Google、最大4倍高速なLLM「DiffusionGemma」無償公開(PC Watch)

Googleが発表した新しい大規模言語モデル（LLM）「DiffusionGemma」は、その名の通り「Diffusion（拡散）」という手法を取り入れ、テキスト生成の速度を大幅に向上させる可能性を秘めています。これは、私たちが日頃使っているAIチャットや画像生成AIの体験を、より快適でスムーズなものに変えるかもしれません。

一体、「拡散」とはどういうことでしょうか？画像生成AIを例に考えてみましょう。画像生成AIは、ノイズだらけの画像から少しずつノイズを取り除いていくことで、最終的に鮮明な画像を生成します。まるで、霧の中から徐々に形が浮かび上がってくるようなイメージです。この「ノイズから少しずつ目的のものを生成していく」というアプローチが「拡散モデル」の基本的な考え方です。

これまでのテキスト生成AIは、単語を一つずつ、順番に予測して並べていく方式が主流でした。例えるなら、一文字ずつ手書きで文章を書いていくようなものです。しかし、DiffusionGemmaは、この拡散モデルをテキスト生成に応用しました。つまり、文章全体を一度に「ぼんやりと」生成し、そこから徐々に詳細を加えていくようなイメージです。これにより、単語を一つずつ繋げていくよりも、はるかに速く文章を完成させられるようになったのです。

具体的には、テキスト生成速度が最大4倍も速くなるとされています。これは、AIとのやり取りにおいて、待つ時間が大幅に減ることを意味します。例えば、長文の要約を依頼したり、複雑なコードを生成してもらったりする際に、これまで数分かかっていた作業が数十秒で終わるようになるかもしれません。私たちが「もっと速くならないかな」と感じていた部分が、まさに改善されるわけです。

さらに、DiffusionGemmaは「マルチモーダルLLM」である点も注目されます。これは、テキストだけでなく、画像や音声といった異なる種類の情報も扱える能力があることを意味します。例えば、写真を見せて「この写真に合うキャッチコピーを考えて」と依頼したり、音声データから要約を作成したりといった、より高度で複合的なタスクをこなせるようになるでしょう。これにより、クリエイティブな仕事や情報分析の現場で、AIの活用範囲が大きく広がることが期待されます。

Googleがこの技術を無償公開したことは、開発者コミュニティにとって大きな恩恵となります。多くのエンジニアや研究者がDiffusionGemmaを自由に利用し、改良を加え、新たなアプリケーションを開発することで、AI技術全体の進化が加速するでしょう。私たちが普段使っているスマートフォンアプリやウェブサービスにも、いずれこの高速なテキスト生成技術が組み込まれる日が来るかもしれません。