Google Τζέμα
Η Gemma είναι η οικογένεια των ελαφριών, ανοιχτού βάρους μοντέλων τεχνητής νοημοσύνης της Google που έχουν κατασκευαστεί από την ίδια έρευνα και τεχνολογία με την Gemini.
Επισκόπηση
It lets developers download, fine-tune, and run capable models on their own hardware, even a single laptop or GPU.
Βαθιά κατάδυση
Ανακοινώθηκε τον Φεβρουάριο του 2024, η Gemma δίνει στον Google μια συμμετοχή στον αγώνα μοντέλων ανοιχτού βάρους μαζί με τους Llama και Mistral του Meta. Τα μοντέλα αποστέλλονται σε μικρά μεγέθη, η πρώτη κυκλοφορία ήρθε σε εκδόσεις παραμέτρων 2Β και 7Β, με βάρη που μπορείτε να κατεβάσετε και να εκτελέσετε τοπικά, σε αντίθεση με το κλειστό Gemini μόνο για API. Το Google διανέμει τόσο τις βασικές (προεκπαιδευμένες) όσο και τις ρυθμισμένες με οδηγίες παραλλαγές υπό μια επιτρεπτή άδεια που επιτρέπει την εμπορική χρήση. Η οικογένεια επεκτάθηκε γρήγορα: CodeGemma για προγραμματισμό, PaliGemma για εργασίες γλώσσας όρασης, RecurrentGemma για αποτελεσματικές μεγάλες ακολουθίες και Gemma 2 (και μεταγενέστερα) με ισχυρότερη απόδοση σε μεγέθη όπως 9B και 27B. Το Gemma έχει σχεδιαστεί για να παίζει καλά με δημοφιλή εργαλεία, Hugging Face, Keras, PyTorch, JAX και Ollama, καθιστώντας το μια πρακτική επιλογή για on-prem, ευαίσθητες στο απόρρητο ή οικονομικές αναπτύξεις.
Τεχνική διορατικότητα
Η Gemma χρησιμοποιεί μια αρχιτεκτονική Transformer μόνο για αποκωδικοποιητή και επαναχρησιμοποιεί τεχνικές από την έρευνα Gemini, συμπεριλαμβανομένου ενός μεγάλου tokenizer λεξιλογίου (περίπου 256 χιλιάδες tokens) και εκπαίδευσης που αποστάχθηκε από μεγαλύτερα μοντέλα δασκάλων στη γενιά Gemma 2. Η απόσταξη γνώσης επιτρέπει σε ένα μικρό μοντέλο μαθητή να μιμείται ένα πολύ μεγαλύτερο, επιτυγχάνοντας ισχυρή ποιότητα σε μέτριο μέγεθος. Το "Open-weight" σημαίνει ότι οι εκπαιδευμένες παράμετροι μπορούν να ληφθούν, ώστε να μπορείτε να βελτιστοποιήσετε και να φιλοξενήσετε μόνοι σας, αν και τα δεδομένα εκπαίδευσης και η πλήρης διοχέτευση δεν είναι πλήρως ανοιχτού κώδικα.
Στρατηγικός αντίκτυπος
Στρατηγική προμηθευτή
Οι χάρτες πορείας προμηθευτών επηρεάζουν τα χαρακτηριστικά που μπορεί να δημιουργήσει η ομάδα σας στη συνέχεια.
Κόστος και προϋπολογισμός
Οι εμπορικοί όροι και οι επιλογές ανάπτυξης επηρεάζουν το μακροπρόθεσμο κόστος και τον κίνδυνο.
Κίνδυνος και ασφάλεια
Τα κίνητρα της εταιρείας διαμορφώνουν τις προεπιλογές προϊόντων, τη στάση ασφαλείας και τη διαφάνεια.
Το μέλλον της Google Gemma
Αναμένετε από τον Google να συνεχίσει να κυκλοφορεί παραλλαγές Gemma συντονισμένες για συγκεκριμένους τρόπους και εργασίες, όραμα, κώδικα, μαθηματικά και χρήση στη συσκευή, ενώ θα συρρικνωθεί το αποτύπωμα που απαιτείται για την εκτέλεση τους. Καθώς τα μοντέλα ανοιχτού βάρους κλείνουν το χάσμα με τα συνοριακά συστήματα, η Gemma τοποθετεί Google για να κερδίσει την κοινή γνώμη των προγραμματιστών και το power edge και ιδιωτικές αναπτύξεις όπου τα δεδομένα δεν μπορούν να φύγουν από το κτίριο. Η αυστηρότερη ενσωμάτωση με το Android, το Chrome και εργαλεία όπως το Ollama και το Vertex AI θα κάνει τη λεπτομέρεια και τα τοπικά συμπεράσματα ολοένα και πιο «κλειδί στο χέρι».
Υλοποίηση σε πραγματικό κόσμο
Εκτέλεση ενός chatbot εντελώς εκτός σύνδεσης σε φορητό υπολογιστή ή μεμονωμένη GPU για δεδομένα ευαίσθητα στο απόρρητο
Βελτιστοποιήστε ένα μικρό μοντέλο Gemma στα εσωτερικά έγγραφα μιας εταιρείας για έναν προσαρμοσμένο βοηθό υποστήριξης
Χρησιμοποιώντας το CodeGemma ως τοπικό βοηθό συμπλήρωσης και δημιουργίας κώδικα μέσα σε ένα IDE
Δημιουργία υποτίτλων εικόνων ή οπτικών εφαρμογών Q&A με την παραλλαγή PaliGemma στη γλώσσα όρασης
Κίνδυνοι & προστατευτικά κιγκλιδώματα
Οι ανακοινώσεις κυκλοφορίας ενδέχεται να ξεπεράσουν τη σταθερότητα στις πραγματικές ροές εργασιών παραγωγής.
Η τιμολόγηση API ή οι αλλαγές πολιτικής μπορούν να σπάσουν τις υποθέσεις από τη μια μέρα στην άλλη.
Η εξάρτηση από έναν προμηθευτή αυξάνει το κόστος κλειδώματος και μετεγκατάστασης.
Οδικός Χάρτης Εφαρμογής
Αξιολογήστε τους παρόχους χρησιμοποιώντας τις δικές σας εργασίες και σύνολα δεδομένων.
Ελέγξτε το απόρρητο, την ασφάλεια και τους νομικούς όρους πριν από την ενσωμάτωση.
Διατηρήστε ένα εναλλακτικό σχέδιο σε μοντέλα ή προμηθευτές.
Παρακολουθήστε τις σημειώσεις έκδοσης, ώστε οι αλλαγές στον οδικό χάρτη να μην εκπλήσσουν τις ομάδες.
Συνεχίστε την εξερεύνηση
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Google Gemma quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Επόμενος οδηγός
Google DeepMind
Συχνές ερωτήσεις
What is Google Gemma?
Η Gemma είναι η οικογένεια των ελαφριών, ανοιχτού βάρους μοντέλων τεχνητής νοημοσύνης της Google που έχουν κατασκευαστεί από την ίδια έρευνα και τεχνολογία με την Gemini. Επιτρέπει στους προγραμματιστές να κατεβάζουν, να ρυθμίζουν και να τρέχουν ικανά μοντέλα στο δικό τους υλικό, ακόμη και σε έναν μόνο φορητό υπολογιστή ή GPU.
Ποια είναι η βασική διαφορά μεταξύ της Gemma και του Gemini;
Τα εκπαιδευμένα βάρη της Gemma μπορούν να ληφθούν και να εκτελεστούν τοπικά, ενώ το Gemini προσφέρεται ως κλειστό μοντέλο μέσω των εφαρμογών και των API του Google.
Ποια μεγέθη υπήρχαν στην πρώτη κυκλοφορία του Gemma το 2024;
Η αρχική κυκλοφορία του Gemma περιελάμβανε μοντέλα παραμέτρων 2 δισεκατομμυρίων και 7 δισεκατομμυρίων, σκοπίμως αρκετά μικρά ώστε να λειτουργούν με μέτριο υλικό.
Ποια παραλλαγή Gemma είναι εξειδικευμένη για εργασίες προγραμματισμού;
Το CodeGemma είναι η παραλλαγή που έχει συντονιστεί για τη δημιουργία και την ολοκλήρωση κώδικα, ενώ το PaliGemma χειρίζεται τη γλώσσα όρασης και το RecurrentGemma στοχεύει αποτελεσματικές μεγάλες ακολουθίες.
Τι σημαίνει «ανοιχτό βάρος» για ένα μοντέλο όπως η Gemma;
Το Open-weight σημαίνει ότι μπορείτε να κατεβάσετε και να εκτελέσετε τις εκπαιδευμένες παραμέτρους, αλλά τα πλήρη δεδομένα εκπαίδευσης και η διοχέτευση δεν είναι απαραίτητα ανοιχτού κώδικα.
Ποια τεχνική βοηθά τη γενιά Gemma 2 να επιτύχει ισχυρή ποιότητα σε μικρά μεγέθη;
Η απόσταξη γνώσης επιτρέπει σε ένα μικρότερο μοντέλο «μαθητή» να μάθει να μιμείται ένα μεγαλύτερο μοντέλο «δασκάλου», συνδυάζοντας ισχυρές επιδόσεις σε συμπαγές μέγεθος.