Visione AI: i modelli testuali ora possono 'vedere' le immagini

Modelli nati per elaborare solo il testo possono ora, in un certo senso, "vedere" e capire le immagini. Questo grazie a un progetto su GitHub che integra una capacità visiva indiretta.

Il progetto Anionex/codex-deepseek-vision su GitHub abilita i modelli testuali a invocare lo strumento view_image di Codex. È un bel salto, perché estende le capacità di intelligenze artificiali che, per loro natura, non dovrebbero avere occhi. Non è che hanno sviluppato una retina, ma ci siamo quasi.

Non è una visione diretta, ma un'interfaccia intelligente. Il toolkit traduce le richieste del modello testuale in un comando per Codex, che poi usa il suo strumento view_image per analizzare l'immagine e generare una descrizione testuale.

In pratica, il modello AI non vede l'immagine, ma riceve una sua dettagliata descrizione scritta. È come se l'AI avesse un assistente super veloce che le racconta cosa c'è nella foto. Quindi, non è magia nera, è ingegneria astuta che aggira un limite hardware. Chi l'avrebbe detto che bastava un traduttore?