为了让其人工智能模型更容易被使用,谷歌公司今天宣布了下一代轻量级开源 Gemma 大语言模型系列,这些模型可以在单个图形处理器上运行。
新的 Gemma 3 系列模型提供了多种规模选择,开发者可以在 1 亿、4 亿、12 亿和 27 亿参数中进行选择。这些不同规模使 AI 工程师和开发者能够根据硬件和性能需求选择最佳模型。例如,如果要在 GPU 或张量处理单元上运行 (允许使用更大更复杂的模型),或是在智能手机上运行 (需要更小的模型)。
Gemma 底层技术与谷歌迄今为止最复杂和最强大的 Gemini 模型共享相同的技术研究基础。Gemini 为 Gemini AI 聊天机器人 (前身为 Bard) 提供支持,该聊天机器人可在网页和移动设备上使用,同时也用于提供谷歌的多项 AI 服务。
凭借这种技术设计,谷歌表示 Gemma 3 能够在其规模下提供高性能,在 LMArena 排行榜的初步人类偏好评估中表现优于 Llama-405B、DeepSeek-V3 和 OpenAI 的 o3-mini 等更大的模型。
即使在单个设备或 GPU 上运行,Gemma 仍然能为开发者提供足够的性能来创建具有多模态能力的 AI 应用,支持高级文本和视觉推理。它拥有 128,000-token 的上下文窗口,这意味着它可以处理约 30 张高分辨率图像、一本 300 页的书籍或一小时以上的视频,这与 OpenAI 的 GPT-4o 的上下文长度相当。
谷歌表示,该模型系列包含函数调用和工具使用功能,使开发者能够自动化任务并构建 AI 代理。结合大型上下文窗口,Gemma 3 将能够摄入大量数据并自动化复杂的顺序任务。
除了 Gemma 3,谷歌还发布了 ShieldGemma 2,这是一个拥有 40 亿参数的变体,可以检查图像的安全性并将其标记为安全或危险。
ShieldGemma 使开发者能够构建可以检查上传图像是否包含潜在危险内容的应用程序。它在"危险内容"、"色情内容"和"暴力"三个不同类别中输出安全标签。
开发者在其应用中使用时,可以通过提供需要监视和标记的内容来进一步根据需求调整模型。其权重和参数也是开源的,因此可以针对不同行业需求和控制进行训练。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。