גוגל חושפת את Gemma 3: AI קל משקל

Gemma 3: עידן חדש של AI פתוח ויעיל

לפני קצת יותר משנה, גוגל יצאה לשינוי משמעותי באסטרטגיית ה-AI שלה, ועברה מגישה קניינית לחלוטין לאימוץ תנועת הקוד הפתוח עם השקת סדרת Gemma. כעת, Gemma 3 מייצגת קפיצת מדרגה גדולה קדימה, המציגה את המחויבות של גוגל לספק למפתחים מודלים פתוחים חזקים, רב-תכליתיים ומפותחים באחריות.

Gemma 3 זמינה בארבעה גדלים שונים, המספקים מענה למגוון רחב של יכולות חישוביות. הטווח מתחיל במודל קומפקטי להפליא המתהדר במיליארד פרמטרים בלבד, מה שהופך אותו לאידיאלי עבור סביבות מוגבלות במשאבים כמו מכשירים ניידים. בקצה השני של הספקטרום, Gemma 3 מציעה מודל של 27 מיליארד פרמטרים, היוצר איזון בין ביצועים ליעילות. גוגל טוענת שמודלים אלה הם לא רק המודלים הפתוחים ה’מתקדמים’ וה’ניידים’ ביותר שלה עד כה, אלא גם מדגישים את מחויבותם לפיתוח אחראי.

ביצועים טובים יותר מהמתחרים

בזירה התחרותית של מודלי AI קלי משקל, הביצועים הם מעל הכל. גוגל טוענת ש-Gemma 3 עולה על מתחרותיה, כולל DeepSeek-V3, Llama-405B של Meta ו-o3-mini של OpenAI. ביצועים מעולים אלה, על פי גוגל, ממצבים את Gemma 3 כמודל המוביל המסוגל לפעול על שבב מאיץ AI יחיד, הישג משמעותי מבחינת יעילות ועלות-תועלת.

חלון הקשר משופר: זוכר יותר ליכולות משופרות

היבט מכריע בכל מודל AI הוא ‘חלון ההקשר’ שלו, הקובע את כמות המידע שהמודל יכול לשמור בכל רגע נתון. חלון הקשר גדול יותר מאפשר למודל לעבד ולהבין קלטים נרחבים יותר, מה שמוביל לביצועים משופרים במשימות הדורשות הבנה רחבה יותר של ההקשר.

בעוד שחלון ההקשר של Gemma 3, המונה 128,000 טוקנים, מייצג שיפור משמעותי לעומת קודמיו, הוא בעיקר מיישר קו בין המודלים הפתוחים של גוגל למתחרים כמו Llama ו-DeepSeek, שכבר השיגו גדלי חלון הקשר דומים. עם זאת, שיפור זה מצייד את Gemma 3 להתמודד עם משימות מורכבות יותר ולעבד נתחי מידע גדולים יותר ביעילות.

ShieldGemma 2: מתן עדיפות לבטיחות תמונה

מתוך הכרה בחשיבות הבטיחות ופיתוח AI אחראי, גוגל הציגה גם את ShieldGemma 2, בודק בטיחות תמונה הבנוי על בסיס Gemma 3. כלי זה מאפשר למפתחים לזהות תוכן שעלול להזיק בתמונות, כגון חומר מפורש מינית או אלים. ShieldGemma 2 מדגיש את המחויבות של גוגל לצמצם את הסיכונים הכרוכים בתוכן שנוצר על ידי AI ולקדם סביבה דיגיטלית בטוחה יותר.

תחיית הרובוטיקה של גוגל: Gemini במרכז הבמה

מעבר להתקדמות במודלי AI קלי משקל, גוגל עושה דחיפה מחודשת לתחום הרובוטיקה. תוך מינוף העוצמה של מודל הדגל שלה Gemini 2.0, חטיבת DeepMind של גוגל יצרה שני מודלים מיוחדים המותאמים ליישומי רובוטיקה.

התמקדות מחודשת זו ברובוטיקה באה בעקבות תקופה של הערכה מחדש, שסומנה על ידי הפסקת פרויקט ה-Everyday Robots של Alphabet כמה שנים קודם לכן. עם זאת, בדצמבר, גוגל סימנה את המשך התעניינותה בתחום על ידי הכרזה על שותפות אסטרטגית עם Apptronik, חברה המתמחה ברובוטיקה דמוית אדם.

Gemini Robotics: גישור על הפער בין שפה לפעולה

אחד ממודלי הרובוטיקה החדשים שנחשפו, שזכה לשם ההולם Gemini Robotics, מחזיק ביכולת המדהימה לתרגם הוראות בשפה טבעית לפעולות פיזיות. מודל זה חורג מביצוע פקודות פשוט על ידי התחשבות גם בשינויים בסביבת הרובוט, והתאמת פעולותיו בהתאם.

גוגל מתגאה בכך ש-Gemini Robotics מפגין מיומנות מרשימה, המסוגל להתמודד עם משימות מורכבות כגון קיפול אוריגמי ואריזת פריטים בשקיות Ziploc. רמה זו של שליטה מוטורית עדינה ויכולת הסתגלות מדגישה את הפוטנציאל של מודל זה לחולל מהפכה בתעשיות שונות, מייצור ועד לוגיסטיקה.

Gemini Robotics-ER: שליטה בהיגיון מרחבי

מודל הרובוטיקה השני, Gemini Robotics-ER, מתמקד בהיגיון מרחבי, מיומנות קריטית עבור רובוטים הפועלים בסביבות מורכבות ודינמיות. מודל זה מאפשר לרובוטים לבצע משימות הדורשות הבנה של יחסים מרחביים, כגון קביעת הדרך האופטימלית לאחוז ולהרים ספל קפה המוצב מולו.

על ידי שליטה בהיגיון מרחבי, Gemini Robotics-ER פותח אפשרויות לרובוטים לנווט ולתקשר עם סביבתם בצורה יעילה יותר, וסולל את הדרך ליישומים בתחומים כמו טיפול תומך, חיפוש והצלה וחקר.

בטיחות תחילה: עקרון ליבה ב-AI וברובוטיקה

הן ההכרזות על Gemma 3 והן ההכרזות על הרובוטיקה רוויות בדיונים על בטיחות, ובצדק. מודלים פתוחים, מעצם טבעם, מציבים אתגרי בטיחות מובנים מכיוון שהם אינם בשליטה ישירה של החברה המשחררת. גוגל מדגישה כי Gemma 3 עברה בדיקות קפדניות, תוך תשומת לב מיוחדת לפוטנציאל שלה לייצר חומרים מזיקים, בהתחשב ביכולות ה-STEM החזקות של המודלים.

בתחום הרובוטיקה, הפוטנציאל לנזק פיזי מחייב דגש גדול עוד יותר על בטיחות. Gemini Robotics-ER תוכנן במיוחד כדי להעריך את בטיחות פעולותיו ו’ליצור תגובות מתאימות’, תוך צמצום הסיכון לתאונות והבטחת פעולה אחראית.

העמקה בארכיטקטורה וביכולות של Gemma 3

כדי להעריך באופן מלא את המשמעות של Gemma 3, חיוני להתעמק בעיצוב הארכיטקטוני שלה וביכולות שהיא מציעה. בעוד שגוגל לא פרסמה פרטים טכניים מקיפים, ניתן להסיק כמה היבטים מרכזיים מהמידע שנמסר.

השימוש במונח ‘פרמטרים’ מתייחס למשתנים הפנימיים השולטים באופן שבו מודל AI פועל. פרמטרים אלה נלמדים במהלך תהליך האימון, שבו המודל נחשף לכמויות עצומות של נתונים ומתאים את הפרמטרים שלו כדי למטב את ביצועיו במשימות ספציפיות.

העובדה ש-Gemma 3 מוצעת בארבעה גדלים שונים – 1B, 2B, 7B ו-27B פרמטרים – מצביעה על עיצוב מודולרי. זה מאפשר למפתחים לבחור את גודל המודל המתאים ביותר לצרכיהם ולמשאבים החישוביים שלהם. מודלים קטנים יותר אידיאליים לפריסה במכשירים בעלי כוח עיבוד וזיכרון מוגבלים, כגון סמארטפונים ומערכות משובצות, בעוד שמודלים גדולים יותר יכולים לשמש ליישומים תובעניים יותר בחומרה חזקה יותר.

הטענה ש-Gemma 3 עולה בביצועיה על מתחרים כמו DeepSeek-V3, Llama-405B של Meta ו-o3-mini של OpenAI היא טענה נועזת. היא מרמזת שגוגל עשתה צעדים משמעותיים באופטימיזציה של מודלים ובטכניקות אימון. עם זאת, ללא מדדים והשוואות עצמאיים, קשה לאמת באופן סופי טענות אלה.

חלון ההקשר של 128,000 טוקנים, למרות שאינו פורץ דרך, הוא תכונה מכרעת לטיפול במשימות מורכבות. חלון הקשר גדול יותר מאפשר למודל ‘לזכור’ יותר מידע מהקלט, ומאפשר לו להבין טוב יותר מסמכים ארוכים, שיחות או רצפי קוד. זה חשוב במיוחד למשימות כמו סיכום, מענה על שאלות ויצירת קוד.

ShieldGemma 2: מבט מקרוב על בטיחות תמונה

ההשקה של ShieldGemma 2 מדגישה את החשש הגובר מפני שימוש לרעה פוטנציאלי בתמונות שנוצרו על ידי AI. Deepfakes, למשל, יכולים לשמש ליצירת סרטונים או תמונות מציאותיים אך מפוברקים, העלולים לגרום נזק לאנשים או להפיץ מידע כוזב.

ShieldGemma 2 משתמש ככל הנראה בשילוב של טכניקות כדי לזהות תוכן שעלול להזיק. אלה עשויים לכלול:

• סיווג תמונות: אימון מודל לזהות קטגוריות ספציפיות של תוכן מזיק, כגון עירום, אלימות או סמלי שנאה.
• זיהוי אובייקטים: זיהוי אובייקטים ספציפיים בתוך תמונה שעשויים להעיד על תוכן מזיק, כגון כלי נשק או אביזרי סמים.
• זיהוי פנים: זיהוי וניתוח פנים כדי לזהות Deepfakes פוטנציאליים או מקרים של התחזות.
• זיהוי חריגות: זיהוי תמונות החורגות באופן משמעותי מדפוסים טיפוסיים, מה שיכול להעיד על תוכן שעבר מניפולציה או סינתטי.

על ידי מתן כלי כמו ShieldGemma 2 למפתחים, גוגל מאפשרת להם לבנות יישומי AI בטוחים ואחראיים יותר המשתמשים בתמונות.

Gemini Robotics ו-Gemini Robotics-ER: חקר עתיד הרובוטיקה

ההתמקדות המחודשת של גוגל ברובוטיקה, המופעלת על ידי מודל Gemini 2.0, מסמנת צעד משמעותי לקראת יצירת רובוטים אינטליגנטיים ומסוגלים יותר. היכולת לתרגם הוראות בשפה טבעית לפעולות (Gemini Robotics) ולבצע היגיון מרחבי (Gemini Robotics-ER) הן התקדמות מרכזיות.

יכולות עיבוד השפה הטבעית של Gemini Robotics כרוכות ככל הנראה בשילוב של:

• זיהוי דיבור: המרת שפה מדוברת לטקסט.
• הבנת שפה טבעית (NLU): פירוש משמעות הטקסט, כולל זיהוי הפעולה הרצויה, האובייקטים המעורבים וכל האילוצים הרלוונטיים.
• תכנון תנועה: יצירת רצף של תנועות עבור הרובוט לביצוע הפעולה הרצויה.
• מערכות בקרה: ביצוע התנועות המתוכננות, תוך התחשבות במגבלות הפיזיות של הרובוט ובסביבה.

היכולת להתמודד עם משימות כמו קיפול אוריגמי ואריזת פריטים בשקיות Ziploc מצביעה על רמה גבוהה של מיומנות ושליטה מוטורית עדינה. זה כרוך ככל הנראה בחיישנים מתקדמים, מפעילים ואלגוריתמי בקרה.

יכולות ההיגיון המרחבי של Gemini Robotics-ER הן קריטיות למשימות הדורשות הבנה של העולם התלת-ממדי. זה עשוי לכלול:

• ראייה ממוחשבת: עיבוד תמונות ממצלמות כדי לתפוס את הסביבה, כולל זיהוי אובייקטים, מיקומם וכיוונם.
• הבנת סצנה תלת-ממדית: בניית ייצוג של הסביבה, כולל היחסים המרחביים בין אובייקטים.
• תכנון נתיב: קביעת הנתיב האופטימלי עבור הרובוט לנוע בסביבה, הימנעות ממכשולים והגעה ליעדו.
• אחיזה ומניפולציה: תכנון וביצוע תנועות לאחיזה ומניפולציה של אובייקטים, תוך התחשבות בצורתם, משקלם ושבריריותם.
• הסקה לגבי בטיחות: לפני נקיטת פעולה, הסקה האם בטוח לבצע.

הדגש על בטיחות בשני המודלים הוא בעל חשיבות עליונה. רובוטים הפועלים בעולם האמיתי עלולים לגרום נזק אם הם מתקלקלים או מקבלים החלטות שגויות. מנגנוני בטיחות עשויים לכלול:

• זיהוי התנגשות: חיישנים המזהים התנגשויות פוטנציאליות ומפעילים עצירות חירום.
• חישת כוח: חיישנים המודדים את הכוח המופעל על ידי הרובוט, ומונעים ממנו להפעיל כוח מופרז על חפצים או אנשים.
• אילוצי בטיחות: תכנות הרובוט להימנע מפעולות או אזורים מסוימים הנחשבים לא בטוחים.
• שליטה אנושית בלולאה: מתן אפשרות למפעיל אנושי להתערב ולקחת שליטה על הרובוט במידת הצורך.

השלכות וכיוונים עתידיים

להכרזות על Gemma 3 ומודלי הרובוטיקה החדשים של Gemini יש השלכות משמעותיות על עתיד ה-AI והרובוטיקה.

האופי הפתוח וקל המשקל של Gemma 3 מנגיש גישה למודלי AI חזקים, ומאפשר למפתחים ליצור יישומים חדשניים עבור מגוון רחב של מכשירים. זה יכול להוביל ל:

• יותר אפליקציות מובייל המופעלות על ידי AI: עיבוד שפה טבעית משופר, זיהוי תמונות ויכולות AI אחרות בסמארטפונים ובטאבלטים.
• מערכות משובצות חכמות יותר: אינטליגנציה משופרת במכשירים כמו מכשירי חשמל ביתיים חכמים, מכשירים לבישים וחיישנים תעשייתיים.
• אימוץ מוגבר של AI בסביבות מוגבלות במשאבים: הפעלת יישומי AI במדינות מתפתחות או באזורים מרוחקים עם קישוריות אינטרנט מוגבלת.
• יותר מודלי AI בקוד פתוח

ההתקדמות ברובוטיקה המופעלת על ידי Gemini יכולה להוביל ל:

• רובוטים תעשייתיים מסוגלים יותר: אוטומציה מוגברת בייצור, לוגיסטיקה ותעשיות אחרות.
• רובוטים מסייעים לטיפול רפואי וטיפול בקשישים: רובוטים שיכולים לעזור במשימות כמו חלוקת תרופות, סיוע בניידות וחברותא.
• רובוטים לחיפוש והצלה: רובוטים שיכולים לנווט בסביבות מסוכנות ולאתר נפגעים.
• רובוטי חקר: רובוטים שיכולים לחקור מיקומים מרוחקים או מסוכנים, כגון כוכבי לכת אחרים או סביבות תת-ימיות עמוקות.

הדגש על בטיחות הוא קריטי להבטחת פריסה אחראית של התקדמות זו ותועלת לחברה כולה. ככל שה-AI והרובוטיקה ממשיכים להתפתח, יהיה חיוני לטפל בחששות אתיים, לצמצם סיכונים פוטנציאליים ולהבטיח שטכנולוגיות אלו ישמשו לטובה.