Google presenterade nyligen Gemma, en familj av språkliga modeller lätta och öppna verktyg för maskininlärning, vilket markerar ytterligare ett steg framåt inom området artificiell intelligens. Med lanseringen av modellerna Gemma 2B e Gem 7B, öppnar företaget nya vägar för kommersiell användning och forskning inom området generativ artificiell intelligens.
Vad är Google Gemma och vad det kan göra inom AI
Utgivningen av Gemma-modellerna följer på nära håll lansering av Gemini-modellerna. Dessa nya modeller, definierade av deras ljushet, designades för att vara direkt inspirerade av sina Gemini-föregångare, samtidigt som de bibehöll starkt oberoende när det gäller tillämpbarhet och funktionalitet. Den initiala tillgängligheten av Gemma 2B och Gemma 7B markerar höjdpunkten av denna nya riktning, med Google som mål att demokratisera tillgång till artificiell intelligens.
Google gav inte djupgående detaljer om hur Gemmas prestanda kan jämföras med liknande modeller som erbjuds av andra företag som t.ex. meta e mistral. Han betonade dock att dessa modeller representerar "non plus ultra" när det gäller teknik, och antar en liknande struktur som den som används för Gemini 1.5 och PaLM. Det förväntas att detaljerade riktmärken kommer att publiceras senare, vilket ger samhället en tydligare bild av kapacitet di Gemma.
För att underlätta antagandet och utforskningen av Gemma gör Google anteckningsböcker tillgängliga för utvecklare Colab e Kaggle redo att användas, samt integrationer med välkända plattformar som t.ex Kramande ansikte. Denna tillgänglighet tillåter utvecklare att snabbt börja arbeta med Gemma-modeller, utnyttja dess potential för skräddarsydd utbildning och trimning.
Trots betoningen på öppenhet är det viktigt att notera att Gemma modellerar de är inte öppen källkod i traditionell mening. Under en pressträff, Janine Banks från Google förtydligade företagets engagemang för öppen källkod, men underströk en skillnad i hur Gemma presenteras för allmänheten. Öppen tillgång till modeller tillåter utvecklare att använda dem för slutledning och anpassning, men specifika användarvillkor, inklusive omfördelning och ägande av utvecklade varianter, varierar beroende på modellens användarvillkor.
Den generativa kvaliteten på Google Gemma-modeller har förbättrats avsevärt, som rapporterats av Tris Warkentin av Google DeepMind. Detta framsteg öppnar för nya möjligheter inom området för AI-applikationsutveckling, vilket möjliggör verksamhet inte bara på molnplattformar utan också direkt på enheterna av utvecklare.
