Gemma repräsentiert eine Kollektion fortschrittlicher, offener Modelle, die auf der gleichen Forschung und den gleichen Technologien wie die Gemini-Modelle fußen. Diese Modelle wurden von Google DeepMind und weiteren Google-Teams kreiert und tragen den Namen "Gemma" nach dem lateinischen Wort für "Edelstein". Sie sind darauf ausgelegt, durch Entwicklertools unterstützt zu werden, die Neuerungen, Kooperation und den ethischen Gebrauch von künstlicher Intelligenz vorantreiben.

Die Einsatzmöglichkeiten der Gemma-Modelle sind vielfältig: Sie lassen sich auf eigener Hardware, Mobilgeräten oder über Cloud-Dienste betreiben. Durch Feinabstimmung lassen sie sich zudem für spezifische Aufgaben optimieren, um so besonders effektiv auf die Bedürfnisse von Ihnen und Ihren Anwendern einzugehen. Inspiriert und technologisch abgeleitet von der Gemini-Modellreihe, zielen die Gemma-Modelle darauf ab, die Gemeinschaft der KI-Entwickler zu erweitern und zu bereichern.

Neben der Generierung von Texten ermöglichen es die Gemma-Modelle, durch Feinabstimmung auf spezielle Anwendungsfälle zugeschnitten zu werden. Solche maßgeschneiderten Gemma-Modelle bieten präzisere und effizientere Lösungen für generative KI-Anwendungen.

Gemma-Modelle sind in einer Reihe von Größen erhältlich, was Ihnen ermöglicht, generative KI-Lösungen entsprechend Ihren Rechenkapazitäten, benötigten Eigenschaften und dem Einsatzort zu entwickeln. Für den Einstieg könnte die Wahl einer Modellgröße mit 2 Milliarden Parametern sinnvoll sein, um die Anforderungen an die Rechenressourcen zu minimieren und die Flexibilität bei der Modellbereitstellung zu erhöhen. Dank der Kompatibilität mit der Keras 3.0-Schnittstelle lassen sich diese Modelle über TensorFlow, JAX und PyTorch betreiben, inklusive der Nutzung der spezifischen Implementierungen von JAX (auf FLAX basierend) und PyTorch. Durch zusätzliches Training können die Gemma-Modelle angepasst werden, um bei speziellen Aufgabenstellungen besser zu performen, ein Prozess bekannt als Modellfeinabstimmung. Diese Anpassung kann die Leistung bei fokussierten Aufgaben steigern, könnte jedoch die Effizienz bei anderen Aufgaben reduzieren. Daher werden Gemma-Modelle sowohl in vortrainierten als auch in feinabgestimmten Varianten angeboten:

• Vortrainierte Versionen: Diese Modelle wurden über das Basistraining mit dem Gemma-Kern-Dataset hinaus nicht für spezifische Aufgaben trainiert. Sie eignen sich zur Bereitstellung, wenn eine Anpassung erfolgt ist.
• Auf Anweisungen abgestimmte Versionen: Diese Modelle wurden mit menschlicher Sprachinteraktion trainiert und können auf Eingaben ähnlich wie ein Chatbot reagieren.

Gemma steht auf der Plattform Kaggle zur kostenlosen Erprobung zur Verfügung. Jedoch ist die Menge der Credits, die für die Verarbeitung von Anfragen mit dem Modell zur Verfügung stehen, limitiert. Auf Kaggle experimentieren bereits Entwickler mit Gemma. Um Zugang zu erhalten, ist jedoch eine vorherige Anmeldung erforderlich. Ein Google-Konto bietet hierfür die umfangreichsten Zugriffsmöglichkeiten.

Autor: Florian Deinhard,
Februar 2024