近日，谷歌宣布推出一款全新的视觉 - 语言模型（Vision-Language Model， VLM），名为 PaliGemma2Mix。这款模型融合了图像处理与自然语言处理的能力，能够同时理解视觉信息和文本输入，并根据需求生成相应的输出，标志着人工智能技术在多任务处理方面的进一步突破。PaliGemma2Mix 的功能非常强大，它集成了图像描述、光学字符识别（OCR）、图像问答、目标检测和图像分割等多种视觉 - 语言任务，适用于多种应用场景。开发者可以通过预训练检查点(checkpoints)直接使用这款模型，或根据自己的需求

谷歌近日推出了全新的AI模型家族PaliGemma2，其最引人注目的功能是声称能够通过图像分析"识别"人类情绪。这一宣称迅速引发了学术界和技术伦理专家的广泛讨论和严重质疑。这款基于Gemma开放模型的AI系统能够生成详细的图像描述，不仅仅停留在简单的物体识别，还试图描述图像中人物的行为和情感。然而，多位权威专家对这一技术的科学性和潜在风险提出了严重警告。来自牛津互联网研究所的数据伦理教授桑德拉·瓦赫特直言不讳地指出，试图通过AI"读取"人类情绪如同"问魔法八号球寻求

谷歌日前发布了其新一代人工智能模型——PaliGemma2，该技术能分析图像并生成标题，同时回答关于照片中人物的情感和行动等问题。PaliGemma2基于谷歌的 Gemma 开放模型系列，提供比传统物体识别更为深刻的图像描述，能够识别情绪并生成符合上下文的详细描述。然而，尽管这一技术看似突破性创新，专家却对其潜在的伦理和社会影响提出了严重警告。情绪识别并非PaliGemma2的标准功能，而是通过微调实现的。尽管谷歌表示其已进行了“广泛测试”，并且在人口统计学偏见方面表现优于行业基