Google DeepMind introduceert nieuwe generatie AI-modellen voor robotica en genomica

Alphabet, het moederbedrijf van Google, zette deze week met twee belangrijke architectuurupdates een grote stap vooruit in zowel fysieke automatisering als computationele biologie. Volgens de eerste berichtgeving van SiliconAngle brengen de nieuwste releases vision-language-action-systemen naar onvoorspelbare industriële omgevingen en ontrafelen ze tegelijk complexe cellulaire processen. Deze parallelle ontwikkelingen wijzen op een doelgerichte poging om de kloof tussen digitaal redeneren en handelen in de fysieke wereld te overbruggen.

De update van Gemini Robotics 2.5 verlegt de aandacht van steriele laboratoriumdemonstraties naar dynamische fabrieksvloeren en logistieke centra. Dankzij de onderliggende redeneercapaciteiten van het grensverleggende Argon-model kunnen humanoïde robots met nieuwe architectuur kwetsbare, flexibele voorwerpen hanteren met alledaagse gereedschappen, zonder voortdurend handmatig opnieuw te worden afgesteld. Hardwarepartners zoals Apptronik hebben het vernieuwde vision-language-action-systeem al geïntegreerd in hun tweebenige Apollo-robots voor praktijktests.

Tijdens proefproductie naast menselijke medewerkers konden de verbeterde systemen auto-onderdelen met vrijwel perfecte betrouwbaarheid hanteren. De architectuur verkort de tijd die nodig is om nieuwe manipulatievaardigheden aan te leren aanzienlijk. Zo verschuift fysieke AI van starre, vooraf geprogrammeerde bewegingen naar flexibel ruimtelijk redeneren. Volgens supplychainanalisten verlaagt het terugbrengen van trainingscycli van weken naar enkele dagen de drempel aanzienlijk voor middelgrote fabrikanten die gevaarlijke taken aan de lopende band willen automatiseren.

Op biologisch gebied presenteerden onderzoekers AlphaGenome 2, een voorspellend model dat in kaart brengt hoe genetische variaties specifieke cellulaire toestanden beïnvloeden. Eerdere modellen berekenden gemiddelden van genexpressie in weefselmonsters met grote aantallen cellen. Dit model maakt daarentegen gebruik van gegevens uit de Human Cell Atlas om processen op het niveau van afzonderlijke cellen te analyseren.

Dankzij deze precisie kunnen biotechbedrijven precies vaststellen welke epigenetische markers ziekteprocessen in specifieke immuun- of spiercellen in gang zetten. Door rechtstreeks uit ruwe sequenties voorspellingen te doen over transcriptie en de toegankelijkheid van chromatine, kunnen farmaceutische ontwikkelaars kansrijke medicijndoelen prioriteren zonder maanden te wachten op laboratoriumtests. Het systeem is voorlopig uitsluitend bedoeld als onderzoeksinstrument en niet als klinisch diagnostisch middel. Toch vormt het vermogen om nieuwe, in kaart gebrachte celtoestanden te verwerken zonder volledige hertraining een belangrijke sprong voorwaarts in de computationele genomica.

Beide systemen worden vanaf vandaag uitgerold bij zakelijke partners en academische samenwerkingsverbanden. Daarmee kunnen de onderzoeks- en ontwikkeltijdlijnen van zowel hardwarefabrikanten als start-ups in de biowetenschappen ingrijpend veranderen. Waarnemers uit de sector verwachten dat deze twee releases nog vóór het einde van het boekjaar een golf aan aanvullende commerciële toepassingen op gang brengen.