- Google は、Chrome 126 より、最小の AI モデル Gemini Nano をデスクトップ版 Chrome クライアントに直接統合します。
- Google は、Chrome の多数の高度な API が、Gemini モデルを使用してブラウザ内でテキストの翻訳、字幕作成、文字起こしを行えるようにします。
火曜日の Google I/O 2024 開発者会議で、Google は、Gemini Nanoを、Chrome 126 からデスクトップ版 Chrome クライアントに直接統合すると発表しました。
デスクトップ版 Chrome での Gemini Nano AI モデル
Geminiは、Gemini Ultra、Gemini Pro、Gemini Nano の 3 バージョンがあり、Google が長らく約束してきた次世代 GenAI モデルファミリーであり、Google の AI 研究機関である DeepMind と Google Research によって開発されました。より小型の「蒸留」モデルである Gemini Nano は、Pixel 8 Pro などのモバイルデバイスで動作します。同社は、Chrome における WebGPU と WASM のサポートに関する最近の取り組みにより、これらのモデルが幅広いハードウェアで妥当な速度で動作できるようになったと述べています。
火曜日の発表に先立つブリーフィングで、Google Chrome プロダクト管理ディレクターの Jon Dahlke 氏は、他のブラウザベンダーともこの機能（または同等の機能）をそれぞれのブラウザに実装するための協議が進行中であると述べました。
「私たちは他のブラウザとの協力を開始し、開発者向けの早期プレビュープログラムを開設する予定です」と Dahlke 氏は火曜日の発表で述べました。「WebGPU、WASM、Gemini が Chrome に統合されたことで、Web は AI の準備が整ったと考えています。」
合わせて読みたい:Google の Gemini、来年 Android スマートフォンに登場予定
合わせて読みたい:ChatGPT-4 に挑戦する Alphabet の AI モデル Gemini を概観
文章作成アシスタント
Google は、Chrome で多数の高度な API を有効化し、ブラウザ内で直接テキストの翻訳、字幕作成、文字起こしなどのタスクに Gemini モデルを使用できるようにします。同社によると、これにより開発者はデバイス上のモデルを自社の AI 機能に活用できるようになります。Google は、この強化された機能を活用して、Gmail の Workspace Lab で現在提供されている「書くのに役立つ」ツールなどの機能をサポートする予定です。
現在までに、Pixel 8 Pro、Pixel 8、Samsung Galaxy S24 上のいくつかの機能を支えており、Recorder の要約機能や Gboard のスマートリプライ機能があります。ボタンを押すだけで音声を録音・文字起こしできる Recorder アプリでは、録音された会話、インタビュー、プレゼンテーションなどのセグメントの Gemini による要約が利用可能になりました。
Dahlke 氏は I/O の開発者基調講演で次のように述べました。「私たちは今、Chrome で Gemini モデルへのアクセスを提供したいと考えています。私たちのビジョンは、プロンプトエンジニアリング、ファインチューニング、キャパシティ、コストを気にすることなく、最も強力な AI モデルを Chrome で提供し、数十億人のユーザーに届けることです。必要なのは、高レベルの API（翻訳、字幕、文字起こし）を呼び出すだけです。これは Web にとって大きな変化であり、私たちは正しく進めたいと考えています。」