Googleのチート技術で「使えるスマホAI」が爆誕してた

今後に期待。 2025年5月20日にGoogleが「Gemma 3n」というAIモデルを発表しています。Gemma 3nはスマートフォンで動作するのが最大の特徴です。ChatGPTやGeminiなどとは異なり、ネット接続なしで使えるし、プライバシーが関わるインプットをしてもいいAIということです。 【全画像をみる】Googleのチート技術で「使えるスマホAI」が爆誕してた プレビュー版が公開されていたので実際どんな感じなのか試してみたのですが、既存の同タイプのAIモデルよりも格段に進化しており、驚きました。開発者向けにプレビュー公開というステータスなので、正式公開時には仕様や性能が変わる可能性がありますが、既存の同系統のAIから推論能力が格段にアップしており、正式公開が楽しみになりました。

モバイル用AIが突き当たっていた“壁”を破壊

Gemma 3nは、回答の質がいい賢さ重視モデル「Gemma 3n E4B」と反応が速い高速軽量モデル「Gemma 3n E2B」の2モデル展開。Google AI Edge Galleryというアプリを入れてDLすれば試せます（詳しくは後述しますが、DL先やインストール方法が通常のアプリとは異なります）。今のところできるのは、チャットと画像認識です。 いろんなAIと翻訳勝負させてみた いろいろ試した中だと、以下のような「翻訳タスク」がGemma 3nの性能を感じやすかったです。 カジュアルなトーンで日本語に翻訳してください： Foundation models are applied in a broad spectrum of settings with different inference constraints, from massive multi-accelerator clusters to resource-constrained standalone mobile devices. However, the substantial costs associated with training these models often limit the number of unique model sizes that can be offered. Consequently, practitioners are compelled to select a model that may not be optimally aligned with their specific latency and cost requirements. Gemma 3n E4Bの翻訳 賢いほうのモデル「Gemma 3n E4B」の回答はこちら、なかなかわかりやすく訳せてませんか？（基礎モデルというのは、ざっくり「AI（大規模言語モデル）」と思ってもらってOKです）。 大規模なコンピューター集団から、スマホのような性能が限られたデバイスまで、色々な場所で基礎モデルが使われています。でも、これらのモデルを作るにはすごくお金がかかるので、提供できるモデルのサイズが限られてしまいます。そのため、使う人は、自分の作りたいものにぴったりのモデルを選ぶのが難しいんです。 (translated with Gemma 3n E4B) 参考：GPT o4-miniの翻訳 参考までに別のAIで訳した原文に忠実な“硬い翻訳”も載せておきます。比べると、Gemma 3n E4Bが要点を押さえつつ、柔らかく訳しているのが感じられるのではないかと思います。 ファウンデーションモデルは、巨大なマルチアクセラレータークラスターからリソース制約のあるスタンドアロンのモバイルデバイスまで、さまざまな推論制約の下で広範囲に適用されています。しかし、これらのモデルのトレーニングに関連するかなりのコストは、提供できるユニークなモデルサイズの数を制限することが多いです。その結果、実務者は特定のレイテンシーとコスト要件に最適に一致しないモデルを選択せざるを得なくなります。 (translated with OpenAI GPT o4-mini) 既存のスマホAIの翻訳 でも、これだけじゃ「まぁ訳せてるよね」止まりかもしれないですね。やはり「他と比べてどうか？」は欲しい。というわけで、既存のスマホで動くAI（2モデル）で同系統のプロンプトを試した結果も掲載します。 Foundation Modelsは幅åºĥい設定でさまざまな推論制限が適用され、from Massive Multi-Accelerator Cluster to Resource-Constrained Standalone Mobile Device.しかし、これらのモデルの学習コストが大きな影響を及ぼす場合、特定の推論éģħ延とコスト要件に合わせた最適なモデルを選æĬŀする必要がçĻº生します。 (translated with Qwen 1.5B-It) 基盤モデルは、さまざまなインferenz的制約を抱える、ものがあり、多用途の高速化マルチアッセンブラートクラスタから、資源的で孤立したスタンドアロンモバイルデバイスまで、幅広い適用される可能性がある。"しかし、モデルを訓練するために、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、 (translated with Google Gemma 3 1.5B-It) Gemma 3n E4Bの何がすごいか。それは多言語対応がきちんとされており「日本語で質問してまともな回答がもらえる」に尽きます。 どうしても自分が試した範囲での体感になってしまうのですが、既存の小型モデルは日本語で多少高度な質問をすると、使えない回答をしてくる率が50-60%程度はあります。英語で回答してくることもありますし、今回のように崩壊しているケースも少なくありません。そのため、「小型モデルって実用はちょっと厳しいな…」と感じていましたが、Gemma 3nはこの印象を完全に破壊してくれました。 Gemma 3n E2Bの翻訳 推論性能を犠牲にする代わりにレスポンス速度を重視した「Gemma 3n E2B」もこういったレベルは完全に脱しています。 近年、大規模言語モデル（LLM）は様々な分野で活用されていますが、その開発には膨大なコストがかかるのが課題です。特に、携帯機器などリソースが限られた環境で実行できるモデルサイズは限定的な場合があります。 (translated with Google Gemma 3n E2B) 厳密な翻訳になっておらず指示追従性で劣る印象ですが、大意は失われていません。要約などであれば十分に使える水準ではないでしょうか。 Gemini 2.5 Proの翻訳 最後に、フラッグシップAIと比較してみましょう。 最近さ、いろんなところで「基盤モデル」ってやつが使われてるよね。超すごいスパコンみたいな環境から、手元のスマホまで、本当にいろんな場面で動いてる。でも、こういうモデルを学習させるのって、めちゃくちゃお金がかかるから、提供できるモデルのサイズの種類って、実はそんなに多くないんだ。だから、使う側としては「うーん、このモデル、うちの環境のスピードとかコストにピッタリじゃないんだけどなぁ…」ってなりがちなんだよね。 (translated with Gemini 2.5 Pro) さすがに何枚も上手な感がありますね。じゃあ、Gemma 3nはいらないのでしょうか？ 「ぜんぶGeminiでいいじゃん」とはならない、破格の性能 ぼくはそうは思いません。Gemma 3nはスマホで動く──つまり、ネットにつながっていないときでも使えてこの性能なのがデカすぎる。 オフラインで使える機械翻訳と比べてみよう たとえば、ぼくは海外出張時に翻訳アプリ「Google Translate」をよく使います。海外ではネット接続が不安定なことが多いので、ネット接続不要で使えるこのアプリはとても頼もしい。 で、そのGoogle Translateで今回のさまざまなAIに訳させた文章を翻訳するとこんな感じ。 基盤モデルは、大規模なマルチアクセラレータ・クラスタからリソース制約のあるスタンドアロンのモバイルデバイスまで、推論制約の異なる幅広い環境に適用されます。しかし、これらのモデルのトレーニングには多大なコストがかかるため、提供できるモデルサイズの数が限られてしまうことがよくあります。その結果、実務者は、特定のレイテンシとコスト要件に最適ではないモデルを選択せざるを得なくなります。 (translated with Google Translate (offline)) Gemma 3nは生成AI、機械翻訳のGoogle Translateよりも圧倒的に理解しやすい文章を返せます。Gemma 3nが実用化されたら、ネットにつなげない状況でもより良質な翻訳を得られるようになるはずです。 「ネットなし」で考えるとめっちゃすごい 上掲の翻訳内にもある通り、今みんなが使っているChatGPTやGeminiのようなフラッグシップAIはネット接続必須なので、回線に問題がある場合には使えません。そして、Gemma 3nはむしろ「ネットなし」の状況で戦えるように作られているのです。 Gemma 3nは「ネットなしで実用できる、現状最高水準の性能のスマホAIという感触です。しかも、その性能はいろんなアプリ・状況で活用可能です（開発用の資料も公開済み）。公にできない大切な情報の処理にも使えるでしょうし、もしかしたらスマホ用のエージェントAIになってスマホをより快適に使えるようにしてくれるのかもしれません。