何为开放
谷歌强调 Gemma 是开放模型，首先说明模型免费以及可商用(允许所有组织负责任地进行商用和分发)， 同时强调其开放而不开源，意味着模型虽然先进，但是谷歌并不会分享关于模型的过多技术细节。包括 Gemma的源码、训练数据等等。这无疑和 OpenAI 的做法如出一辙。
重新划分大模型阵营
在此之前，我们再谈及大模型（包括其他软件的时候），都是两个评判标准：
• 是否开源
• 是否可免费商用
自此之后，开放模型这个概念可能会慢慢被大众接受，相信更多的厂商也会推出自己的开放模型。
如何让开放模型有竞争力
这个问题谷歌给出了很好的答案和范例，看 Gemma 发布文章就能看出，那就是：给出优秀的模型以及开发者需要的一切东西。
包括：
• 各个主流框架的集成以及实例
• 微调工具链
• 宽松的使用条款（免费商用）
这点我们后面详细介绍。
对谷歌的意义
众所周知，Meta 公司因其在AI领域的开源策略备受业界好评，而谷歌和OpenAI却 因坚持技术封闭而常遭受到外界的批评，两者都在各自最新和最先进的模型上选择了闭源的策略， 被很多人认为是不利于人工智能的技术进步。
而此次Gemma开放模型也标志着谷歌大模型策略的转变。兼顾开源和闭源的的策略， 不仅能够同时和Meta、OpenAI的开源和闭源公司同时竞争。其Gemma开放模型也必然会 吸引更多的开发者进入谷歌云生态，推动相关业务的发展。
关于 Gemma
Gemma 得名于拉丁语『宝石』，发音是ˈdʒemə (杰玛)。
它由 Google DeepMind 和 Google 的其他团队开发，其灵感来自 Gemini， 采用与创建 Gemini 模型相同的研究和技术而构建。我们可以认为 Gemma 是 Gemini 的青春版。
大家可以访问 https://ai.google.dev/gemma[1] 使用 Gemma。
轻量级模型
谷歌在介绍 Gemma 时候，强调了它是最先进的、轻量级开放模型。有 2B 和 7B 两种尺寸的模型权重。
在此之前所有排的上号的模型都至少会发布 10B 以上尺寸的模型，甚至有更大的 100B 以上模型。我觉得这次谷歌这次似乎看对了方向，不去卷大模型的大，开始卷大模型的小了。当然让模型小且好用，没有牛逼的技术实力是办不到的。
根据我的经验 6B（7B）的模型是一般开发人员笔记本电脑运行的极限，当然也只是仅仅运行， 其推理速度并不快，只能做一个技术验证，并不能作为日常开发很流畅的使用。而 1B（2B）的 模型就可以在开发人员的电脑上很流畅的运行起来，丢在后台作为一个定制本地AI助手一直运行着也不会 对你日常工作有什么影响。
而 10B 以上的模型，无一例外都是那些有卡玩家的专属， 这也无疑是给很多想尝鲜或者做技术调研用户树起了一个逞强， 让哪些潜在用户变成看客。
个人觉得，谷歌反其道而行的小模型策略，反而能让其受到开发者的拥护，更受市场的欢迎。
Gemma 性能
首先谷歌宣称 Gemma 是同尺寸拥有最先进新能，甚至在关键测试上超越了更大的模型， 这里谷歌拿当前开源模型的王者 Lamma-2 做了对比：
数据集、性能和建模方法等更详细的信息可以参考它的技术报告[2]。
https://storage.googleapis.com/deepmind-media/gemma/gemma-report.pdf[3]
Gemma 开放了什么？
我们前面提到了谷歌定义Gemma为开放模型，那么它到底开放了什么？
• 发布了两种尺寸的模型配重：Gemma 2B 和 Gemma 7B。每个尺寸都发布了经过预训练和指令调整的变体。
• 新的Responsible Generative AI 工具包为使用 Gemma 创建更安全的 AI 应用程序提供了指导和基本工具。
• 通过原生Keras 3.0提供跨所有主要框架的推理和监督微调 (SFT) 工具链：
JAX、PyTorch和TensorFlow。• 即用型Colab和Kaggle 笔记本，以及与
Hugging Face、MaxText、NVIDIA NeMo和TensorRT-LLM等流行工具的集成。• 预训练和指令调整的 Gemma 模型可以在您的笔记本电脑、工作站或 Google Cloud 上运行，并可轻松部署在Vertex AI和Google Kubernetes Engine (GKE) 上。
• 使用条款[4]允许所有组织（无论规模大小）负责任地进行商业使用和分发。
更详细的内容可以参考谷歌发布 Gemma 的文章[5]。
安全性
安全性一直是AI大厂重视并投入大量人力物力，而小厂不太关心的领域。我们上篇文章也提到了 Gemini 1.5 未对公众开发的主要原因就是安全问题。
Gemma 的安全性主要体现在以下方面：
• 以谷歌人工智能原则[6]为核心进行设计。
• 使用自动化技术从训练集中过滤掉某些个人信息和其他敏感数据。
• 利用人类反馈 (RLHF) 进行广泛的微调和强化学习，使指令调整模型与负责任的行为保持一致。
• 为了了解和降低 Gemma 模型的风险状况，我们进行了稳健的评估，包括手动红队、自动对抗测试以及危险活动模型能力评估。
• 与 Gemma 一起发布了新的 负责任的生成式AI工具包，以帮助开发人员和研究人员优先构建安全且负责任的 AI 应用程序。
下载使用
最后，大家可以通过 HuggingFace，Kaggle，Vertex AI 等多个平台下载使用过 Gemma 模型。
引用链接
[1]: https://ai.google.dev/gemma[2] 技术报告: https://storage.googleapis.com/deepmind-media/gemma/gemma-report.pdf[3]: https://storage.googleapis.com/deepmind-media/gemma/gemma-report.pdf[4] 使用条款: https://www.kaggle.com/models/google/gemma/license/consent[5] 发布 Gemma 的文章: https://blog.google/technology/developers/gemma-open-models/[6] 谷歌人工智能原则: https://ai.google.dev/responsible?utm_source=agd&utm_medium=referral&utm_campaign=explore-responsible&utm_content&hl=zh-cn
--- END ---