हाल ही में, गूगल ने एक नई दृश्य-भाषा मॉडल (Vision-Language Model, VLM) पेश की है, जिसका नाम PaliGemma2Mix है। यह मॉडल छवि प्रसंस्करण और प्राकृतिक भाषा प्रसंस्करण की क्षमताओं को मिलाता है, जिससे यह दृश्य जानकारी और पाठ इनपुट दोनों को साथ में समझ सकता है और आवश्यकता के अनुसार संबंधित आउटपुट उत्पन्न कर सकता है, जो मल्टी-टास्किंग में कृत्रिम बुद्धिमत्ता तकनीक की एक और प्रगति का प्रतीक है। PaliGemma2Mix की क्षमताएँ बहुत मजबूत हैं, इसमें छवि वर्णन और ऑप्टिकल वर्ण पहचान शामिल हैं।

IBM ने अपने नए पीढ़ी के ओपन-स्रोत बड़े भाषा मॉडल Granite3.1 को आधिकारिक रूप से जारी किया, जिसका लक्ष्य एंटरप्राइज एआई क्षेत्र में领先 स्थिति प्राप्त करना है। इस श्रृंखला के मॉडल में 128K का विस्तारित संदर्भ लंबाई, एम्बेडिंग मॉडल, अंतर्निर्मित幻觉 पहचान क्षमता और प्रदर्शन में उल्लेखनीय वृद्धि शामिल है। IBM का दावा है कि Granite8B Instruct मॉडल समान आकार के ओपन-सोर्स प्रतिस्पर्धियों में सर्वश्रेष्ठ प्रदर्शन करता है, जिसमें मेटा का Llama3.1, Qwen2.5 और गूगल का Gemma2 शामिल है।

गूगल ने हाल ही में नया AI मॉडल परिवार PaliGemma2 लॉन्च किया, जिसकी सबसे आकर्षक खासियत यह है कि यह दावा करता है कि यह इमेज विश्लेषण के माध्यम से मानव भावनाओं को पहचान सकता है। यह दावा तेजी से अकादमिक और तकनीकी नैतिकता विशेषज्ञों के बीच व्यापक चर्चा और गंभीर सवालों को जन्म दिया। Gemma ओपन मॉडल पर आधारित यह AI प्रणाली विस्तृत छवि विवरण उत्पन्न करने में सक्षम है, केवल सरल वस्तु पहचान पर नहीं रुकती है, बल्कि चित्र में व्यक्तियों के व्यवहार और भावनाओं का वर्णन करने की कोशिश करती है। हालांकि, कई प्रमुख विशेषज्ञ इस तकनीक की वैज्ञानिकता और संभावित जोखिमों के बारे में गंभीर चेतावनी दे रहे हैं। ऑक्सफोर्ड से आने वाले विशेषज्ञों का मत भी इसी ओर इशारा करता है।

गूगल ने हाल ही में अपनी नई पीढ़ी के कृत्रिम बुद्धिमत्ता मॉडल PaliGemma2 की घोषणा की है, जो छवियों का विश्लेषण करके शीर्षक उत्पन्न कर सकता है, साथ ही तस्वीरों में व्यक्तियों की भावनाओं और क्रियाओं के बारे में सवालों का जवाब भी दे सकता है। PaliGemma2 गूगल के Gemma ओपन मॉडल श्रृंखला पर आधारित है, जो पारंपरिक वस्तु पहचान की तुलना में छवियों का अधिक गहन वर्णन प्रदान करता है, और भावनाओं की पहचान करने और संदर्भ के अनुसार विस्तार से वर्णन उत्पन्न करने की क्षमता रखता है। हालांकि, इस तकनीक को क्रांतिकारी नवाचार जैसा प्रतीत होते हुए भी, विशेषज्ञों ने इसके संभावित नैतिक और सामाजिक प्रभावों के बारे में गंभीर चेतावनी दी है। भावना पहचान केवल P

हाल ही में टोक्यो में आयोजित Gemma डेवलपर दिन में, गूगल ने आधिकारिक तौर पर नए जापानी संस्करण का Gemma AI मॉडल लॉन्च किया। इस मॉडल का प्रदर्शन GPT-3.5 के बराबर है, लेकिन इसके पैरामीटर की संख्या केवल 20 अरब है, जो इसे बहुत छोटा बनाता है और मोबाइल उपकरणों पर चलाने के लिए उपयुक्त है। इस बार जारी किए गए Gemma मॉडल ने जापानी भाषा को संभालने में बेहतरीन प्रदर्शन किया, साथ ही इसकी अंग्रेजी में भी क्षमता बनी रही। छोटे मॉडलों के लिए, यह विशेष रूप से महत्वपूर्ण है क्योंकि नए भाषाओं के माइक्रो-ट्यूनिंग करते समय उन्हें "आपदा" का सामना करना पड़ सकता है।

हाल ही में, Zyphra ने Zamba2-7B का औपचारिक रूप से विमोचन किया, जो एक छोटे भाषा मॉडल है जिसमें अभूतपूर्व प्रदर्शन है, इसके पैरामीटर की संख्या 7B है। इस मॉडल का दावा है कि यह गुणवत्ता और गति दोनों में वर्तमान प्रतियोगियों जैसे Mistral-7B, Google's Gemma-7B और Meta के Llama3-8B को पीछे छोड़ देता है। Zamba2-7B का डिज़ाइन उद्देश्य उन वातावरणों की आवश्यकताओं को पूरा करना है जो शक्तिशाली भाषा प्रसंस्करण क्षमता की आवश्यकता रखते हैं लेकिन हार्डवेयर की सीमाओं से बाधित हैं, जैसे उपकरणों पर प्रसंस्करण या उपयोग में।

हाल ही में, गूगल ने 'gemma-2-2b-jpn-it' नामक एक नए मॉडल की घोषणा की, जो उसके Gemma श्रृंखला के भाषा मॉडल का नवीनतम सदस्य है। यह मॉडल विशेष रूप से जापानी भाषा के लिए अनुकूलित किया गया है, जो बड़े भाषा मॉडल (LLM) के क्षेत्र में गूगल के निरंतर निवेश के संकल्प को प्रदर्शित करता है। परियोजना प्रवेश: https://huggingface.co/google/gemma-2-2b-jpn-itgemma-2-2b-jpn-it एक पाठ है

हाल ही में, गूगल ने नए ओपन-सोर्स AI मॉडल DataGemma की घोषणा की, जिसका उद्देश्य बड़े भाषा मॉडल (LLM) द्वारा सांख्यिकी डेटा को संसाधित करते समय अक्सर आने वाली 'भ्रांति' समस्या को हल करना है। यह भ्रांति घटना मॉडल को संख्याओं और सांख्यिकी संबंधी प्रश्नों का उत्तर देते समय अनुपयुक्त उत्तर प्रदान करने की संभावना देती है। DataGemma मॉडल की लॉन्च गूगल के AI क्षेत्र में एक महत्वपूर्ण प्रगति का प्रतीक है। चित्र स्रोत नोट: चित्र AI द्वारा उत्पन्न, चित्र अधिकार सेवा प्रदाता Midjourney द्वारा सांख्यिकी खोजों के दौरान भ्रांति को कम करना।

Google DeepMind का नवीनतम अनुसंधान Gemma Scope भाषा मॉडल के ब्लैक बॉक्स के रहस्यों को उजागर करता है,Sparse Autoencoders (SAEs) के माध्यम से भाषा मॉडल की सक्रियताओं को विखंडित और पुनर्निर्मित करके, जिसका उद्देश्य पीछे के सार्थक लक्षणों को उजागर करना है। Gemma Scope JumpReLU SAEs का उपयोग करता है, सक्रियता को नियंत्रित करके, पुनर्निर्माण हानि को अनुकूलित करके और सक्रिय संभावित विशेषताओं की संख्या को नियमित करके, भाषा मॉडल की आंतरिक व्यवस्था को उजागर करने के लिए। अनुसंधान से पता चलता है कि अवशिष्ट धारा SAEs की प्रदर्शन आमतौर पर कम होती है, अनुक्रम की लंबाई SAE विशेषताओं पर प्रभाव डालती है।

गूगल ने 20 बिलियन पैरामीटर वाला Gemma22B मॉडल पेश किया है, जो कई प्रकार के हार्डवेयर वातावरण में उत्कृष्ट प्रदर्शन दिखा रहा है, विशेष रूप से 'चैटबॉट एरेना' में GPT-3.5-Turbo-0613 और Mixtral-8x7b जैसे मॉडलों को पीछे छोड़ता है। यह मॉडल NVIDIA TensorRT-LLM लाइब्रेरी के माध्यम से ऑप्टिमाइज़ किया गया है और विभिन्न स्थितियों में, किनारे के उपकरणों से लेकर शक्तिशाली क्लाउड वातावरण तक, प्रभावी रूप से तैनात किया गया है। सुरक्षा बढ़ाने के लिए, गूगल ने ShieldGemma सुरक्षा वर्गीकरणकर्ता और Gemma S भी जारी किया है。

गूगल ने जेमिना 2 लॉन्च किया, जो इसके ओपन-सोर्स हल्के भाषाई मॉडल का नवीनतम संस्करण है, जो 90 अरब (9B) और 270 अरब (27B) पैरामीटर आकार प्रदान करता है। पुराने जेमिना मॉडल की तुलना में, यह नया संस्करण प्रदर्शन को बढ़ाने और अधिक तेज़ अनुमान गति का वादा करता है।

हाल ही में गूगल I/O बर्लिन सम्मेलन में, गूगल ने अपने नवीनतम भाषा मॉडल जेम्मा2 को ओपन-सोर्स करने की घोषणा की, जो प्रदर्शन और दक्षता के मामले में महत्वपूर्ण प्रगति कर चुका है। जेम्मा2 9B और 27B दो आकार के संस्करणों में उपलब्ध है, जिसमें 27B संस्करण का प्रदर्शन 70B параметर वाले लामा3 मॉडल के करीब है, जबकि मॉडल का आकार इसके केवल 40% के बराबर है।