Googleは、テキスト、画像、音声、動画、コードを処理するように設計された新しい人工知能モデル群「Gemini」を発表し、中規模のGemini Proモデルをバード大学に即座に導入した。同社によると、最大規模のGemini Ultraは、広く使用されている32の学術ベンチマークのうち30で現在の最先端の性能を上回っているが、このモデルは来年まで安全性のテストと限定的な評価にとどまる予定だ。.
12月6日の発表は、OpenAIのGPT-4とChatGPTの急速な普及に対するGoogleのこれまでで最も直接的な技術的回答と言える。Googleはあらゆる用途に対応する単一のモデルをリリースするのではなく、最も複雑なタスク向けのUltra、クラウド規模での広範な利用向けのPro、そしてデバイス上での効率的な計算向けのNanoという3つのバージョンを開発した。
3つのモデルは、それぞれ異なるコンピューティング環境を対象としています。
Google DeepMindによると、Geminiはテキストモデルに後から個別のコンポーネントを追加するのではなく、最初からマルチモーダルシステムとして設計されている。同社によれば、このアプローチにより、モデルは文章、画像、音声、動画の組み合わせを横断的に推論し、プログラミングタスクを実行できるという。Googleの 発表資料 によると、Gemini 1.0は同社のTensor Processing Unitインフラストラクチャ上で大規模にトレーニングされている。
Gemini Proは、現在ほとんどのユーザーが利用できるバージョンです。Googleは、170以上の国と地域でBardに特別に調整された英語バージョンを導入しました。同社によると、このアップグレードにより、推論、計画、理解力が向上するとのことです。Bard の発表 によると、Gemini Ultraへのアクセスは、さらなる評価の後、より高度なBard体験を通じて後日提供される予定です。
Gemini Nanoはモバイルデバイス向けに開発されています。Googleの Pixelアップデートに よると、Pixel 8 Proは、レコーダーアプリの要約機能やGboardのスマートリプライ機能など、様々な機能にNanoを使用しているとのことです。生成型AI機能をローカルで実行することで、レイテンシを削減し、オフラインでの使用を可能にし、情報をリモートデータセンターに送信する代わりにデバイス上に保持することができます。
Googleが積極的なベンチマーク結果を発表
今回の発表で最も注目すべき点は、GoogleがGemini Ultraが幅広いテストで新たな結果を達成したと主張していることだ。同社によれば、Ultraは大規模言語モデルやマルチモーダルシステムに使用される32のベンチマークのうち30で、既存の最先端技術の結果を上回っているという。また、数学、物理学、歴史、法律、医学、倫理など57の分野を網羅するベンチマークであるMMLUでは、90%のスコアを記録したと報告している。.
これらの結果は、広く一般に利用されている証拠というよりは、企業が報告したベンチマーク結果として扱うべきである。Gemini Ultraはまだ一般に公開されていないため、外部の開発者や研究者は、通常の展開環境で主張されているすべての結果を独自に再現することはできない。Ars Technicaは 、GoogleがUltraは多くのテストでGPT-4関連の結果を上回っていると述べていることを指摘しつつも、独自のモデル間のベンチマーク比較は、プロンプト、評価方法、モデルへのアクセス状況によって左右される可能性があることを強調した。
ガーディアン 紙 によると、GoogleはUltraが、同社が取り上げた32のテストのうち30で競合システムを上回ったと述べている。同社はまた、幻覚(自信満々に生成された誤った回答や根拠のない回答)は未解決の研究課題であると認めた。この注意書きは重要である。なぜなら、ベンチマークの強さは、主要な生成型AIシステムすべてに影響を与えてきた信頼性の限界を取り除くものではないからだ。
ウルトラは安全ゲートの後ろに留まる
Googleは、最も高性能なモデルを発売当初から広く公開する予定はない。同社によると、Gemini Ultraは現在、外部のレッドチームによるテスト、安全性評価、微調整、そして人間のフィードバックに基づく強化学習を受けているという。一部の顧客、開発者、専門家は、2024年初頭に予定されている一般公開に先立ち、早期アクセス権を得られる。.
段階的なアプローチは、最先端のAIシステムに対する監視の強化を反映している。ジョー・バイデン大統領が10月に出した大統領令では、特定の高性能モデルの開発者に対し、指定された条件下での安全性試験に関する情報を連邦政府に提供することを義務付けている。Googleは、政府の安全対策に協力する意向を示しており、英国の新たなAI安全研究所とも評価について協議している。.
同社によると、Gemini Proは12月13日からGoogle AI StudioとVertex AIを通じて開発者および企業顧客向けに提供される予定だ。この流通戦略により、Geminiは単なる消費者向けチャットボットのアップグレードではなく、企業向けソフトウェア、クラウドコンピューティング、アプリケーション開発のワークロードで競争することを目的としたプラットフォーム技術となる。.
競争の激化は、Googleの製品ポートフォリオ全体に及んでいる。
Googleは、広く利用されている消費者向けサービス、Android、Chrome、検索、そして主要なクラウドプラットフォームを支配しているため、新しい基盤モデルを普及させる上で他に類を見ない優位性を持っている。同社によれば、Geminiは最終的に検索、広告、Chrome、その他の製品に展開される予定だ。Googleの発表資料によると、検索における初期の実験では、検索生成エクスペリエンスの遅延が軽減されたという。.
その広がりは、同時にリスクも高める。マイクロソフトはOpenAIの技術をBing、GitHub、そして自社のエンタープライズソフトウェアに統合しており、一方OpenAIはChatGPTを通じて大規模な直接ユーザー基盤を構築している。Googleは、Geminiが管理されたテストで優れた性能を発揮するだけでなく、許容できない信頼性、プライバシー、または安全性の問題を引き起こすことなく、数十億人が利用する製品を改善できることを証明しなければならない。.
したがって、最初のリリースは2段階のテストとなる。Gemini ProとNanoは、BardとPixelのデバイスを通じて、実環境での検証を開始できる。一方、同社が最高の性能を謳うGemini Ultraは、まず社内外の追加審査を通過する必要がある。.
Googleの発表により、Geminiは同社の今後の中核となるAIアーキテクチャとして位置づけられることになった。競争バランスが変化するかどうかは、単一のベンチマーク表よりも、開発者、企業、消費者が3つのモデルサイズを大規模に利用した際のパフォーマンスに大きく左右されるだろう。今週の時点で、ProとNanoについてはそのプロセスが開始されているが、Ultraに関する最も重要な主張は、Google以外の環境で検証される必要がある。.