Googles Gemma Translator, en offline-översättare byggd på en Raspberry Pi
TechspaningarAIEdge AIGoogleBioteknik

Techspaningar v.33 - Googles översättare körs helt offline på en Raspberry Pi, och AI skapar virus för första gången

Mobile Interaction

Varje vecka plockar vi ut ett par nyheter som fångat vår uppmärksamhet, ibland för att de kan förändra branschen, ibland för att de säger något om vart tekniken är på väg. Den här veckan handlar båda om samma sak fast från olika håll: hur långt AI-modellerna faktiskt räcker nu. En får plats i handen och översätter tal utan uppkoppling, en annan designar levande virus från grunden.

1. Googles offline-översättare körs på en Raspberry Pi

Google har släppt Gemma Translator, en liten översättar-pryl som gör hela jobbet lokalt på en Raspberry Pi 5, helt utan internet. Projektet byggdes av Google Creative Lab (med hjälp av Googles agent-plattform Antigravity) som ett teknikshowcase, och är öppen källkod under Apache 2.0-licens.

Hela pipelinen körs on-device: tal fångas och transkriberas med Moonshine, översätts av språkmodellen Gemma 4 E2B via Googles LiteRT (en del av Google AI Edge-ramverket), och läses upp igen med syntetiskt tal. Allt sker på en dator som kostar runt 80 dollar, i ett 3D-printat gult och svart hölje med tryckknappar och en pekskärm.

Det imponerande är hur lite som krävs: Gemma 4 E2B snurrar på under 1,5 GB RAM och genererar runt 6 tokens i sekunden på en Raspberry Pi 5. Ingen molntjänst, ingen API-räkning, inget som lämnar enheten.

Gemma Translator översätter tal i realtid, helt offline på en Raspberry Pi 5.
Varför det är intressant för oss

Vi bygger appar för industri, logistik och fältarbete, miljöer där uppkoppling aldrig kan tas för given. Att en fullvärdig språkmodell nu ryms på en Raspberry Pi bekräftar trenden vi ser tydligt: AI flyttar ut i kanten. Det öppnar dörrar för integritetskänsliga och uppkopplingsfria användningsfall på produktionsgolv, i magasin och ute på fältet, utan molnberoende.

2. Forskare har låtit AI skapa helt nya virus

För första gången har forskare använt generativ AI för att designa kompletta, fungerande virusgenom från grunden. Bakom genombrottet står Arc Institute och Stanford University, i Brian Hies forskarlab, med doktoranden Samuel King i spetsen.

Verktygen var två så kallade genomspråkmodeller, Evo 1 och Evo 2, som fungerar ungefär som en språkmodell fast tränad på DNA:s bokstäver (A, C, G och T) istället för text. Modellerna hade matats med runt 2 miljoner bakteriofaggenom och finjusterades sedan mot ett specifikt målvirus: ΦX174, en klassisk bakteriofag som var det allra första genomet som någonsin sekvenserades (1977).

Målet var bakterien E. coli, och specifikt den ofarliga labbstammen E. coli C. Av de cirka 302 syntetiska genom som teamet lät tillverka visade sig 16 vara fullt fungerande bakteriofager: virus som lyckades smitta E. coli, föröka sig inuti cellerna och döda dem. Vissa av de AI-designade fagerna var till och med effektivare än originalet, och en cocktail av dem kunde slå ut bakterier som hunnit utveckla resistens mot ΦX174.

Skyddsräcken och en het säkerhetsdebatt

Forskarna byggde in flera säkerhetsspärrar: modellerna tränades medvetet inte på virus som angriper människor, djur eller växter, och man använde enbart ofarliga bakteriestammar. Ändå väckte studien en intensiv biosäkerhetsdebatt.

Förmågan att komponera virusgenom med generativ AI finns nu. Styrningen för att göra det säkert gör det inte.

- Tom Inglesby & Mori Hanke, Johns Hopkins Center for Health Security

Genetikpionjären J. Craig Venter varnade för att samma teknik i fel händer kan bli farlig: om någon gjorde motsvarande med smittkoppor eller mjältbrand skulle han ha allvarliga betänkligheter. Andra forskare, som Tom Ellis vid Imperial College London, menade tvärtom att hotet är överdrivet eftersom ΦX174 är ungefär det minsta och enklaste genomet man kan bygga.

Varför det är intressant för oss

Nyheten fångar exakt den dubbelhet vi lever med i AI-eran. Samma teknik som kan ge fagterapi mot antibiotikaresistenta bakterier kan i fel händer bli ett hot. Och lärdomen, att skyddsräcken måste byggas in från början och inte bäddas på i efterhand, gäller lika mycket när vi bygger AI-funktioner i mjukvara. Var går gränsen, vem sätter den, och hur validerar man vad modellen faktiskt gör?

Det var veckans techspaningar. Har ni sett något vi borde ha med nästa vecka? Hör av er, vi är alltid nyfikna.

Vill ni diskutera detta?

Kontakta oss för en förutsättningslös diskussion om hur vi kan hjälpa er med er digitala satsning.

Kontakta oss