مدلEmbeddingGemma 2  گوگل برای جست‌وجوی چندرسانه‌ای روی دستگاه منتشر شد

گوگل مدل EmbeddingGemma 2 را برای جست‌وجوی محلی متن، کد، تصویر، صدا و ویدیو منتشر کرد که حداکثر ۵۶۷ مگابایت رم مصرف می‌کند.

به گزارش سرویس هوش مصنوعی تکناک،EmbeddingGemma 2 نخستین مدل متن‌باز و چندوجهی بومی گوگل برای ایجاد امبدینگ روی دستگاه است. گوگل این مدل را بر پایه معماری Gemma 4 توسعه داده و آن را تحت مجوز Apache 2.0 منتشر کرده است.

امبدینگ به مدل اجازه می‌دهد انواع مختلف محتوا را به نمایش‌های عددی تبدیل کند. سیستم با استفاده از این نمایش‌ها می‌تواند ارتباط معنایی میان اطلاعات مختلف را تشخیص دهد و محتوای مرتبط را پیدا کند.

EmbeddingGemma 2 برخلاف مدل‌هایی که فقط متن را پردازش می‌کنند، می‌تواند متن، کد، تصاویر، فایل‌های صوتی و ویدیوها را در یک فضای مشترک قرار دهد. این قابلیت به نرم‌افزارها امکان می‌دهد اطلاعات مرتبط را حتی زمانی پیدا کنند که درخواست کاربر و محتوای موردنظر در قالب‌های متفاوتی باشند. گوگل دیپ‌مایند نیز این محصول را نخستین مدل متن‌باز این شرکت با چنین قابلیتی معرفی کرده است.

جست‌وجوی فایل‌های محلی بدون نیاز به اینترنت

تصویری از EmbeddingGemma 2 گوگل

گوگل EmbeddingGemma 2 را برای اجرای محلی روی گوشی‌های هوشمند و کامپیوترهای دسکتاپ بهینه کرده است. این ویژگی امکان جست‌وجوی اطلاعات ذخیره‌شده روی دستگاه را بدون نیاز به اتصال اینترنت فراهم می‌کند.

برای نمونه، کاربر می‌تواند با استفاده از یک یادداشت صوتی، کلیپ ویدیویی مشخصی را در میان فایل‌های خود پیدا کند. همچنین امکان جست‌وجو در چندین ساعت فایل صوتی با استفاده از یک عبارت متنی وجود دارد. پردازش این اطلاعات روی خود دستگاه انجام می‌شود.

گوگل مدل جدید خود را برای پیدا کردن اطلاعات مرتبط در سیستم‌های RAG روی دستگاه نیز طراحی کرده است. در این روش، EmbeddingGemma 2 ابتدا فایل‌های مرتبط با درخواست کاربر را روی دستگاه پیدا می‌کند. سپس Gemma 4 این فایل‌ها را بررسی می‌کند و پاسخ مناسب را ارائه می‌دهد.

به گفته گوگل، این روش باعث می‌شود جست‌وجو و پردازش اطلاعات روی خود دستگاه انجام شود و به حافظه کمتری نیاز داشته باشد. توسعه‌دهندگان نیز می‌توانند قابلیت جست‌وجو و پاسخ‌گویی هوش مصنوعی را بدون نیاز به پردازش ابری روی دستگاه اجرا کنند.

بیشتر بخوانید: گوگل از مدل Nano Banana 2.1 رونمایی کرد

نسخه ۷۴۰ میلیون پارامتری با حداکثر ۵۶۷ مگابایت رم

مدل EmbeddingGemma 2 در پیکربندی‌هایی از ۲۷۰ میلیون تا ۷۴۰ میلیون پارامتر قابل استفاده است. عمر سنسویرو، مسئول تجربه توسعه‌دهندگان گوگل دیپ‌مایند، اعلام کرده است که این مدل برای افزایش بهره‌وری ذخیره‌سازی از امبدینگ‌های Matryoshka نیز استفاده می‌کند.

گوگل می‌گوید بزرگ‌ترین نسخه EmbeddingGemma 2 با ۷۴۰ میلیون پارامتر، حدود ۱۹۱ تا ۵۶۷ مگابایت حافظه رم فعال مصرف می‌کند. مصرف نسبتاً پایین حافظه یکی از ویژگی‌هایی است که اجرای این مدل را روی دستگاه‌های شخصی امکان‌پذیر می‌کند.

این مدل از پنجره زمینه ۸ هزار توکنی پشتیبانی می‌کند. ظرفیت پنجره زمینه EmbeddingGemma 2 چهار برابر نسل نخست است. مدل جدید می‌تواند در یک مرحله حداکثر ۵.۵ دقیقه فایل صوتی، ۲۹ تصویر یا ۵۸ فریم ویدیو را پردازش کند.

گوگل همچنین ادعا می‌کند نسخه ۷۴۰ میلیون پارامتری مدل EmbeddingGemma 2 از برخی مدل‌های تخصصی با بیش از دو برابر تعداد پارامتر عملکرد بهتری دارد. این ادعا نشان می‌دهد که شرکت در طراحی مدل جدید، علاوه بر قابلیت اجرای محلی، روی کاهش اندازه مدل نیز تمرکز کرده است.

ساندار پیچای، مدیرعامل گوگل، هنگام معرفی این مدل در ۶ اکتبر اعلام کرد که وزن‌های EmbeddingGemma 2 در Hugging Face در دسترس قرار گرفته‌اند. انتشار وزن‌ها در کنار مجوز Apache 2.0 به توسعه‌دهندگان امکان می‌دهد این مدل را برای ساخت ابزارهای مختلف جست‌وجوی محلی و چندرسانه‌ای به کار بگیرند.

EmbeddingGemma 2 در مجموع برای کاربردهایی طراحی شده است که به جست‌وجوی هم‌زمان میان انواع مختلف محتوا نیاز دارند. اجرای محلی، پشتیبانی از پنج نوع محتوا و امکان همکاری با Gemma 4 نیز زمینه استفاده از این مدل را در سیستم‌های جست‌وجو و RAG روی دستگاه فراهم می‌کند.

بیشتر بخوانید: گوگل دسترسی رایگان Gemini را از جمعه قطع می‌کند

آرمین ثنایی سرشت

آرمین ثنایی سرشت

من آرمین هستم، کارشناس ارشد تولید محتوا حوزه تکنولوژی و وب 3. وقتی در حال نوشتن و خلق محتوا نیستم، معمولاً مشغول تماشای فیلم، امتحان کردن غذاهای خوشمزه یا ورزش در باشگاه هستم. همان‌طور که سی. اس. لوئیس گفته: «با نوشتن می‌توانی هر چیزی را بسازی!» و دقیقاً همین جمله است که هر روز به من انگیزه می‌دهد.

خبر بعدی

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *