先日、Googleは、PaliGemma2Mix と名付けられた、新たなビジョン言語モデル（VLM）を発表しました。このモデルは画像処理と自然言語処理の能力を融合し、視覚情報とテキスト入力の両方を理解し、必要に応じて対応する出力を生成することができます。これは、人工知能技術におけるマルチタスク処理の更なる進歩を示しています。PaliGemma2Mix は非常に強力な機能を備えており、画像記述、光学文字認識（OCR）などを統合しています。

IBMは、エンタープライズAI分野におけるリーダーシップを目指して、次世代オープンソース大規模言語モデルGranite3.1を発表しました。このモデルシリーズは、128Kの拡張コンテキスト長、埋め込みモデル、ビルトインの幻覚検出機能、およびパフォーマンスの大幅な向上を備えています。IBMは、Granite8B Instructモデルが、MetaのLlama3.1、Qwen2.5、GoogleのGemma2などの同規模のオープンソース競合他社の中で最高の性能を発揮すると主張しています。

グーグルは最近、新しいAIモデルファミリーであるPaliGemma 2を発表しました。最も注目すべき機能は、画像分析を通じて人間の感情を識別できると主張している点です。この発表は、学術界と技術倫理の専門家の間で広範な議論と深刻な疑問を引き起こしました。Gemmaオープンモデルに基づくこのAIシステムは、詳細な画像説明を生成でき、単純な物体認識にとどまらず、画像中の人物の行動や感情を記述しようと試みます。しかし、多くの権威ある専門家が、この技術の科学性と潜在的なリスクについて深刻な警告を発しています。オックスフォード大学...

グーグルは先日、次世代人工知能モデルであるPaliGemma2を発表しました。この技術は画像を分析してキャプションを生成し、写真内の人物に関する感情や行動に関する質問にも答えることができます。PaliGemma2はグーグルのGemmaオープンモデルシリーズをベースにしており、従来の物体認識よりも深い画像記述を提供し、感情を認識して文脈に沿った詳細な記述を生成できます。しかし、この技術は画期的な革新に見える一方で、専門家は倫理的および社会的な影響に関する深刻な警告を発しています。感情認識はP...

Waymoは先日、端到端マルチモーダル自動運転モデル「EMMA」を発表しました。このAI研究モデルは自動運転技術向けにトレーニングとファインチューニングされており、Geminiの広範な知識を活用して複雑な道路状況をより正確に理解することを目指しています。Waymoは発表された研究論文で、モデルの設計理念と技術的優位性について詳しく説明し、純粋なエンドツーエンド方式の長所と短所を考察しています。画像出典：AI生成画像、画像ライセンス提供元Midjour

ウェイモは、自動運転分野で新たな一歩を踏み出しました。Google DeepMindとの連携を競争優位性としてきた同社は、Googleのマルチモーダル大型言語モデルGeminiを活用し、自動運転タクシーのトレーニング効果を高めています。ウェイモは、センサーデータから自動運転車の将来の走行軌跡を生成できる「エンドツーエンドマルチモーダルモデル」EMMAについて詳述した新たな研究論文を発表しました。

Waymoは最近、自動運転タクシーの開発にGoogleのマルチモーダル大規模言語モデル（MLLM）Geminiをベースにした新しいトレーニングモデルを開発したという大きな進歩を発表しました。EMMA（End-to-End Multimodal Model for Autonomous Driving）と呼ばれるこの新しいモデルは、センサーデータ処理を行い、自動運転車の将来の軌跡を生成することで、無人運転車がどこへ行き、障害物をどのように回避するかを決定するのに役立ちます。EMMAモデルは、自動運転分野のリーダー企業が運用にMLLMを使用する計画の一部です。

Googleは東京で開催されたGemma開発者向けイベントで、待望の日本語対応Gemmaモデルを発表しました。わずか20億パラメーターというコンパクトなこのAIモデルは、日本語と英語の両方を同時に処理し、GPT-3.5に匹敵する性能を示しています。この技術的ブレークスルーは特に注目に値します。AI分野では、小型モデルが新しい言語を学習する際に、以前習得した能力を失ってしまう「壊滅的な忘却」という課題に直面することがよくあります。しかし、日本語対応Gemmaはこれを克服することに成功しました。

先日東京で開催されたGemma開発者日に、Googleは新しい日本語版Gemma AIモデルを発表しました。このモデルはGPT-3.5に匹敵する性能を示しながら、パラメーター数はわずか20億と非常にコンパクトで、モバイルデバイス上での動作にも最適です。今回の日本語版Gemmaモデルは、日本語処理において優れた性能を発揮する一方、英語での能力も維持しています。これは小型モデルにとって特に重要で、新しい言語への微調整において「壊滅的な忘却」に陥る可能性を低減します。

Google AIは最近、テキストから命題への分割を専門とするモデルの集合体であるGemma-APSを発表しました。これは、複雑な人間の言語を処理する際に現在の機械学習モデルが直面する多くの課題に対処することを目的としています。Gemma-APSは、微調整されたGemini Proモデルから派生し、多様な分野の合成データでトレーニングされています。この革新的なアプローチにより、モデルはさまざまな文構造や分野に適応できるようになり、その汎用性が大幅に向上します。このモデル集合は現在、Gemma-7B-APS-Iとして公開されています。

Zyphraは最近、70億個のパラメータを持つ、これまでにない性能を持つ小型言語モデル、Zamba2-7Bを正式にリリースしました。このモデルは、Mistral-7B、GoogleのGemma-7B、MetaのLlama3-8Bなど、現在の競合他社を品質と速度の両方で凌駕すると謳われています。Zamba2-7Bは、オンデバイス処理や使用など、強力な言語処理能力が必要だがハードウェアの制約を受ける環境を対象として設計されています。

Googleは先日、Gemmaシリーズ言語モデルの最新版である「gemma-2-2b-jpn-it」を発表しました。このモデルは日本語向けに最適化されており、Googleが大規模言語モデル（LLM）分野に継続的に投資していることを示しています。プロジェクトへのアクセス：https://huggingface.co/google/gemma-2-2b-jpn-it gemma-2-2b-jpn-itはテキストを…

Googleは最近、大規模言語モデル（LLM）が統計データ処理において発生しやすい「幻覚」問題に対処することを目的とした、新しいオープンソースAIモデルDataGemmaを発表しました。この幻覚現象は、数値や統計に関する質問に回答する際に、モデルが不正確な回答を提供する可能性があります。DataGemmaモデルの発表は、GoogleのAI分野における重要な進歩を示しています。画像注記：画像はAIによって生成され、画像ライセンスプロバイダーMidjourneyによって提供されています。統計クエリにおける幻覚を軽減

昆侖万維科技股份有限公司は先日、同社が開発した2つの新しい報酬モデル、Skywork-Reward-Gemma-2-27BとSkywork-Reward-Llama-3.1-8Bが、国際的に権威のある報酬モデル評価ベンチマークRewardBenchで卓越した性能を示したと発表しました。特にSkywork-Reward-Gemma-2-27Bモデルはトップの座を獲得し、RewardBench公式から高い評価を得ています。

Google DeepMindの最新研究Gemma Scopeは、言語モデルのブラックボックスの謎を解き明かします。疎な自己符号化器（SAEs）を用いて言語モデルの活性化を分解・再構成することで、その背後にある意味のある特徴を明らかにすることを目指しています。Gemma ScopeはJumpReLU SAEsを採用し、活性化を制御することで、再構成損失を最適化し、活性化された潜在的特徴の数を正則化することで、言語モデルの内部メカニズムを明らかにします。研究によると、残差流SAEsのパフォーマンスは一般的に低く、シーケンス長はSAEの性能に影響を与えます。

Googleは、20億パラメーターを持つGemma 2 2Bモデルを発表しました。このモデルは、さまざまなハードウェア環境で優れた性能を発揮し、特に「チャットボットアリーナ」において、GPT-3.5-Turbo-0613やMixtral-8x7bなどのモデルを上回っています。このモデルはNVIDIA TensorRT-LLMライブラリによって最適化されており、エッジデバイスから強力なクラウド環境まで、さまざまなシナリオに効率的に展開できます。セキュリティの向上のため、GoogleはShieldGemmaセキュリティ分類器とGemma Sも発表しました。

Googleは、オープンソースの軽量言語モデルの最新版であるGemma 2を発表しました。90億（9B）と270億（27B）のパラメータサイズを提供します。以前のGemmaモデルと比較して、この新バージョンはパフォーマンスの向上と推論速度の高速化を約束しています。

先日開催されたGoogle I/O Berlinカンファレンスで、Googleは最新の言語モデルGemma2のオープンソース化を発表しました。このモデルは性能と効率において大きな進歩を遂げています。Gemma2は9Bと27Bの2種類のモデルサイズを提供しており、27Bパラメーターのバージョンは、70BパラメーターのLlama3モデルに匹敵する性能を示す一方、モデルサイズはLlama3のおよそ40％に留まっています。

GoogleがオープンソースAI大規模言語モデルGemmaを発表。中国のオープンソース大規模言語モデルが優れた性能を示し、InternLM-2はGemmaやLlamaを様々な面で凌駕。オープンソース大規模言語モデル分野の競争が激化し、大規模言語モデルの戦場がますます活気づいている。

Googleが新しいオープンソースモデルシリーズ「Gemma」を発表GemmaとLlama 2、Mistralの比較Gemmaの設計原則と特徴Gemmaで使用されているGeGLU活性化関数の特徴