【美股新聞】Google推出一系列免費開源AI模型，向競爭對手、新創公司挑戰

歡迎大家分享讓更多人可以看到：

瀏覽人數： 582

圖/Shutterstock

放大鏡短評

CMoney過去曾整理過開源模型的優勢【關鍵趨勢】開源私有大比拚，AI 聯盟 vs OpenAI vs Google誰是最後的AI王者，顯然現在Google(GOOG)也開始雙邊下注，證明開源市場的潛力。CMoney研究團隊認為投資者須注意GPU算力的增幅是否會降低模型訓練的成本與門檻，若模型的訓練門檻降低，將有可能使得開源模型取代私有模型。

新聞資訊

Google(GOOG)今日揭曉自家最新免費開源AI模型系列，此系列被命名為「Gemma」。這對其需要支付才能使用的高性能Gemini模型而言，可謂是種致敬與策略性回應。Gemma將與Meta和像是Mistral、Hugging Face等資金充裕的AI新創公司展開直接競爭。

過去一年以來，專有AI模型的提供者與推廣開源模型的一方，兩者間逐漸形成立場相對的陣營。開源模型規模雖較小、功能不全面，然而效能差距已經快速縮小。同時，開源模型不但尺寸精簡，其高客製化的特性，也深受到程式設計師和工程師的喜愛，尤其針對那些欲打造AI應用程式，以及期望嚴密控制高漲之AI建置成本的公司而言更是如此。

直到今日Google仍是私有模型陣營的支持者，與競爭對手如OpenAI和Microsoft(MSFT)相同。但今日該公司的公告也承認開源模式在某種程度上正漸漸取勝，至少部分如此，畢竟開源AI最大的支持者就包含了臉書的母公司Meta(META)。而Google此舉顯示其態度轉向，選擇對兩方下注，以求全贏局面。亞馬遜(AMZN)的雲端運算部門AWS亦跨足兩大陣營，起初他們與Hugging Face等開源主力合作，隨後卻也選擇與提供專有AI模型的新創Anthropic締結夥伴關係。

Google負責開發Gemma新系列模型的深度學習部門(DeepMind)產品管理總監Tris Warkentin表示，公司如此回應是因為軟體工程師們透露他們在建置AI應用程式時，常常使用到兩類模型。工程師們偏好只在真正需要額外功能時，才有賴於高價的專有模型。例如，當需要分析圖像中發生的事情並且對應生成文字描述時，此類進階模型便顯得格外優異。

同時，以這種方法打造應用程式也對企業有利，因為無論專有或開源模型，兩者和使用中的資料都能直接在同一雲端運算平台運行。在多個雲端與模型間傳輸數據不但增加了難度，也可能引入時間延遲與系統錯誤等風險。 Warkentin說明，Google期望藉由同時提供專有和開源模型，能夠吸引更多客戶完全透過Google雲端平台建構他們的AI程式。

雖然Google宣稱Gemma是基於部分與自家Gemini模型相同的技術原則所建立，但Gemini模型設計用以進行音頻、影像、文字等多種格式的輸入輸出，Gemma卻僅限於純文字作業。此外，Gemini具備多語言處理能力，Gemma則預計先以英語版本推出。

當涉及到所釋出的AI模型安全性時，Google一直試圖將自己定位成較OpenAI和其他競爭者更具責任感的形象。然而，比起專有模型，開源的形式卻潛在更多危險。極為困難去完全阻止使用者出於邪惡目的而誤用該模型，例如撰寫惡意程式或種族仇恨之虛假資訊。此外，也很容易就能將開源模型調整成模仿具版權之內容，或是鼓動自殘等行為。開發者最初設在模型周圍用以防弊的限制，往往能輕易被有技術力的程式人員所破解。

提供一個與自家專有Gemini模型有些共同點的開源模型，可能間接替技術純熟的攻擊者開闢了新的途徑，得以繞過Gemini原有的安全機制。卡內基梅隆大學的研究人員於去年揭露，若他們能取得開源語言模型的神經網路設定，便可以建立一套自動化的軟體，用以設計能夠突破多數模型安全防護的字句提示(Prompt)。而如果這些模型彼此還有相似之處，更可能大幅簡化這個攻破程序，而這正是Google說明Gemma與Gemini的共通點。

Google表示Gemma的設計已導入現有開源技術中最強的防護機制，包括仔細篩檢用於訓練Gemma的資料庫，確保任何個人資訊都被徹底過濾，如此模型稍後才不會造成隱私洩漏。此外，還進行了包含大規模「紅隊演習」（Red-teaming）的廣泛安全測試與評估，在此演習中扮演攻擊者角色的人將設法突破模型的防線。Warkentin表示因為他們知道使用者有更多操作空間得以破解開源模型的防護，所以Gemma的安全測試甚至比內部的Gemini模型更為縝密。

Google同時說明Gemma會與一系列使用規範、模型部署指引，以及一項防範模型產生有問題輸出的新式安全篩檢技術一同發布。

Google副總裁兼關係開發部門總經理兼負責人Jeanine Banks則回應，公司預設了廣泛使用條款，用以禁止程式設計師將Gemma用於任何不軌企圖。這也是為什麼公司偏好使用「開放模型」(Open Model)來對Gemma定性，並與傳統「開源」軟體(Open-Source)做區別，因為後者往往使用完全無限制之使用條款。與 Meta的做法不同，Meta在其 Llama 2開源模型的使用條款上設限，阻止其他大型科技公司成為使用方，對此Google則表示Gemma沒有此類的商業設限。

Gemma模型共有兩種規模，一種是包含20億個可調整參數的神經網路，稱之為「參數」，另一種則是包含70億個參數的神經網路。兩種都比Google最小的專有模型Gemini Nano更大 — 後者專為能在智慧型手機或其他邊緣運算裝置中運行，內建約18億個參數。但Gemma顯然還是比Gemini的 Pro 和 Ultra 系列模型小很多，Pro可能具有數百億個參數之譜，而 Ultra 則很可能擁有1兆以上。