Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

NVIDIAは、マルチモーダルAIモデル「Gemma 3n」の一般提供を、RTXおよびJetsonプラットフォーム向けに開始したことを発表しました。Google DeepMindでプレビューされていたGemma 3nは、既存のテキストおよびビジョン機能に加え、新たに音声処理機能を搭載しました。このモデルは、Universal Speech Model、MobileNet v4、MatFormerを統合し、それぞれ音声、ビジョン、テキスト入力を処理します。Gemma 3nの注目すべき機能は、Per-Lay Embeddingsです。これによりRAM使用量が大幅に削減され、80億パラメータのE4Bモデルを40億パラメータのモデルと同等のメモリフットプリントで動作させることができます。

Gemmaファミリーは、高度なロボティクスなどのエッジAIアプリケーション向けに設計されたNVIDIAのJetsonデバイスに特に適しています。モデルの効率的なアーキテクチャと動的なメモリ使用は、リソースが限られた環境への導入に最適です。NVIDIAはまた、KaggleのImpact Challengeを通じて開発者にGemma 3nへの参加を奨励しており、様々な分野で社会貢献のためにこの技術を活用するプロジェクトに賞金を提供しています。

NVIDIA RTX を利用する開発者や AI 愛好家にとって、Ollama の活用は Gemma 3n モデルの導入を簡素化します。Ollama CLI を使用すると、RTX デバイスと Jetson デバイスの両方にモデルを簡単にインストールして実行できます。NVIDIA は Ollama と協力し、バックエンドで GGML ライブラリを活用することで、RTX GPU のパフォーマンスを最適化しました。

最後に、NVIDIAはオープンソースのNeMoフレームワークを通じて、Gemma 3nモデルのカスタマイズを推進しています。このフレームワークは、データ準備からモデル評価までの全プロセスをサポートし、開発者は特定のエンタープライズデータを使用してモデルを微調整し、精度を向上させることができます。NVIDIAのオープンソースプロジェクトとAIの透明性へのコミットメントは、数百のプロジェクトをオープンソースライセンスでリリースするなど、コミュニティへの貢献に表れています。開発者は、NVIDIA APIカタログを通じてGemma 3n E4Bをはじめとするモデルにアクセスできます。