Google: స్మార్ట్‌ఫోన్లలోనే పనిచేసే గూగుల్ కొత్త AI మోడల్.. ప్రత్యేకతలివే..
ఈ వార్తాకథనం ఏంటి
గూగుల్ తన కొత్త మల్టీమోడల్ ఎంబెడింగ్ మోడల్ EmbeddingGemma 2ను విడుదల చేసింది. దీని ప్రత్యేకత ఏంటంటే.. ఇది స్మార్ట్‌ఫోన్లలోనే పనిచేసేంత చిన్న పరిమాణంలో ఉంది. గతంలో వచ్చిన మోడల్ కేవలం టెక్స్ట్‌కు మాత్రమే పరిమితమై ఉండగా, కొత్త వెర్షన్‌లో చిత్రాలు, ఆడియో, వీడియోలను కూడా అర్థం చేసుకునే సామర్థ్యాన్ని జోడించారు. దీంతో ఈ మోడల్ ఆధారంగా రూపొందించిన యాప్.. ఫోన్‌లోనే డేటాను ప్రాసెస్ చేస్తూ, ఒక వాయిస్ మెమోను అందుకు సంబంధించిన వీడియోలోని సరైన భాగంతో సరిపోల్చగలదు. ఇందుకోసం డేటాను ఫోన్ వెలుపలికి పంపాల్సిన అవసరం ఉండదు.
వివరాలు
మునుపటి మోడల్ కంటే రెండింతలకు పైగా పారామీటర్లు
గూగుల్ ఏప్రిల్‌లో విడుదల చేసిన Gemma 4 ఆర్కిటెక్చర్ ఆధారంగా EmbeddingGemma 2ను రూపొందించింది.
ఇందులో 740 మిలియన్ పారామీటర్లు ఉన్నాయి. ఇది మునుపటి మోడల్ కంటే రెండింతలకు పైగా ఎక్కువ.
అయితే ఈ అదనపు పారామీటర్లలో ఎక్కువ భాగం విజన్, ఆడియో ఎన్‌కోడర్ల కోసం ఉపయోగించారు.
కేవలం టెక్స్ట్‌తో పనిచేసే యాప్‌లకు ఈ ఎన్‌కోడర్లు అవసరం ఉండదు.
వివరాలు
Matryoshka Representation Learningతో స్టోరేజ్ తగ్గింపు
EmbeddingGemma 2ను ఉపయోగించే యాప్.. మోడల్ రూపొందించే డేటాను కూడా స్టోర్ చేయాల్సి ఉంటుంది.
ప్రతి ఎంబెడింగ్‌లో 768 సంఖ్యలు ఉంటాయి. ఇండెక్స్ చేసే ప్రతి ఫొటో, వీడియో క్లిప్ లేదా డాక్యుమెంట్ స్థానిక వెక్టర్ డేటాబేస్‌లో మరో ఎంబెడింగ్‌ను జోడిస్తుంది.
అయితే డెవలపర్లు Matryoshka Representation Learning అనే శిక్షణ పద్ధతిని ఉపయోగించి ఈ ఎంబెడింగ్‌లను కేవలం 128 సంఖ్యలకు తగ్గించుకోవచ్చు.
దీంతో స్టోరేజ్ అవసరం ఆరు రెట్లు వరకు తగ్గుతుంది.
అదే సమయంలో ఇమేజ్, వీడియో, స్పీచ్ వంటి కంటెంట్‌లో పూర్తి సామర్థ్యంతో పోలిస్తే దాదాపు 95 శాతం నాణ్యతను కొనసాగించవచ్చని గూగుల్ చెబుతోంది.
వివరాలు
కోడ్ విభాగంలో 78.68 స్కోర్ సాధించిన EmbeddingGemma 2
Massive Text Embedding Benchmark (MTEB)లోని కోడ్ విభాగంలో EmbeddingGemma 2కి 78.68 స్కోర్ వచ్చింది.
ఇది మునుపటి మోడల్ కంటే దాదాపు 10 పాయింట్లు ఎక్కువ.
ముఖ్యంగా కోడింగ్ ఏజెంట్ల కోసం రిట్రీవల్ సిస్టమ్‌లను రూపొందించే డెవలపర్లను దృష్టిలో పెట్టుకుని ఈ ఫలితాన్ని సాధించినట్లు గూగుల్ తెలిపింది.
అంతేకాకుండా.. ఇమేజ్, వీడియో, ఆడియో వంటి పనుల్లో తమ మోడల్ తమకంటే రెండింతలకు పైగా పరిమాణం ఉన్న కొన్ని ప్రత్యేక మోడళ్ల కంటే మెరుగైన పనితీరు కనబరుస్తుందని గూగుల్ పేర్కొంది.
వివరాలు
అందుబాటులోకి Hugging Faceలో మోడల్ వెయిట్స్
EmbeddingGemma 2లో Gemma 4తో ఒకే టెక్స్ట్ టోకెనైజర్, ఆడియో ఎన్‌కోడర్‌ను ఉపయోగిస్తున్నారు.
దీంతో ఆన్-డివైస్ రిట్రీవల్-ఆగ్మెంటెడ్ జనరేషన్ (RAG) వ్యవస్థలో రెండు మోడళ్లను కలిపి ఉపయోగించినప్పుడు.. వేర్వేరు మోడళ్లను ఉపయోగించడంతో పోలిస్తే తక్కువ మెమరీ సరిపోతుంది.
గూగుల్‌కు చెందిన AI Edge Foresight మీటింగ్ యాప్‌లో ఇప్పటికే ఈ రెండు మోడళ్లను కలిపి ఉపయోగిస్తున్నారు.
EmbeddingGemma 2 మోడల్ వెయిట్స్‌ను ప్రస్తుతం Hugging Face, Google Kaggleలో అందుబాటులో ఉంచారు.
వీటిని Apache 2.0 లైసెన్స్ కింద విడుదల చేశారు. దీంతో వాణిజ్య అవసరాలకు కూడా ఈ మోడల్‌ను ఉపయోగించుకునే అవకాశం ఉంది.