Google DeepMind ने SL2T का अनावरण किया है, जो एक AI मॉडल है जिसे सांकेतिक भाषा को टेक्स्ट में अनुवाद करने के लिए डिज़ाइन किया गया है, जिसे सबसे पहले कंपनी के नए Pixel 11 स्मार्टफोन लाइनअप पर पेश किया गया है। मॉडल, "साइन लैंग्वेज एआई को उपयोगकर्ताओं के हाथों में डालना" बैनर के तहत पेश किया गया है, जो मुख्यधारा के उपभोक्ता डिवाइस में वास्तविक समय की साइन लैंग्वेज समझ लाने के लिए अब तक के सबसे हाई-प्रोफाइल प्रयासों में से एक है।
यह घोषणा Google के Pixel 11 लॉन्च इवेंट के साथ हुई, जहां कंपनी ने जेमिनी-संचालित नई सुविधाओं का एक सेट प्रदर्शित किया। उनमें से, सांकेतिक भाषा अनुवाद स्पष्ट पहुंच के मील के पत्थर के रूप में सामने आया, जिसने फोन के फ्रंट-फेसिंग कैमरे को बधिर उपयोगकर्ताओं और सांकेतिक भाषा नहीं जानने वाले लोगों के बीच एक पुल में बदल दिया।
डिवाइस पर टेक्स्ट के लिए सांकेतिक भाषा
DeepMind और Engadget और Android अथॉरिटी की रिपोर्ट के अनुसार, SL2T, Pixel 11 डिवाइस पर सांकेतिक भाषा को सीधे टेक्स्ट में ट्रांसक्राइब कर सकता है। यह फीचर Google के फ्लैगशिप फोल्डिंग फोन Pixel 11 Pro फोल्ड पर शुरू हो रहा है, जिसे कंपनी ने नई क्षमता के शोकेस के रूप में पेश किया है।
डिजिटल ट्रेंड्स ने रिलीज़ को "बधिर उपयोगकर्ताओं के लिए उन लोगों के साथ संवाद करने का एक नया तरीका बताया जो सांकेतिक भाषा नहीं जानते," SL2T को पूरी तरह से प्रयोगात्मक डेमो के बजाय रोजमर्रा की बातचीत के लिए एक व्यावहारिक उपकरण के रूप में तैयार किया गया। विचार सीधा लेकिन शक्तिशाली है: एक बधिर उपयोगकर्ता अपने फोन पर संकेत करता है, मॉडल इशारों की व्याख्या करता है, और परिणामी पाठ सुनने वाले संवादी साथी को पढ़ने के लिए प्रदर्शित करता है।
क्लाउड पर वीडियो भेजने के बजाय मॉडल को डिवाइस पर चलाने से गोपनीयता और विश्वसनीयता दोनों पर सार्थक प्रभाव पड़ता है। सांकेतिक भाषा में बातचीत अंतरंग होती है और इसमें अक्सर संवेदनशील जानकारी होती है, और क्लाउड राउंड-ट्रिप से बचने से वह डेटा फ़ोन पर रहता है। यह सुविधा को उन स्थितियों में भी काम करने की अनुमति देता है जहां कनेक्टिविटी खराब है।
सांकेतिक भाषा एक कठिन एआई समस्या क्यों है
सांकेतिक भाषा केवल हाथ के आकार को पहचानने की तुलना में कहीं अधिक जटिल है। पूर्ण सांकेतिक भाषाएँ, जैसे कि अमेरिकी सांकेतिक भाषा (एएसएल), अर्थ बताने के लिए हाथ के इशारों, चेहरे के भाव, शारीरिक मुद्रा और अंतरिक्ष में गति का उपयोग करती हैं, और उनका अपना व्याकरण होता है जो बोली जाने वाली भाषाओं से अलग होता है। एक मॉडल जो केवल हाथों को ट्रैक करता है वह हस्ताक्षरकर्ता जो कह रहा है उसमें से अधिकांश को मिस कर देगा।
यही कारण है कि सांकेतिक भाषा अनुवाद वाक् पहचान से पिछड़ गया है। एक ऐसी प्रणाली का निर्माण करना जो सीमित बिजली और मेमोरी बजट के भीतर, फोन पर वास्तविक समय में हस्ताक्षरित संचार की पूरी समृद्धि की व्याख्या कर सके, एक वास्तविक इंजीनियरिंग चुनौती का प्रतिनिधित्व करता है। डीपमाइंड ने अभी तक SL2T के आर्किटेक्चर या बेंचमार्क प्रदर्शन पर पूर्ण तकनीकी विवरण प्रकाशित नहीं किया है, और कंपनी ने अपनी घोषणा में कच्चे मेट्रिक्स पर उपयोगकर्ता-सामना अनुभव पर जोर दिया है।
सीमित सार्वजनिक विवरण ध्यान देने योग्य है। सटीकता दर, समर्थित सांकेतिक भाषा और विलंबता का स्वतंत्र सत्यापन यह निर्धारित करेगा कि क्या SL2T एक भरोसेमंद दैनिक उपकरण है या प्रारंभिक चरण की सुविधा है जिसे अभी भी परिपक्वता की आवश्यकता है। अभी के लिए, डीपमाइंड की अपनी घोषणा और कई प्रौद्योगिकी प्रकाशनों की पुष्टि यह पुष्टि करती है कि मॉडल मौजूद है और उपभोक्ता हार्डवेयर पर शिपिंग कर रहा है।
एआई युद्धक्षेत्र के रूप में पहुंच
एसएल2टी का आगमन तब हुआ है जब एक्सेसिबिलिटी सुविधाएं एआई प्रयोगशालाओं और डिवाइस निर्माताओं के बीच प्रतिस्पर्धा का एक तेजी से दिखाई देने वाला क्षेत्र बन गई हैं। वास्तविक समय के कैप्शन, नेत्रहीन उपयोगकर्ताओं के लिए छवि विवरण और अब सांकेतिक भाषा अनुवाद को विशिष्ट ऐड-ऑन के रूप में नहीं बल्कि हेडलाइन क्षमताओं के रूप में तैनात किया जा रहा है जो ऑन-डिवाइस एआई के व्यावहारिक मूल्य को प्रदर्शित करता है।
Google के लिए, SL2T को Pixel 11 लॉन्च से जोड़ने से दो उद्देश्य पूरे होते हैं। यह नए हार्डवेयर को एक विशिष्ट सुविधा देता है जिसकी प्रतिस्पर्धियों के फोन में कमी है, और यह इस संदेश को पुष्ट करता है कि Google के AI सहायक जेमिनी को मौलिक स्तर पर ऑपरेटिंग सिस्टम में बुना जा रहा है। पिक्सेल 11 प्रो फोल्ड, अपनी बड़ी आंतरिक स्क्रीन के साथ, एक टेबल पर वार्तालाप भागीदार को दिखाए जाने वाले फीचर के लिए एक स्वाभाविक पहला घर है।
सांकेतिक भाषा एआई के लिए आगे की राह
बधिर और कम सुनने वाले समुदाय के लिए बड़ा सवाल यह है कि क्या SL2T का विस्तार एक डिवाइस और सांकेतिक भाषाओं के सीमित सेट से परे है। अमेरिकी सांकेतिक भाषा संभवतः लॉन्च फोकस है, लेकिन दुनिया भर में सैकड़ों सांकेतिक भाषाएं हैं, जिनमें से प्रत्येक की अपनी संरचना और क्षेत्रीय विविधता है। एक मॉडल जो संयुक्त राज्य अमेरिका में एएसएल हस्ताक्षरकर्ताओं के लिए खूबसूरती से काम करता है, ब्रिटिश साइन लैंग्वेज, ऑस्लान या एलएसएफ के उपयोगकर्ता के लिए बहुत कम उपयोगी हो सकता है।
डीपमाइंड के पास संकीर्ण शुरुआत और बड़े पैमाने पर बढ़ने का ट्रैक रिकॉर्ड है, जैसा कि उसने अल्फाफोल्ड और उसके मौसम मॉडल जैसी प्रणालियों के साथ किया था। यदि SL2T उस पैटर्न का अनुसरण करता है, तो Pixel 11 की शुरुआत एक तैयार उत्पाद के बजाय एक प्रारंभिक कदम है। बधिर उपयोगकर्ताओं से सामुदायिक प्रतिक्रिया, जो यह तय करने के लिए सबसे अच्छी स्थिति में हैं कि अनुवाद सटीक और प्राकृतिक हैं या नहीं, आगे क्या होगा, इसे आकार देंगे।
फिलहाल, मास-मार्केट फोन पर सांकेतिक भाषा अनुवाद का आगमन एक उल्लेखनीय कदम है। इससे पता चलता है कि एआई की बोली जाने वाली भाषा को समझने की क्षमता और हस्ताक्षरित भाषा को समझने की क्षमता के बीच लंबे समय से चला आ रहा अंतर अंततः एक समय में एक डिवाइस से कम होना शुरू हो सकता है।
[एआई बज़ वायर की ब्रेकिंग न्यूज कवरेज] (https://aibuzzwire.news) पर नवीनतम मॉडल रिलीज और एआई विकास के साथ बने रहें।
