Google launches Gemini, its biggest challenge to OpenAI

2024，AI Boom 的第二年，我們總算可以撥開 AI 迷霧，逐一聊聊大型語言模型 (LLM) 的實際應用。

畢竟模型大了幾 B，Benchmark 喊的好聽，如果最後沒辦法成功部署、商業化，那真的是一毛錢都賺不到 XD

那首先，我們就來聊聊 On-Device AI 的發展現況。

---

23 年我們講「LLM in your pocket」時，提了一堆的困難，感覺 LLM in your pocket 還是個夢。

比如說 Memory Wall，終端設備記憶體太小了，如果硬把當時算強、算小的 Model LLaMA-7B 放到手機上，直接就吃掉 14 GB 的記憶體空間。

給個參考點，當代最強 iPhone 15 Pro 也只有 8 GB 的 DRAM。

那既然放 RAM 不可行，能不放到慢一點的儲存晶圓呢？可以，但隨之而來就是「慢」。

就像尖峰時段，用 Copilot GPT-4 一樣，等一個字要等個一兩秒，考驗 User 的耐心和易怒程度。

於是在一切很不明朗，On-Device AI 大家都沒頭緒的狀況下，23 年底我們看到了一點曙光。

Gemini Nano - 谷歌的起手式

首先 Google 在 12 月初，把 Gemini 系列中最小的 Nano，放到 Pixel 8 Pro 了。Pixel 8 Pro 也順勢成為第一個裝上 Gemini Nano 的 Android 手機。

AI-powered phone，裝上 Nano 後，他就多了「智慧選字 (Smart Reply)」、「智慧穩定(Video Boost)」、「去模糊(Unblur)」等功能，直接炫砲起來。

大家可能想，前面才提到模型大到放不下，怎麼一個突然就塞進去了手機？

秘訣就是「Quantization」與「Pruning」。

Quantization 指，用低一點的精準度計算，容許一點誤差。

舉個例子，1.30111199998 = 2.60219。如果算不精準一點，1.301.99 = 2.58。

明顯 2.6 & 2.58 看起來差不多，但你在計算過程中，卻省掉一堆位數，節省一堆空間！這大致就是 Quantization 的簡單例子。

實務上，我們可能用 Linear Mapping 等方法，把訓練好的模型，轉換成低精準度的數字，做成推論（Inference）模型。

另一方面，則是「Pruning」，把那些不重要的參數，拿掉！

現今大部分的語言模型，都有一個很大 Deep Neural Network （深度神經網路）。

像你大腦一樣的神經網路，其實很多 Neuron 節點是不太重要的，拿掉雖會犧牲一點品質，但也能有效降低模型大小。

回到 Gemini Nano，不像多數 Model 都用 16-bit (FP16) 的精準度，Gemini Nano 只有 4-bit 的精準度。

同時，大概只有 1.8 B 或 3.25 B 大。由於精準度較低，大概只會佔裝置 1.7 GB 的大小，放在手機上就變得容易不少！

Apple 想另一邊 - 客制 Data Flow

在 AI 競賽慢慢跑，還在醞釀 Vision Pro 混合實境的 Apple ，在 12 月中發佈了論文 《 LLM in a flash: Efficient Large Language Model Inference with Limited Memory 》，成為 AI 第一響。

簡單的說，它探討的是：既然 DRAM 不夠用，能不能借用慢一點的 Flash Memory，但又不損失性能。

From paper

在過去， Flash Memory 通常是隨身碟、記憶卡的儲存晶圓，有 Random Access（隨機存取）快，比 DRAM 單元價格低、容量更大的特性。

同時，如果增加一次讀取的量 (a chunk of size)，Flash Memory 就會有更好的 Throughput。

並且，Apple 團隊發現，在 LLM 模型架構中 (Feed-Forward Network, FNN layer) ，有 90% 之高的稀疏性 (Sparsity)。

借助上述特型，Apple 提出一個框架：

1. 只從 Flash Memory ，搬重要的參數到 DRAM，供計算單元計算 (CPU、GPU)。
2. 把上下左右、附近的參數合在一起讀，提高 chunk size 。
3. 用 Sliding Window 的方法，只存最近的 token 在 DRAM ，把最遠的 token 從 DRAM 丟掉。

透過這些技巧，我們可以讓裝置跑比 DRAM 兩倍大的模型，CPU 推論上提高 4 到 5 倍，GPU 則提高 20 到 25 倍。

這篇論文揭露了，就算 Model 不 Quantization、Prune ，我還是可以整個塞進去手機和筆電。

那 On-Device AI 有多重要？

很重要，尤其在算力等於石油的時代，更重要。

從近期 Nvidia 市值超過 Google 巨頭為例，算力的市場價值，已經飆到不可理喻的狀態。但算力代表花錢，越多使用者就花越多錢。

既然 AI 進產品是趨勢，讓 Device 分擔計算能力，分散掉伺服器的計算壓力，正是這些 有賣行動裝置的公司，如 Apple、Google，正努力的方向。

事實上， Federated Learning 已經是 System 領域研究已久的主題，近期學界也逐步聚焦在 LLM、 Transformer-based 的特徵上進行研究。

可預見的未來，我們每個裝置，都有一個 AI 腦。

結語

老實說，我個人蠻期待 Apple 的發展。

幾週前 9to5Mac 揭露 Apple 正增強 Siri 和 Message 的 AI 技能，借助 OpenAI ChatGPT 的 API ，去強化自家 Model 的品質。

看起來 Apple 正在努力、iOS 18 將成為第一個 AI-Powered OS，也希望以後 Siri 真的很強，可以都交給他做任何事了～