatie uit aangeleverde bronnen te analyseren. Het is vooral geschikt voor onderzoek, samenvattingen, brongebonden vragen en Audio Overviews.
Google Search, Android en Pixel
DeepMind-modellen worden ook verwerkt in Google Search, Android en apparaten van Google. Gebruikers merken daardoor niet altijd dat een functie door een model van DeepMind wordt aangedreven.
Heeft Google DeepMind een API?
Google DeepMind biedt niet één algemene ‘DeepMind API’ aan.
Ontwikkelaars gebruiken meestal de Gemini API via Google AI Studio of Google Cloud. Daarnaast zijn er afzonderlijke interfaces en onderzoeksomgevingen voor gespecialiseerde systemen zoals AlphaFold, AlphaGenome en WeatherNext.
Welke route het beste is, hangt af van het doel:
| Doel | Geschikte omgeving |
| Snel een Gemini-prototype bouwen | Google AI Studio |
| Een zakelijke AI-toepassing ontwikkelen | Google Cloud |
| Een eigen model lokaal uitvoeren | Gemma |
| Eiwitstructuren onderzoeken | AlphaFold Server of database |
| Genetische varianten bestuderen | AlphaGenome API |
| Weersdata en scenario’s gebruiken | WeatherNext via Google Cloud-diensten |
| Video genereren | Veo via ondersteunde Google-producten |
| Robots laten redeneren | Gemini Robotics voor geselecteerde ontwikkelaars en partners |
Prijzen, limieten en beschikbaarheid veranderen regelmatig. Controleer daarom de actuele documentatie voordat je een productieomgeving bouwt.
Wat is SynthID?
SynthID is een techniek van Google DeepMind om AI-gegenereerde content herkenbaar te maken.
Het systeem voegt een digitaal watermerk toe aan afbeeldingen, video, audio of tekst. Dat kenmerk is normaal gesproken niet waarneembaar voor mensen, maar kan met bijbehorende technologie worden gedetecteerd. Google DeepMind legt uit dat SynthID in verschillende generatieve Google-producten wordt verwerkt.
SynthID kan helpen om vast te stellen dat content met een Google-model is gemaakt of bewerkt. Het is geen volledige oplossing voor online desinformatie.
Een watermerk kan bijvoorbeeld niet automatisch bewijzen:
- wie de content heeft gemaakt;
- waarom iets is gemaakt;
- of de inhoud feitelijk klopt;
- of media van een ander AI-systeem afkomstig zijn;
- of echte beelden buiten Google zijn gemanipuleerd.
SynthID is daarom vooral één technische laag binnen een veel groter vraagstuk rond herkomst en betrouwbaarheid.
Hoe werkt Google DeepMind aan AI-veiligheid?
Google DeepMind heeft teams voor modelveiligheid, evaluaties, misbruikpreventie, cyberbeveiliging en onderzoek naar de werking van neurale netwerken.
Een belangrijk onderdeel is het Frontier Safety Framework. Daarin beschrijft DeepMind hoe het risico’s van zeer krachtige modellen wil beoordelen. Het raamwerk kijkt onder meer naar mogelijkheden die misbruikt kunnen worden voor cyberaanvallen, biologische risico’s of het ontwijken van menselijk toezicht.
Daarnaast publiceert het bedrijf model cards. Dit zijn documenten met informatie over de werking, evaluaties, beperkingen en veiligheidsmaatregelen van een AI-model.
Andere veiligheidsprojecten zijn:
- red teaming;
- externe evaluaties;
- filters voor gevaarlijke output;
- onderzoek naar interpreteerbaarheid;
- SynthID-watermerken;
- benchmarks voor robotveiligheid;
- onderzoek naar manipulatie en misleiding;
- testen op chemische en biologische risico’s.
Deze maatregelen betekenen niet dat alle risico’s zijn opgelost. Veiligheidsinformatie wordt grotendeels door Google zelf geselecteerd en gepubliceerd. Onafhankelijke onderzoekers hebben bovendien niet altijd toegang tot modellen, trainingsdata of interne testresultaten.
Kritiek op Google DeepMind
Google DeepMind heeft veel wetenschappelijke doorbraken gerealiseerd, maar de organisatie krijgt ook kritiek.
Macht binnen één technologiebedrijf
Google beschikt over zoekmachines, smartphones, browsers, advertentieplatforms, cloudinfrastructuur, videoplatforms en grote hoeveelheden gebruikersdata.
Wanneer dezelfde organisatie ook een van de krachtigste AI-laboratoria beheert, ontstaat een uitzonderlijke concentratie van technologische en economische macht.
Google kan DeepMind-modellen rechtstreeks verspreiden via Search, Android, Chrome, YouTube, Workspace en Cloud. Kleinere AI-bedrijven beschikken niet over een vergelijkbaar distributienetwerk.
Beperkte openheid
Veel belangrijke modellen zijn gesloten. Externe onderzoekers kunnen de trainingsdata, modelgewichten en interne veiligheidsprocessen niet volledig controleren.
Gemma biedt meer toegang, maar ook daar is niet ieder aspect van de ontwikkeling openbaar. Open modelgewichten zijn niet automatisch hetzelfde als volledig open-sourceonderzoek.
Trainingsdata en auteursrecht
Generatieve modellen voor tekst, afbeeldingen, video en muziek worden getraind op grote hoeveelheden materiaal. Makers en rechthebbenden willen weten welke werken daarvoor zijn gebruikt en of daar toestemming of vergoeding tegenover staat.
Deze discussie is vooral belangrijk voor modellen zoals Imagen, Veo, Nano Banana en Lyria.
Energie en grondstoffen
Het trainen en gebruiken van grote modellen vraagt veel rekenkracht, elektriciteit, water en gespecialiseerde chips.
AI kan helpen energie efficiënter te gebruiken, maar de AI-sector zorgt tegelijkertijd voor een snelle uitbreiding van datacenters. De netto-impact hangt af van de gebruikte energiebronnen, hardware, efficiëntie en schaal van het gebruik.
Militaire en geopolitieke toepassingen
Google wijzigde in 2025 zijn AI-principes en verwijderde eerdere expliciete uitsluitingen rond wapens en surveillance. Dat leidde tot kritiek van medewerkers en mensenrechtenorganisaties.
De actuele principes leggen meer nadruk op verantwoord gebruik, menselijke controle, internationale normen en samenwerking met democratische overheden. Critici vinden deze formuleringen minder concreet dan de eerdere verboden.
Hierdoor blijft de vraag bestaan welke rol de technologie van DeepMind in defensie, nationale veiligheid en surveillance zal spelen.
Onderzoeksresultaten zijn geen werkende producten
DeepMind presenteert regelmatig indrukwekkende demonstraties. Toch is er een verschil tussen een gecontroleerd onderzoeksexperiment en een betrouwbaar product dat miljoenen mensen dagelijks kunnen gebruiken.
Een robot die in een laboratorium een taak uitvoert, is nog geen veilige huishoudrobot. Een model dat op benchmarks goed presteert, is nog geen foutloze wetenschapper. Een voorspeld molecuul is nog geen goedgekeurd medicijn.
Bij berichtgeving over DeepMind is het daarom belangrijk onderscheid te maken tussen:
- onderzoek;
- demonstraties;
- experimentele toegang;
- beperkte tests;
- commerciële producten;
- algemeen beschikbare functies.
Google DeepMind versus OpenAI en Anthropic
Google DeepMind, OpenAI en Anthropic behoren tot de belangrijkste ontwikkelaars van geavanceerde AI-modellen. Hun positie en achtergrond verschillen echter.
| Onderdeel | Google DeepMind | OpenAI | Anthropic |
| Bekendste assistent | Gemini | ChatGPT | Claude |
| Moederorganisatie | Google/Alphabet | Zelfstandig bedrijf met grote investeerders | Zelfstandig bedrijf met grote investeerders |
| Belangrijkste modellen | Gemini | GPT | Claude |
| Wetenschappelijke AI | Zeer uitgebreid | Groeiende focus | Vooral algemene modellen en veiligheid |
| Distributie | Search, Android, Workspace, Cloud en meer | ChatGPT, API en partners | Claude, API en cloudpartners |
| Open modellen | Gemma | Beperkt | Beperkt |
| Robotica | Gemini Robotics | Samenwerkingen en onderzoek | Minder prominent |
| Generatieve video | Veo | Sora | Geen vergelijkbare hoofdpositie |
| Bekende doorbraak | AlphaGo en AlphaFold | ChatGPT | Constitutionele AI en Claude |
| Hoofddoel | Algemene AI en wetenschappelijke ontdekking | Algemene AI en bruikbare producten | Betrouwbare en veilige algemene AI |
Google DeepMind heeft een groot voordeel doordat het onderdeel is van Google. Het beschikt over eigen chips, datacenters, onderzoeksinstituten, gebruikersproducten en een wereldwijd distributienetwerk.
OpenAI heeft met ChatGPT een zeer sterk consumentenmerk opgebouwd. Anthropic positioneert Claude nadrukkelijk als assistent voor kenniswerk, programmeren en zakelijk gebruik.
Welke partij ‘de beste’ is, verandert per model, taak en meetmethode. Benchmarks geven bovendien geen volledig beeld van betrouwbaarheid, prijs, gebruiksgemak, privacy of integratie.
Werkt Google DeepMind aan AGI?
Ja. Het ontwikkelen van kunstmatige algemene intelligentie is al sinds de oprichting een centraal doel van DeepMind.
AGI verwijst naar een AI-systeem dat kennis flexibel kan toepassen op veel verschillende taken. Zo’n systeem zou niet alleen een tekst kunnen schrijven of een spel kunnen spelen, maar nieuwe problemen begrijpen, plannen maken, vaardigheden leren en kennis tussen domeinen overdragen.
De huidige modellen zijn daar nog niet.
Gemini kan veel verschillende taken uitvoeren, maar maakt nog steeds fouten, hallucineert informatie en presteert niet overal even betrouwbaar. Een model kan een complex wetenschappelijk probleem oplossen en kort daarna struikelen over een eenvoudige redenering.
Volgens Demis Hassabis zijn verdere doorbraken nodig in:
- langetermijnplanning;
- geheugen;
- creativiteit;
- logisch redeneren;
- leren uit ervaring;
- wereldmodellen;
- betrouwbaarheid;
- zelfstandig handelen.
Hassabis heeft de kans op AGI vóór 2030 eerder op ongeveer vijftig procent geschat. Dat is een persoonlijke inschatting van de DeepMind-topman, geen vaststaande voorspelling. Lees meer over zijn verwachting voor AGI vóór 2030.
Waarom is Google DeepMind belangrijk?
Google DeepMind is belangrijk omdat het verschillende onderdelen van de AI-ontwikkeling samenbrengt.
Het bedrijf maakt krachtige algemene modellen, maar gebruikt AI tegelijkertijd voor biologie, wiskunde, klimaat, robotica en algoritmeontwerp. Daardoor kan onderzoek uit het ene vakgebied doorwerken in een ander.
Reinforcement learning begon bij spellen en werd later gebruikt voor datacenters en algoritmes. Multimodale modellen verschenen eerst in digitale assistenten en worden nu toegepast op robots. AlphaFold begon als fundamenteel onderzoek en vormt inmiddels de basis voor grootschalig biologisch en farmaceutisch werk.
Daarnaast kan Google nieuwe modellen snel verspreiden via producten die miljarden mensen gebruiken. Een beslissing binnen DeepMind kan daardoor invloed hebben op:
- hoe mensen online zoeken;
- hoe bedrijven software bouwen;
- hoe wetenschappers onderzoek doen;
- hoe creatieve content wordt geproduceerd;
- hoe robots leren handelen;
- hoe informatie wordt beoordeeld;
- hoe overheden naar AI-veiligheid kijken.
Google DeepMind is daarom niet alleen een technologiebedrijf dat gevolgd moet worden vanwege nieuwe modellen. Het is een organisatie die mede bepaalt welke richting kunstmatige intelligentie opgaat.
Veelgestelde vragen over Google DeepMind
Wat doet Google DeepMind?
Google DeepMind onderzoekt en ontwikkelt geavanceerde AI-systemen. Het bedrijf maakt algemene modellen zoals Gemini, generatieve modellen voor beeld en video, robotsystemen en wetenschappelijke AI zoals AlphaFold en WeatherNext.
Is DeepMind van Google?
Ja. Google nam DeepMind in 2014 over. In 2023 werd het bedrijf samengevoegd met Google Brain en ontstond de huidige organisatie Google DeepMind.
Is Google DeepMind hetzelfde als Google AI?
Niet helemaal. Google AI is een brede verzamelnaam voor Googles activiteiten en producten rond kunstmatige intelligentie. Google DeepMind is de belangrijkste onderzoeks- en modelorganisatie binnen dat grotere geheel.
Is Google DeepMind hetzelfde als Gemini?
Nee. Google DeepMind is de organisatie die Gemini ontwikkelt. Gemini is een familie van AI-modellen en de naam van Googles AI-assistent.
Kan ik DeepMind gratis gebruiken?
Er bestaat geen algemene DeepMind-app. Veel technologie is wel gratis of beperkt gratis toegankelijk via Gemini, Google AI Studio, Gemma, de AlphaFold-database en verschillende onderzoeksprogramma’s.
Wie is de baas van Google DeepMind?
Demis Hassabis is medeoprichter en CEO van Google DeepMind.
Waar staat de naam DeepMind voor?
DeepMind is een merknaam en geen afkorting. De naam verwijst naar de oorspronkelijke ambitie om deep learning te combineren met onderzoek naar intelligentie en het menselijk brein.
Wat is de belangrijkste uitvinding van DeepMind?
AlphaGo is de bekendste culturele doorbraak, terwijl AlphaFold waarschijnlijk de grootste wetenschappelijke impact heeft. Gemini is commercieel gezien de belangrijkste modelfamilie.
Heeft DeepMind een Nobelprijs gewonnen?
Demis Hassabis en John Jumper ontvingen in 2024 gezamenlijk de helft van de Nobelprijs voor Scheikunde voor de ontwikkeling van AlphaFold. Formeel werd de prijs aan de onderzoekers toegekend, niet aan het bedrijf als rechtspersoon.
Is Google DeepMind open source?
Sommige modellen en onderzoeksonderdelen zijn openbaar beschikbaar. Gemma biedt bijvoorbeeld toegankelijke modelgewichten. De belangrijkste Gemini-modellen zijn echter gesloten en niet volledig open source.
Is AlphaFold gratis?
De AlphaFold Protein Structure Database is vrij toegankelijk. Ook bestaat er een AlphaFold Server voor wetenschappelijk onderzoek. Voor bepaalde toepassingen, integraties en commerciële doeleinden kunnen andere voorwaarden gelden.
Maakt DeepMind robots?
Google DeepMind ontwikkelt met Gemini Robotics modellen waarmee robots taal, beeld, ruimte en fysieke acties kunnen combineren. Het bedrijf bouwt vooral de intelligentielaag; het produceert niet zelf op grote schaal consumentenrobots.
Wat is het verschil tussen DeepMind en OpenAI?
DeepMind is onderdeel van Google en combineert algemene AI met uitgebreid wetenschappelijk onderzoek, robotica en bestaande Google-producten. OpenAI is vooral bekend van ChatGPT, de GPT-modellen, de API en Sora.
Wat is het verschil tussen DeepMind en Anthropic?
Anthropic ontwikkelt voornamelijk de Claude-modellen en legt sterk de nadruk op veiligheid en betrouwbaar kenniswerk. DeepMind heeft een breder onderzoeksportfolio met onder meer Gemini, AlphaFold, robotica, video, muziek, weer en wereldmodellen.
Wanneer komt AGI?
Niemand weet wanneer, of in welke vorm, kunstmatige algemene intelligentie ontstaat. DeepMind werkt er actief aan, maar huidige modellen voldoen nog niet aan een breed geaccepteerde definitie van AGI.
Conclusie
Google DeepMind begon als een klein Londens onderzoeksbedrijf met een uitzonderlijk ambitieus doel: intelligentie begrijpen en vervolgens gebruiken om ingewikkelde problemen op te lossen.
Sindsdien ontwikkelde het AlphaGo, AlphaZero, AlphaFold, Gemini, Veo, Genie en verschillende wetenschappelijke AI-systemen. De organisatie groeide uit tot het centrale AI-laboratorium van Google en speelt een hoofdrol in de wereldwijde ontwikkeling van kunstmatige intelligentie.
De kracht van DeepMind zit niet alleen in één chatbot of model. Het bedrijf verbindt taalmodellen, wetenschap, robotica, simulaties en de enorme infrastructuur van Google.
Juist daardoor zijn de mogelijkheden én de risico’s groot. De technologie kan wetenschappelijk onderzoek versnellen, maar vergroot ook de macht van een van de grootste technologiebedrijven ter wereld. DeepMind werkt aan veiligheid en transparantie, terwijl vragen over controle, auteursrecht, energiegebruik en militaire toepassingen blijven bestaan.
Op deze pagina volgen we daarom niet alleen nieuwe modellen van Google DeepMind, maar ook het onderzoek, de toepassingen, de risico’s en de gevolgen voor wetenschap, economie en samenleving.
Robin HeesterOprichter
Robin Heester is mede-oprichter van AI Wereld en heeft door de jaren heen meerdere websites, nieuwsbrieven en magazines opgericht. Hij schrijft over technologie, innovatie en de maatschappelijke impact van nieuwe digitale ontwikkelingen.
Populair nieuws
Laatste reacties
- Wie wordt er beter van.....zal Meta wel zijnhenk.h10-07-2026
- Wat voor weer wordt het vandaaghenk.h03-07-2026
- Dit artikel is van 1 april, dus deze belasting is niet echt. Gelukkig maar. :)RobinHeester12-05-2026
- Of een ander land..dat lijkt mij beterHan10-05-2026
- Op 1 april 2028 komt er een AI die al het kantoorwerk van alle Nederlanders overneemt. Heb ik van horen zeggen.RobinHeester01-04-2026
- AI moet een tool zijn. Maar net als Excel, je e-mailbox of Photoshop: die tool kan steeds meer voor je doen als je het de juiste input geeft. Dat ligt bij dokters en andere soortgelijke zaken wel wat gevoeliger. ;)RobinHeester01-04-2026
- Er komt ook extra inkomsten belasting op mensen die met ai hun geld verdienen. De maarregel gaat in op 1 aprill 2027. Er is nog een jaar om een andere baan te vinden.max01-04-2026
- Als ik dit lees moet ik terugdenken aan de tijd, dat ik als IT specialist, dat woord bestond toen nog niet, een programma schreef om de de maagontlediging te meten met een gamma camera.de patient eet een radioactieve pannekoek en eet die op. Je zet de patiënt voor een gammacamera die de verplaatsing van de radioactieviteit in de patient meet. Daar rolt een cijfer uit. De arts die naast mij zat om de uitkomst van de meeting te evalueren zat naast met en zei. Dat is mooi de computer heeft het berekend en die maakt géén fouten. Ik ben bang dat de jonge artsen van nu op AI gaan vertrouwen want die begrijpen niets van hoe AI tot de diagnose komt. Hun ervaring met AI en de patiënten is beide heel miniium. Voordat je met AI gaat werken moet je helaas goed beseffen dat AI fouten maakt, maar vaak zo praat of schrijft dat het een waarheid als een koe is. Een eenvoudige systeem prompt "Als je het niet weet zeg dan gewoon: ik weet het niet niet." Bracht een ai systeem zodanig in de war dat er geen antwoord meer kwam. Het systeem moest van zichzelf altijd antwoord geven. Jonge medicie moeten zich er terdege van bewust zijn dat je boven de stof moet staan en dan pas AI als ondersteuning mag gebruiken bij de diagnose voor echte mensen.max31-03-2026
- Heel veel modems doen dat als voorbeeld het ASUS TUF Gaming AX6000 modem dat staat gewoon in de voorwaarden. Wel kun je dat vermijden met Open-wrt te draaien.max13-03-2026
- fascinerend hoe juist bij Martin (die tegen AI in de rechtszaal staat) de verdenking opduikt.. dat ondermijnt vertrouwen op twee fronten.ai_arjanb11-11-2025
Loading