谷歌发布视觉语言模型PaliGemma 2 可识别人的情绪

谷歌最近发布了其最新的视觉语言模型PaliGemma 2，该模型具备识别情绪的能力，并支持长文本字幕生成。这一新版本的模型在多个方面进行了升级和改进，能够更好地理解和处理图像中的内容。

PaliGemma 2是谷歌推出的全新视觉语言模型，作为初代PaliGemma的升级版，它不仅能够识别图像中的物体和文字，还能识别人物并解读其情绪。这意味着如果某人表现出高兴或悲伤等情绪，PaliGemma 2能够捕捉到这些情绪并进行相应的处理。此外，该模型还能够为图像生成详细的、与上下文相关的标题，而不仅仅是简单的物体识别。
PaliGemma 2提供了多个版本，包括30亿、100亿和280亿参数的变体，以及不同分辨率的版本，以满足不同的使用需求。这些版本使得PaliGemma 2可以在多种场景中应用，例如在识别乐谱、化学公式、深度信息以及制作胸部X光片报告等方面表现出色。

然而，尽管PaliGemma 2在技术上取得了显著进步，但其情绪识别功能也引发了伦理和安全方面的担忧。一些专家指出，情绪识别技术可能被滥用或误用，导致在执法、人力资源等领域对边缘化群体的歧视。牛津互联网研究所的数据伦理与人工智能教授桑德拉·瓦赫特（Sandra Wachter）表示，假设AI可以“读懂”人们的情绪是有问题的，因为这涉及到对人类情感的推测和误解。

为了应对这些挑战，谷歌表示已经对PaliGemma 2进行了严格的道德和安全评估，包括儿童安全和内容安全方面的考量。然而，有学者认为，这种评估可能还不够充分，并强调负责任的创新需要从一开始就考虑到潜在的后果，并在整个产品生命周期中持续关注这些问题。

PaliGemma 2的发布标志着谷歌在视觉语言模型领域的进一步发展，为解决复杂的视觉语言任务提供了更强大的工具。然而，随着技术的进步，如何平衡技术应用与伦理责任之间的关系，将是未来发展中需要重点关注的问题。