オープンソースの商用利用可能なLLMのDolly 2.0が公開されましたので、Google Colaboratoryを使用して実際に試していこうと思います。
Hugging Faceを通して公開されているため、簡単に使用することができます。

Dolly 2.0を実行してみる

Google Colaboratoryにアクセスします。

最初に、「編集」→「ノートブックの設定」から、
ハードウェアアクセラレートを「GPU」に設定しましょう。

以下のコマンドを入力し、Shift+Enterを押して実行しましょう。
GPUの情報が出てくれば、正常に設定変更できています。

!nvidia-smi

続けてコードを記載してきます。必要なライブラリをインストールしましょう。

!pip install accelerate
!pip install transformers

続いて、必要なライブラリのインポートと、Dolly 2.0のモデルを選択します。

モデルは複数用意されていますが、Google ColaboratoryのRAMの関係で、小さいモデルしか動かせません。

• databricks/dolly-v2-3b
• databricks/dolly-v2-7b
• databricks/dolly-v2-12b

import torch
from transformers import pipeline

generate_text = pipeline(model="databricks/dolly-v2-3b", torch_dtype=torch.bfloat16, trust_remote_code=True, device_map="auto")
#generate_text = pipeline(model="databricks/dolly-v2-7b", torch_dtype=torch.bfloat16, trust_remote_code=True, device_map="auto")
#generate_text = pipeline(model="databricks/dolly-v2-12b", torch_dtype=torch.bfloat16, trust_remote_code=True, device_map="auto")

本家のサンプルに沿って質問事項（プロンプト）を記載して、結果を取得してみます。
※出力結果がJson形式に仕様変更していたので、修正。

result = generate_text("Explain to me the difference between nuclear fission and fusion.")
print(result[0]['generated_text'])

ChatGPTなどと同様に、実行するたびに回答内容は変わりますが、今回の結果は下記の通りでした。
実行時間は2～3分ほどかかります。処理速度が遅いのは仕方がないですね。

回答文が長い場合には、途中で切れてしまうことがあるようです。

Deep-Lで翻訳した日本語訳を載せておきます。一部、文脈におかしな点が含まれていますね。
より大きいサイズのモデルを使用することで、精度が向上するのかもしれません。

核分裂は、重い原子核が、エネルギー源の助けを借りずに、自然に2つの軽い原子核に分裂することです。つまり、激しい熱を加えることなく、「突然」起こるのです。そのため、「放射性β崩壊」とも呼ばれます。放射能とは、ある原子核が自然に別の原子核に「崩壊」するプロセスのことで、アルファ粒子もベータ粒子も非常に高い「イオン化エネルギー」（つまり原子核の「放射能」）を持っているのです。

核融合では、2つの軽い原子核が互いに影響し合って、1つ以上の新しい重い原子核を形成します。この反応では、軽い原子核に含まれる陽子と中性子の間に強い核力が働くため、多くのエネルギーが放出されます。核融合は、太陽や星の他の原子核を作り出すプロセスである。

地球の表面では、沈み込みと呼ばれる原子核の分裂で、水素の原子核が融合してヘリウムになる。これは、太陽のような星で起こる核融合反応に比べれば、ごくわずかなエネルギーしか生み出さない。

地球上では、太陽や地球の核、恒星の水素核融合、原子力産業などで核融合が行われています。

直接、日本語で質問した場合の結果も記載しておきます。

result = generate_text("核融合と核分裂の違いを説明してください。")
print(result[0]['generated_text'])

途中で切れてしまいましたし、内容も良く分からない結果になってしまいました。

日本語への対応は良くないようなので、翻訳を間にかませて「日本語」→（翻訳）→「英語」→（Dolly処理）→「英語」→（翻訳）→「日本語」と処理を組む必要がありそうです。

今後に課題はあるものの、Google Colaboratory上でも利用可能なLLMとして、また商用利用が可能な点で注目すべきモデルになりそうです。

とりあえず、ここまで。