今週火曜日、Google は Google Cloud Next 2024 で一連の AI 関連モデルのアップデートと製品をリリースしました。これには、ローカル音声 (音声) 理解機能とコード生成を初めて提供する Gemini 1.5 Pro が含まれます。新モデルCodeGemma、初の自社開発ArmプロセッサAxionなど。
Gemini 1.5 Pro
Gemini 1.5 Pro は、Google の最も強力な生成 AI モデルであり、現在利用可能ですGoogle のエンタープライズ向け AI 開発プラットフォームである Vertex AI のパブリック プレビュー中。 Google の企業向け AI 開発プラットフォームです。処理できるコンテキストは 128,000 トークンから 100 万トークンに増加します。 100 万トークンは、約 700,000 ワード、または約 30,000 行のコードに相当します。これは、Anthropic の主力モデルである Claude 3 が入力として処理できるデータ量の約 4 倍、OpenAI の GPT-4 Turbo の最大コンテキスト量の約 8 倍です。
公式原文リンク: https://developers.googleblog.com/2024/04/gemini-15-pro-in-public-プレビュー -with-new-features.html
このバージョンでは、ローカル オーディオ (音声) 理解機能と新しいファイル API が初めて提供され、ファイル処理が容易になります。 Gemini 1.5 Pro の入力モードは、Gemini API および Google AI Studio でのオーディオ (音声) 理解を含むように拡張されています。さらに、Gemini 1.5 Pro は、Google AI Studio にアップロードされたビデオの画像 (フレーム) とオーディオ (音声) の推論を実行できるようになりました。
Jeff Dean によるこの講演など、117,000 トークンを超える講演の録音をアップロードできます。Gemini 1.5 Pro はそれを次のように変換できます。答えのあるテスト。 (デモが高速化されました)
Google は、主に次の 3 つの内容を含む Gemini API の改善も行いました。 AI Studio と Gemini API では、モデルの応答をガイドするために Google システム命令が使用されます。役割、形式、目標、ルールを定義して、特定のユースケースにおけるモデルの動作をガイドします。
Google AI Studio でシステム命令を簡単に設定
2.JSON モード: モデルが出力JSONオブジェクトのみ。このパターンにより、テキストや画像から構造化データを抽出できます。 cURL が利用可能になり、Python SDK のサポートも近日中に開始されます。
3. 関数呼び出しの改善: モデルの出力を制限し、信頼性を向上させるモードを選択できるようになりました。テキスト、関数呼び出し、または関数自体を選択します。
さらに、Google は、同様のモデルよりも優れた次世代のテキスト埋め込みモデルをリリースする予定です。本日より、開発者は Gemini API を通じて次世代のテキスト埋め込みモデルにアクセスできるようになります。この新しいモデル text-embedding-004 (Vertex AI では text-embedding-preview-0409) は、MTEB ベンチマークでより強力な検索パフォーマンスを実現し、同等のディメンションを持つ既存のモデルを上回るパフォーマンスを発揮します。
#MTEB ベンチマークでは、256 ディメンションの出力を使用する Text-embedding-004 (別名 Gecko) が、より大きな 768 ディメンションの出力モデルすべてを上回っています
3 つの主要なオープンソース ツール

GitHub アドレス: https://github.com/google/maxdiffusion
2 つ目は、実行生成方式の Jetstream AI モデル用の新しいエンジン。現在、JetStream は TPU のみをサポートしていますが、将来的には GPU と互換性がある可能性があります。 Google は、JetStream は Google の Gemma 7B や Meta の Llama 2 などのモデルと比べて、価格/パフォーマンスが最大 3 倍になると主張しています。

GitHub アドレス: https://github.com/google/JetStream
3 つ目は、クラウド内の TPU および Nvidia GPU 用のテキスト生成 AI モデルのコレクションである MaxTest です。 MaxText には現在、Gemma 7B、OpenAI の GPT-3、Llama 2、および AI スタートアップ Mistral のモデルが含まれており、Google によれば、これらはすべて開発者のニーズに合わせてカスタマイズおよび微調整できるとのことです。

GitHub アドレス: https://github.com/google/maxtext
最初の自己Arm プロセッサ Axion の研究を行いました

Google Cloud は、Axion と呼ばれる初の自社開発 Arm プロセッサの発売を発表しました。 Arm の Neoverse 2 をベースにしており、データセンター向けに設計されています。 Googleによれば、同社のAxionインスタンスは、AWSやMicrosoftなどの競合他社の他のArmベースのインスタンスよりもパフォーマンスが30%優れており、対応するX86ベースのインスタンスと比べてパフォーマンスが最大50%向上し、エネルギー効率が60%向上しているという。
Google は火曜日の発表会で、Axion はオープン基盤上に構築されているため、Google Cloud の顧客は既存の Arm ワークロードを何も変更せずに Google Cloud に持ち込むことができると強調しました。
ただし、Google はこれに関する詳細な紹介をまだリリースしていません。
コード補完および生成ツール—CodeGemma
CodeGemma は Gemma モデルに基づいており、強力で軽量なツールをコミュニティに提供します。関数。このモデルは、特にコード補完とコード生成タスクを処理する 7B 事前トレーニング済みバリアント、コード チャットとコマンド追従用の 7B コマンド調整済みバリアント、およびローカルで高速コード補完を実行する 2B 事前トレーニング済みバリアントに分けることができます。コンピューターのバリエーション。

CodeGemma には次の大きな利点があります:
インテリジェントなコード補完と生成: 完全ローカルで作業しているかクラウドで作業しているかに関係なく、行、関数、さらにはコードのブロック全体を生成することもできます。5,000 億トークンの英語データがトレーニングされ、生成されたコードは文法的に正しいだけでなく、意味的にもより意味のあるものになります。エラーとデバッグ時間の削減に役立ちます; 多言語機能: Python、JavaScript、Java、およびその他の一般的なプログラミング言語をサポートします; ワークフローを簡素化: CodeGemma を開発環境に統合して、定型的なコードの作成を減らし、重要なコードをより速く、興味深い、差別化されたコードを作成します。
- # CodeGemma と他の主流のコード大規模モデルとの比較結果の一部を以下の図に示します。
##GSM8K、MATH、およびその他のデータセットに関する CodeGemma 7B モデルと Gemma 7B モデルの比較結果。

技術的な詳細と実験結果については、Google が同時に公開した論文を参照してください。

文書のアドレス: https://storage.googleapis.com/deepmind-media/gemma/codegemma_report.pdf
オープン言語モデル - RecurrentGemma
Google DeepMind は、一連のオープン ウェイト言語モデル - RecurrentGemma もリリースしました。 RecurrentGemma は Griffin アーキテクチャに基づいており、グローバル アテンションをローカル アテンションと線形再帰の組み合わせで置き換えることにより、長いシーケンスを生成する際の高速推論を可能にします。

#技術レポート: https://storage.googleapis.com/deepmind-media/gemma/recurrentgemma-report.pdf
RecurrentGemma-2B は、Gemma-2B (トランスフォーマー アーキテクチャ) に匹敵する、ダウンストリーム タスクで優れたパフォーマンスを実現します。

同時に、RecurrentGemma-2B は、推論中、特に長いシーケンスでより高いスループットを実現します。

動画編集ツール - Google Vids
Google Vids は AI 動画作成ツールです。 Google Workspace に追加された新機能。

Google Vids を使用すると、ユーザーはドキュメントやスプレッドシートなどの他の Workspace ツールと並行して動画を作成し、同僚とリアルタイムで共同作業できると Google は述べています。

エンタープライズ固有のコード アシスタント ——Gemini Code Assist
Gemini Code Assist はエンタープライズ向けです。 GitHub Copilot Enterprise に対してベンチマークされた、特定のコード アシスタント AI コード補完および補助ツール。 Code Assist は、VS Code や JetBrains などの人気のあるエディタのプラグインとして利用可能になります。

画像ソース: https://techcrunch.com/2024/04/09/google-launches-code-assist-its-latest- Challenger-to-githubs-copilot/
Code Assist は Gemini 1.5 Pro を利用しています。 Gemini 1.5 Pro には 100 万トークンのコンテキスト ウィンドウがあり、これにより Google のツールは競合他社よりも多くのコンテキストを導入できます。 Googleによれば、これはCode Assistがより正確なコード提案を提供し、コードの大部分を推論して変更する機能を提供できることを意味するとしている。
Google は次のように述べています。「Code Assist を使用すると、顧客はコード ベース全体に大規模な変更を加えることができ、これまで不可能だった AI 支援によるコード変換が可能になります。」
Agent Builder ——Vertex AI
AI エージェントは、今年注目の業界開発の方向性です。 Google は、企業による AI エージェントの構築を支援する新しいツールである Vertex AI Agent Builder を発表しました。
Google Cloud の CEO、トーマス クリアン氏は次のように述べています。「Vertex AI Agent Builder を使用すると、本番環境に対応した AI 主導の生成会話を非常に簡単かつ迅速に構築してデプロイできます。エージェントは次のことができます。」人間と同じようにエージェントをガイドして、モデルが生成した結果の品質と正確性を向上させます。」













以上が完全な画期的な進歩として、Google は昨夜、多数の大型モデル製品を更新しましたの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

1 前言在发布DALL·E的15个月后,OpenAI在今年春天带了续作DALL·E 2,以其更加惊艳的效果和丰富的可玩性迅速占领了各大AI社区的头条。近年来,随着生成对抗网络(GAN)、变分自编码器(VAE)、扩散模型(Diffusion models)的出现,深度学习已向世人展现其强大的图像生成能力;加上GPT-3、BERT等NLP模型的成功,人类正逐步打破文本和图像的信息界限。在DALL·E 2中,只需输入简单的文本(prompt),它就可以生成多张1024*1024的高清图像。这些图像甚至

“Making large models smaller”这是很多语言模型研究人员的学术追求,针对大模型昂贵的环境和训练成本,陈丹琦在智源大会青源学术年会上做了题为“Making large models smaller”的特邀报告。报告中重点提及了基于记忆增强的TRIME算法和基于粗细粒度联合剪枝和逐层蒸馏的CofiPruning算法。前者能够在不改变模型结构的基础上兼顾语言模型困惑度和检索速度方面的优势;而后者可以在保证下游任务准确度的同时实现更快的处理速度,具有更小的模型结构。陈丹琦 普

Wav2vec 2.0 [1],HuBERT [2] 和 WavLM [3] 等语音预训练模型,通过在多达上万小时的无标注语音数据(如 Libri-light )上的自监督学习,显著提升了自动语音识别(Automatic Speech Recognition, ASR),语音合成(Text-to-speech, TTS)和语音转换(Voice Conversation,VC)等语音下游任务的性能。然而这些模型都没有公开的中文版本,不便于应用在中文语音研究场景。 WenetSpeech [4] 是

由于复杂的注意力机制和模型设计,大多数现有的视觉 Transformer(ViT)在现实的工业部署场景中不能像卷积神经网络(CNN)那样高效地执行。这就带来了一个问题:视觉神经网络能否像 CNN 一样快速推断并像 ViT 一样强大?近期一些工作试图设计 CNN-Transformer 混合架构来解决这个问题,但这些工作的整体性能远不能令人满意。基于此,来自字节跳动的研究者提出了一种能在现实工业场景中有效部署的下一代视觉 Transformer——Next-ViT。从延迟 / 准确性权衡的角度看,

3月27号,Stability AI的创始人兼首席执行官Emad Mostaque在一条推文中宣布,Stable Diffusion XL 现已可用于公开测试。以下是一些事项:“XL”不是这个新的AI模型的官方名称。一旦发布稳定性AI公司的官方公告,名称将会更改。与先前版本相比,图像质量有所提高与先前版本相比,图像生成速度大大加快。示例图像让我们看看新旧AI模型在结果上的差异。Prompt: Luxury sports car with aerodynamic curves, shot in a

人工智能就是一个「拼财力」的行业,如果没有高性能计算设备,别说开发基础模型,就连微调模型都做不到。但如果只靠拼硬件,单靠当前计算性能的发展速度,迟早有一天无法满足日益膨胀的需求,所以还需要配套的软件来协调统筹计算能力,这时候就需要用到「智能计算」技术。最近,来自之江实验室、中国工程院、国防科技大学、浙江大学等多达十二个国内外研究机构共同发表了一篇论文,首次对智能计算领域进行了全面的调研,涵盖了理论基础、智能与计算的技术融合、重要应用、挑战和未来前景。论文链接:https://spj.scien

译者 | 李睿审校 | 孙淑娟近年来, Transformer 机器学习模型已经成为深度学习和深度神经网络技术进步的主要亮点之一。它主要用于自然语言处理中的高级应用。谷歌正在使用它来增强其搜索引擎结果。OpenAI 使用 Transformer 创建了著名的 GPT-2和 GPT-3模型。自从2017年首次亮相以来,Transformer 架构不断发展并扩展到多种不同的变体,从语言任务扩展到其他领域。它们已被用于时间序列预测。它们是 DeepMind 的蛋白质结构预测模型 AlphaFold

说起2010年南非世界杯的最大网红,一定非「章鱼保罗」莫属!这只位于德国海洋生物中心的神奇章鱼,不仅成功预测了德国队全部七场比赛的结果,还顺利地选出了最终的总冠军西班牙队。不幸的是,保罗已经永远地离开了我们,但它的「遗产」却在人们预测足球比赛结果的尝试中持续存在。在艾伦图灵研究所(The Alan Turing Institute),随着2022年卡塔尔世界杯的持续进行,三位研究员Nick Barlow、Jack Roberts和Ryan Chan决定用一种AI算法预测今年的冠军归属。预测模型图


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

Safe Exam Browser
Safe Exam Browser は、オンライン試験を安全に受験するための安全なブラウザ環境です。このソフトウェアは、あらゆるコンピュータを安全なワークステーションに変えます。あらゆるユーティリティへのアクセスを制御し、学生が無許可のリソースを使用するのを防ぎます。

ZendStudio 13.5.1 Mac
強力な PHP 統合開発環境

SublimeText3 英語版
推奨: Win バージョン、コードプロンプトをサポート!

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール
