Çok modlu bir somutlaştırılmış görsel dil modeli (VLM) olarak PaLM-E, görme ve dilin robot kontrolüne entegrasyonunu sağlar. Google ve Berlin Teknik Üniversitesi'ne göre PaLM-E, insanlar tarafından şimdiye kadar geliştirilmiş en büyük VLM'dir ve yeniden eğitilmeden çeşitli görevleri yerine getirebilir. Ek olarak, PaLM-540B dil modeli ile ViT-22B görsel Transformer modelinin birleşimi sayesinde, PaLM-E'nin son parametre hacmi 562 milyara kadar çıkmaktadır (GPT-3'ün parametre hacmi 175 milyardır), bu da dünyada bilinen en büyük görsel dil modelidir.
Geçtiğimiz birkaç ayda ChatGPT'nin küresel teknoloji devleri arasında tetiklediği yapay zeka patlaması, çok sayıda dil modelinin üretkenliğini artırdı. "Wall Street Journal"a göre Google, iki yıl önce ChatGPT'ye benzer bir yapay zeka sohbet aracı yapmasına rağmen, Google'ın yapay zekaya karşı temkinli tavrı, yapay zeka üretme fırsatını kaybetmesine neden oldu.
