Google senaste framsteg inom artificiell intelligens – PaliGemma 2. Detta är den andra versionen av företagets visionsspråksmodell, som nu har fått en spännande ny funktion: förmågan att identifiera känslor i bilder.
Vad är PaliGemma 2?
PaliGemma 2 är en visionsspråks-AI-modell som bygger på Googles tidigare modell Gemma 2. Den kombinerar SigLIP-bildkodaren med Gemma 2-språkmodellen, vilket skapar en mångsidig och kraftfull modell för visuella och språkrelaterade uppgifter.
Modellen kan generera detaljerade beskrivningar av bilder, korrekt besvara frågor om bilder, detektera objekt, segmentera specifika områden i bilden samt extrahera och förstå visuell text i bilden.
Experters oro
Även om PaliGemma 2:s nya funktioner verkar lovande, har experter uttryckt oro över potentiella konsekvenser av att göra emotionidentifiering tillgänglig för allmänheten. Några av de viktigaste bekymren inkluderar:
Ofullständig vetenskaplig grund: Många emotionidentifieringssystem bygger på Paul Ekman teorier om grundläggande känslor, men senare studier har ifrågasatt dessa antaganden.
Potentiell bias: Emotionidentifieringssystem tenderar att vara opålitliga och partiska, ofta reflekterande designerernas egna antaganden.
Risk för missbruk: Öppet tillgängliga modeller riskerar att missbrukas eller användas på sätt som kan leda till verklig skada.
Google hävdar att de har genomfört omfattande tester för att utvärdera demografiska bias i PaliGemma 2 och funnit låga nivåer av toxiskt språk och svordomar jämfört med branschstandarder. Dock har företaget inte delat den fullständiga listan över benchmark-test som användes eller vilka typer av tester som utfördes.
Framtida möjligheter
Trots oroande faktorer öppnar PaliGemma 2 upp för många spännande tillämpningar inom olika områden såsom Hälso och sjukvård: Analys av medicinska bilder för diagnos och behandling.
Eller som Visuell sökfunktion för produkter baserad på bilder snarare än textbaserade beskrivningar. Ett annat område är utbildning Ökad tillgänglighet för synskadade studenter genom personlig lärandeupplevelse och detaljerad beskrivande text för visuella element.
PaliGemma 2 utgåvor på huggingface är Vision-Språkmodeller tillgängliga i flera varianter: 3B, 10B och 28B.