Howest Tech & Meet - Open Minds, Open Models: Exploring the Open-Source AI Ecosystem
Het evenement
Op 28 oktober 2025 was ik aanwezig bij een Howest Tech & Meet‑evenement met betrekking tot de huidige ontwikkelingen binnen artificiële intelligentie. Graag deel ik enkele onderwerpen die tijdens de presentatie aan bod kwamen.
ℹ️ Wat is Howest Tech & Meet?
Howest (Hogeschool West-Vlaanderen) organiseert regelmatig gratis evenementen in Brugge met betrekking to actuele onderwerpen binnen software engineering, AI en cybersecurity, waar experts hun kennis delen met studenten, professionals en andere liefhebbers van technologie. Naast informatieve inhoud bieden deze evenementen de mogelijkheid om te netwerken en technologische trends te bespreken.
Over de spreker
Niels Rogge werkt als machine learning engineer bij ML6 en Hugging Face.
Wat is Hugging Face?
Hugging Face begon in 2016 als een chatbotbedrijf, maar heeft inmiddels als doel machine learning toegankelijk te maken via hun platform.
Enkele indrukwekkende cijfers over het platform:
- Meer dan 2 miljoen publieke modellen en 500.000 datasets.
- Dagelijks meer dan 1 miljoen unieke bezoekers en downloads.
- Meer dan 15.000 bedrijven maken gebruik van het ecosysteem dat Hugging Face aanbiedt.
Het Hugging Face-ecosysteem
Eerst werd de architectuur van het Hugging Face‑ecosysteem en hoe deze geïntegreerd is in het grotere machine learning‑landschap besproken.
De opkomst van large language models
Het meest omvangrijke onderwerp van de presentatie richtte zich op de historische evolutie en de praktische toepasbaarheid van large language models.
Gesloten en open modellen
De drie gradaties van de openheid van modellen werden besproken.
- Gesloten modellen: De gewichten van het model (model weights) zijn niet beschikbaar voor de buitenwereld.
- Open modellen: Er is geen toegang tot de exacte trainingsdata of de volledige broncode.
- Volledig open modellen: Iedereen krijgt volledige toegang tot het model, de broncode en de trainingsdata.
Finetunen van compactere modellen
Verder werd aangegeven waarom de prestatiekloof tussen open en gesloten modellen kleiner wordt en waarom bedrijven overstappen op het finetunen van eigen compactere modellen. Redenen hiervoor zijn lagere kosten en de noodzaak aan extreme snelheid (low latency).
Lokale large language models
Daarna volgende een overzicht van tools om modellen lokaal en volledig offline te draaien, aangevuld met enkele voorbeelden van grafische interfaces zoals Jan en LM Studio die interactie met lokale LLM's toegankelijker maken.
Trends in artificiële intelligentie
De presentatie sloot af met een overzicht van trends in artificiële intelligentie.
- On-device AI: Modellen worden steeds compacter en sneller.
- Geavanceerd redeneren: Er is een sterke opmars aan modellen die eerst "nadenken" vooraleer ze antwoorden.
- AI Agents: Artificiële intelligentie die zelfstandig complexe, opeenvolgende taken kan uitvoeren.
- Genereren van afbeeldingen en video's
- Robotica
Gratis lesmateriaal
Hugging Face biedt gratis lesmateriaal met betrekking tot artificiële intelligentie aan op hun website via https://huggingface.co/learn.
Conclusie
Deze presentatie vormde de aanleiding om mij verder te verdiepen in de mogelijkheden van lokale large language models.
Het opzetten van een lokale AI-omgeving hoeft niet duur te zijn. Het is mogelijk om ook met een gemiddelde desktophardware bruikbare resultaten te behalen. Ik zou echter wel een GPU (grafische kaart) met minimaal 16 GB VRAM aanbevelen.