Gemmaは、オープンソース人工知能の分野における大きな飛躍を意味し、GoogleのGeminiモデルを支えるのと同じ基盤技術を使用して開発された、軽量ながらも強力なモデルのコレクションを提供します。これらの高度なオープンモデルは、高性能ワークステーションから日常的なラップトップ、さらには携帯電話まで、幅広いデバイスでシームレスに動作できるAIアプリケーションを開発するために、開発者を支援します。この汎用性により、Gemmaは多様な環境でAIソリューションをデプロイし、幅広いユーザーベースに対応しようとする開発者にとって理想的な選択肢となります。
Gemmaのモデルファミリー
Gemmaファミリーは、特定のニーズとユースケースに対応するように設計された、多様なモデルを誇っています。注目すべきモデルの中には以下のようなものがあります。
- Gemma 3: このモデルは、マルチモーダル機能と広範な言語サポートで際立っており、開発者にとって汎用性の高いツールとなっています。開発者に優しいサイズにより、さまざまなアプリケーションへのアクセスと統合がさらに容易になります。
- Gemma 3n: 携帯電話やエッジコンピューティングプラットフォームなどのリソース制約のあるデバイスでのピーク効率のために設計されたGemma 3nは、処理能力とバッテリー寿命が最優先事項であるアプリケーションにとって優れた選択肢です。
パフォーマンスとベンチマーク
Gemmaのパフォーマンスは、業界標準のベンチマークを通じて厳密に評価され、その卓越した能力を実証しています。詳細な技術レポートとモデルカードは、Gemmaのパフォーマンス特性と特定のタスクへの適合性に関する包括的な洞察を提供します。詳細については、こちらをご覧ください。
特殊なGemmaバリアント
Googleはまた、特定のアプリケーションや業界向けに調整された、いくつかの特殊なGemmaバリアントを開発しました。これらには以下が含まれます。
- MedGemma: 医療テキストと画像の理解のために微調整されたGemma 3バリアント。このモデルは、複雑な医療情報を理解することに優れており、医療専門家や医学研究者にとって貴重なツールとなっています。
- ShieldGemma 2: Gemma 2上に構築された一連の安全性コンテンツ分類子モデルであり、AIモデルのテキスト入力および出力における有害なコンテンツを検出するように設計されています。 ShieldGemma 2は、潜在的に有害または不適切なコンテンツを特定して軽減することにより、AIの責任ある倫理的な使用を保証するのに役立ちます。
- PaliGemma 2: テキストと画像の両方の入力を解釈できる、軽量でオープンなビジョン言語モデルのファミリー。 PaliGemma 2を使用すると、マルチモーダル情報を理解して応答できるAIアプリケーションを作成でき、画像キャプションや視覚的な質問応答などの分野で新しい可能性が開かれます。
- DataGemma: 検索技術を統合して、応答を現実世界のデータに根ざした微調整されたGemma 2モデル。 DataGemmaは、外部ソースからの最新情報を組み込むことにより、AI応答の精度と関連性を高めます。
- Gemma Scope: 研究者がGemma 2の内部動作を理解するのに役立つように構築された、解釈可能性ツール一式。 Gemma Scopeは、AIモデルの意思決定プロセスに関する貴重な洞察を提供し、透明性と説明責任を促進します。
- CodeGemma: さまざまなコーディングタスクを実行できる、強力で軽量なモデルのコレクション。 CodeGemmaは、コード生成、デバッグ、その他の必須タスクを自動化することにより、ソフトウェア開発プロセスを簡素化および合理化します。
- Gemma (APS): 抽象的な命題セグメンテーション (APS) を使用して、複雑なテキストを有意義なコンポーネントに分割する研究ツール。 Gemma (APS) を使用すると、研究者は複雑なテキストデータをより効果的に分析および理解できるようになり、自然言語処理と情報検索の進歩が促進されます。
- TxGemma: 治療開発の効率を向上させるように設計されたオープンモデルのコレクション。 TxGemmaは、標的の特定、薬剤設計、臨床試験の最適化などのタスクを促進することにより、薬剤発見プロセスを加速します。
- RecurrentGemma: 長いシーケンスのより高速な処理のための新しい再帰的アーキテクチャを使用するオープンモデルのファミリー。 RecurrentGemmaを使用すると、AIモデルは長文のテキストやその他のシーケンシャルデータをより効率的に処理および理解できるようになり、機械翻訳や音声認識などの分野での改善につながります。
Gemmaを始める
Gemmaは、アクセスしやすく、以下を含む一般的なフレームワークおよびプラットフォームとの互換性を持つように設計されています。
- Hugging Face Transformers
- Keras
- Ollama
- PyTorch
- Gemma.cpp
- JAX
- MediaPipe
- Google Cloud
この幅広い互換性により、開発者はGemmaを既存のワークフローと開発環境にシームレスに統合できます。
Gemmaクックブック
クイックスタートガイドとコード例が満載のGitHubリポジトリであるGemma Cookbookは、Gemmaを始めるための実践的なリソースを開発者に提供します。このクックブックは、Gemmaの機能を実証する段階的な手順と実世界の例を提供する、貴重な学習ツールとして役立ちます。
開発者イベント
Googleは、Developer DaysやI/Oセッションなどの開発者イベントを定期的に開催し、オープンモデルを使用する開発者向けの最新情報と新しい機会を共有しています。これらのイベントは、開発者がGemmaの最新の進歩について学び、AIコミュニティの他のメンバーとつながるためのプラットフォームを提供します。
過去のイベントからのいくつかのハイライトを以下に示します。
- Gemma 3を使用したインテリジェントエージェントの構築: このセッションでは、関数呼び出し、計画、推論の機能など、エージェントの作成を容易にするコアコンポーネントを使用して、Gemmaモデルを使用したインテリジェントエージェントの開発について説明します。これは、複雑なタスクの自動化を検討している開発者にとって役立ちます。
- Gemma 3のアーキテクチャと設計: ここでは、Gemma 3を使用して、Googleが非常に使いやすく実用的なモデルを作成するために多くの制限をどのようにプッシュしようとしたかを参加者は発見します。基盤となるテクノロジーを理解したい人にとって洞察力に富んでいます。
- Gemma 3へようこそ: Googleの軽量で最先端のオープンモデルのファミリーであるGemmaの最新の進歩の概要。 Gemmaに慣れていない人にとって、これは良い出発点となります。
- Gemma 3への詳細な調査: Gemmaの研究チームは、軽量で最先端のオープンモデルのGoogleファミリーの背後にあるアーキテクチャ、設計原則、およびイノベーションを明らかにします。上級ユーザーや研究者に最適です。
- 真に多言語対応のGemma 3: このセッションでは、グローバルなオーディエンスにリーチするために多言語AIアプリケーションの作成がいかに重要であるか、また、多様な言語能力が開発者の最優先事項であるかを強調しています。多言語サポートの重要性を説明します。
Gemmaverseの探索
Gemmaverseは、コミュニティが作成したGemmaモデルとツールの活気に満ちたエコシステムであり、イノベーションを促進し、想像力を刺激するように設計されています。この膨大なリソースコレクションは、AIアプリケーションの開発を加速するために使用できる、豊富な既製のソリューションとツールを開発者に提供します。コミュニティの焦点は継続的な成長を保証し、開発者がソリューションやインスピレーションを見つけることができる場所です。