Google DeepMind telah meluncurkan SL2T, model AI yang dirancang untuk menerjemahkan bahasa isyarat menjadi teks, diluncurkan pertama kali pada jajaran ponsel pintar Pixel 11 baru perusahaan. Model ini, yang diperkenalkan di bawah bendera “menempatkan AI bahasa isyarat ke tangan pengguna,” menandai salah satu upaya paling menonjol untuk menghadirkan pemahaman bahasa isyarat secara real-time ke perangkat konsumen arus utama.
Pengumuman tersebut tiba bersamaan dengan acara peluncuran Google Pixel 11, di mana perusahaan tersebut memamerkan serangkaian fitur baru yang didukung Gemini. Diantaranya, terjemahan bahasa isyarat menonjol sebagai tonggak aksesibilitas yang jelas, mengubah kamera depan ponsel menjadi jembatan antara pengguna tunarungu dan orang-orang yang tidak mengerti bahasa isyarat.
Bahasa isyarat ke teks, di perangkat
Menurut DeepMind dan laporan dari Engadget dan Android Authority, SL2T dapat mentranskripsikan bahasa isyarat menjadi teks langsung di perangkat Pixel 11. Fitur ini memulai debutnya di Pixel 11 Pro Fold, ponsel lipat andalan Google, yang diposisikan perusahaan sebagai pameran kemampuan baru tersebut.
Digital Trends menggambarkan rilis ini sebagai "cara baru bagi pengguna tunarungu untuk berkomunikasi dengan orang-orang yang tidak tahu bahasa isyarat," membingkai SL2T sebagai alat praktis untuk percakapan sehari-hari dan bukan sekedar demo eksperimental. Idenya sederhana namun kuat: pengguna tunarungu memberi tanda pada ponselnya, model menafsirkan isyarat tersebut, dan teks yang dihasilkan ditampilkan untuk dibaca oleh lawan bicara yang dapat mendengar.
Menjalankan model di perangkat, dibandingkan mengirimkan video ke cloud, membawa implikasi yang berarti bagi privasi dan keandalan. Percakapan bahasa isyarat bersifat intim dan sering kali berisi informasi sensitif, dan menghindari komunikasi cloud akan menyimpan data tersebut di telepon. Hal ini juga memungkinkan fitur tersebut berfungsi dalam situasi ketika konektivitas buruk.
Mengapa bahasa isyarat adalah masalah AI yang sulit
Bahasa isyarat jauh lebih kompleks dari sekedar mengenali bentuk tangan. Bahasa isyarat lengkap, seperti Bahasa Isyarat Amerika (ASL), menggunakan gerakan tangan, ekspresi wajah, postur tubuh, dan gerakan dalam ruang untuk menyampaikan makna, dan bahasa tersebut memiliki tata bahasa sendiri yang berbeda dari bahasa lisan. Model yang hanya melacak tangan akan kehilangan banyak hal yang dikatakan oleh penandatangan.
Inilah sebabnya mengapa terjemahan bahasa isyarat tertinggal dibandingkan pengenalan ucapan. Membangun sistem yang dapat menafsirkan seluruh kekayaan komunikasi yang ditandatangani secara real-time, di telepon, dengan anggaran daya dan memori yang terbatas, merupakan tantangan teknis yang sesungguhnya. DeepMind belum mempublikasikan rincian teknis lengkap tentang arsitektur SL2T atau kinerja benchmark, dan perusahaan telah menekankan pengalaman pengguna dibandingkan metrik mentah dalam pengumumannya.
Detail publik yang terbatas perlu diperhatikan. Verifikasi independen terhadap tingkat akurasi, bahasa isyarat yang didukung, dan latensi akan menentukan apakah SL2T merupakan alat harian yang dapat diandalkan atau fitur tahap awal yang masih memerlukan pematangan. Untuk saat ini, bukti yang menguatkan pengumuman DeepMind dan berbagai publikasi teknologi mengonfirmasi bahwa model tersebut ada dan dikirimkan pada perangkat keras konsumen.
Aksesibilitas sebagai medan pertempuran AI
SL2T hadir ketika fitur aksesibilitas telah menjadi arena persaingan yang semakin terlihat di antara laboratorium AI dan pembuat perangkat. Teks real-time, deskripsi gambar untuk pengguna tunanetra, dan kini terjemahan bahasa isyarat diposisikan bukan sebagai tambahan khusus, namun sebagai kemampuan utama yang menunjukkan nilai praktis AI pada perangkat.
Bagi Google, mengikat SL2T ke peluncuran Pixel 11 memiliki dua tujuan. Hal ini memberikan fitur khas pada perangkat keras baru yang tidak dimiliki ponsel pesaing, dan memperkuat pesan bahwa Gemini, asisten AI Google, sedang diintegrasikan ke dalam sistem operasi pada tingkat mendasar. Pixel 11 Pro Fold, dengan layar bagian dalam yang lebih besar, adalah rumah pertama yang alami untuk fitur yang dimaksudkan untuk ditampilkan kepada rekan percakapan di seberang meja.
Jalan di depan untuk AI bahasa isyarat
Pertanyaan yang lebih besar bagi komunitas tuna rungu dan gangguan pendengaran adalah apakah SL2T berkembang lebih dari sekedar perangkat tunggal dan bahasa isyarat yang terbatas. Bahasa Isyarat Amerika kemungkinan besar menjadi fokus peluncurannya, namun terdapat ratusan bahasa isyarat di seluruh dunia, yang masing-masing memiliki struktur dan variasi regional tersendiri. Model yang berfungsi baik bagi penanda tangan ASL di Amerika Serikat mungkin tidak banyak berguna bagi pengguna Bahasa Isyarat Inggris, Auslan, atau LSF.
DeepMind memiliki rekam jejak dalam memulai secara sempit dan memperluasnya, seperti yang terjadi pada sistem seperti AlphaFold dan model cuacanya. Jika SL2T mengikuti pola tersebut, debut Pixel 11 adalah sebuah langkah pembuka, bukan produk jadi. Masukan komunitas dari pengguna tunarungu, yang memiliki posisi terbaik untuk menilai apakah terjemahan tersebut akurat dan alami, akan menentukan apa yang akan terjadi selanjutnya.
Untuk saat ini, kehadiran terjemahan bahasa isyarat di telepon pasar massal merupakan sebuah langkah penting. Hal ini menunjukkan bahwa kesenjangan yang sudah lama ada antara kemampuan AI untuk memahami bahasa lisan dan kemampuannya untuk memahami bahasa isyarat mungkin akhirnya mulai mengecil, satu per satu perangkat.
Ikuti terus rilis model terbaru dan perkembangan AI di liputan berita terkini AI Buzz Wire.
