Google DeepMind ha presentato SL2T, un modello di intelligenza artificiale progettato per tradurre il linguaggio dei segni in testo, lanciato per primo sulla nuova linea di smartphone Pixel 11 dell'azienda. Il modello, introdotto con lo slogan “mettere l’intelligenza artificiale del linguaggio dei segni nelle mani degli utenti”, segna uno dei tentativi di più alto profilo mai realizzati per portare la comprensione del linguaggio dei segni in tempo reale su un dispositivo di consumo mainstream.
L'annuncio è arrivato insieme all'evento di lancio di Pixel 11 di Google, in cui l'azienda ha presentato una suite di nuove funzionalità basate su Gemini. Tra questi, la traduzione nella lingua dei segni si è distinta come una pietra miliare in termini di accessibilità, trasformando la fotocamera frontale di un telefono in un ponte tra gli utenti non udenti e le persone che non conoscono la lingua dei segni.
Lingua dei segni nel testo, sul dispositivo
Secondo DeepMind e i report di Engadget e Android Authority, SL2T può trascrivere il linguaggio dei segni in testo direttamente sui dispositivi Pixel 11. La funzionalità debutta su Pixel 11 Pro Fold, il telefono pieghevole di punta di Google, che l'azienda ha posizionato come vetrina per la nuova funzionalità.
Digital Trends ha descritto il rilascio come "un nuovo modo per gli utenti sordi di comunicare con persone che non conoscono la lingua dei segni", definendo SL2T come uno strumento pratico per le conversazioni quotidiane piuttosto che una demo puramente sperimentale. L'idea è semplice ma potente: un utente sordo segnala al proprio telefono, il modello interpreta i gesti e il testo risultante viene visualizzato per essere letto da un interlocutore udente.
L’esecuzione del modello sul dispositivo, anziché spedire il video sul cloud, comporta implicazioni significative sia per la privacy che per l’affidabilità. Le conversazioni nella lingua dei segni sono intime e spesso contengono informazioni sensibili ed evitare un viaggio di andata e ritorno nel cloud mantiene tali dati sul telefono. Consente inoltre alla funzionalità di funzionare in situazioni in cui la connettività è scarsa.
Perché il linguaggio dei segni è un problema difficile per l'intelligenza artificiale
Il linguaggio dei segni è molto più complesso del semplice riconoscimento della forma delle mani. Le lingue dei segni complete, come la lingua dei segni americana (ASL), utilizzano gesti delle mani, espressioni facciali, postura del corpo e movimento nello spazio per trasmettere significato e hanno una propria grammatica distinta dalle lingue parlate. Un modello che tiene traccia solo delle mani perderà gran parte di ciò che dice un firmatario.
Questo è il motivo per cui la traduzione nella lingua dei segni è rimasta indietro rispetto al riconoscimento vocale. Costruire un sistema in grado di interpretare tutta la ricchezza della comunicazione firmata in tempo reale, su un telefono, con budget limitati di potenza e memoria, rappresenta una vera sfida ingegneristica. DeepMind non ha ancora pubblicato dettagli tecnici completi sull'architettura di SL2T o sulle prestazioni di riferimento e nel suo annuncio la società ha enfatizzato l'esperienza rivolta all'utente rispetto ai parametri grezzi.
Vale la pena notare il limitato dettaglio pubblico. La verifica indipendente dei tassi di precisione, delle lingue dei segni supportate e della latenza determinerà se SL2T è uno strumento quotidiano affidabile o una funzionalità in fase iniziale che necessita ancora di maturazione. Per ora, la conferma dell'annuncio di DeepMind e di numerose pubblicazioni tecnologiche conferma che il modello esiste e viene distribuito sull'hardware consumer.
Accessibilità come campo di battaglia dell'IA
SL2T arriva mentre le funzionalità di accessibilità sono diventate un’arena di competizione sempre più visibile tra i laboratori di intelligenza artificiale e i produttori di dispositivi. I sottotitoli in tempo reale, le descrizioni delle immagini per gli utenti non vedenti e ora la traduzione nel linguaggio dei segni vengono posizionati non come componenti aggiuntivi di nicchia ma come funzionalità principali che dimostrano il valore pratico dell'intelligenza artificiale sul dispositivo.
Per Google, collegare SL2T al lancio di Pixel 11 ha due scopi. Ciò conferisce al nuovo hardware una caratteristica distintiva che manca ai telefoni della concorrenza e rafforza il messaggio che Gemini, l'assistente AI di Google, è stato intrecciato nel sistema operativo a un livello fondamentale. Pixel 11 Pro Fold, con il suo schermo interno più grande, è la prima casa naturale per una funzionalità pensata per essere mostrata a un interlocutore attraverso un tavolo.
La strada da percorrere per l'intelligenza artificiale con il linguaggio dei segni
La domanda più grande per la comunità dei non udenti e con problemi di udito è se SL2T si espande oltre un singolo dispositivo e un insieme limitato di lingue dei segni. Probabilmente il focus del lancio sarà la lingua dei segni americana, ma esistono centinaia di lingue dei segni in tutto il mondo, ciascuna con la propria struttura e variazione regionale. Un modello che funziona magnificamente per i firmatari ASL negli Stati Uniti potrebbe essere di scarsa utilità per un utente della lingua dei segni britannica, Auslan o LSF.
DeepMind ha una comprovata esperienza nell’iniziare in modo limitato e poi ampliarsi, come ha fatto con sistemi come AlphaFold e i suoi modelli meteorologici. Se SL2T segue questo schema, il debutto di Pixel 11 sarà una mossa di apertura piuttosto che un prodotto finito. Il feedback della comunità da parte degli utenti non udenti, che sono nella posizione migliore per giudicare se le traduzioni sono accurate e naturali, determinerà ciò che verrà dopo.
Per ora, l’arrivo della traduzione nel linguaggio dei segni su un telefono del mercato di massa è un passo notevole. Ciò suggerisce che il divario di lunga data tra la capacità dell’intelligenza artificiale di comprendere la lingua parlata e la sua capacità di comprendere la lingua dei segni potrebbe finalmente iniziare a colmarsi, un dispositivo alla volta.
Tieniti aggiornato sugli ultimi modelli rilasciati e sugli sviluppi dell'intelligenza artificiale su copertura delle ultime notizie di AI Buzz Wire.
