Świeżo po wyjściu z łodzi po wydaniu Gemini 1.5 Google wprowadza na rynek nowy model AI Gemma
Zbudowano go w oparciu o tę samą technologię, która została zastosowana w modelach Gemini.
2 minuta. czytać
Opublikowany
Udostępnij ten artykuł
Ulepsz ten przewodnik
Przeczytaj naszą stronę z informacjami, aby dowiedzieć się, jak możesz pomóc MSPoweruser w utrzymaniu zespołu redakcyjnego Czytaj więcej
Kluczowe uwagi
- Google ogłosiło Gemmę, kolejny model zbudowany w oparciu o tę samą technologię, co modele Gemini.
- To lekki model zaprojektowany specjalnie, aby pomóc programistom i badaczom w tworzeniu odpowiedzialnej sztucznej inteligencji.
- Gemma AI występuje w dwóch modelach: Gemma 2B i Gemma 7B.
Google ma dość pracowite kilka miesięcy, aby dogonić Microsoft w wyścigu AI. Niedługo potem uruchomienie Gemini i Gemini 1.5, jej najpotężniejszy jak dotąd model sztucznej inteligencji, firma oznajmiła Gemma, kolejny model zbudowany przy użyciu tej samej technologii, co modele Gemini.
„Opracowana przez Google DeepMind i inne zespoły Google, Gemma jest inspirowana Gemini, a nazwa odzwierciedla łacińskie pączek, co oznacza „kamień szlachetny” – podaje Google w oficjalnym ogłoszeniu, tuż po nim ogłaszamy Gemini 1.5 to mogłoby być 20 razy szybszy niż GPT-4.
Google Gemma AI jest dostępny w dwóch modelach: Gemma 2B i Gemma 7B. Różnią się one wielkością i możliwościami. Obydwa są dostępne w dwóch wersjach: „wstępnie przeszkolony” do ogólnego użytku i „dostrojony zgodnie z instrukcją” do określonych zadań.
Ale jaka jest dokładnie różnica? Gemma to nie tylko model sztucznej inteligencji typu open source. To lekki model zaprojektowany specjalnie, aby pomóc programistom i badaczom w tworzeniu odpowiedzialnej sztucznej inteligencji, kierując się zasadami Google dotyczącymi sztucznej inteligencji.
Możesz także tworzyć bezpieczniejsze i bardziej etyczne aplikacje AI, korzystając z zestawu narzędzi Google Responsible Generative AI Toolkit, który również wchodzi w zakres tego modelu.
Zestaw narzędzi zapewnia także zestawy narzędzi do wnioskowania i dostrajania popularnych platform, takich jak JAX, PyTorch i TensorFlow, a także gotowe do użycia notesy i integracje z uznanymi narzędziami, takimi jak Hugging Face i NVIDIA NeMo.
