Google DeepMind wis mbukak SL2T, model AI sing dirancang kanggo nerjemahake basa isyarat menyang teks, diluncurake pisanan ing barisan smartphone Pixel 11 anyar perusahaan. Model kasebut, sing dienalake ing spanduk "nglebokake AI basa isyarat menyang tangan pangguna," minangka salah sawijining upaya paling dhuwur sing durung entuk pangerten basa isyarat wektu nyata menyang piranti konsumen utama.
Pengumuman kasebut teka bebarengan karo acara peluncuran Pixel 11 Google, ing ngendi perusahaan kasebut nampilake suite fitur anyar sing didhukung Gemini. Antarane wong-wong mau, terjemahan basa isyarat katon minangka tonggak aksesibilitas sing jelas, ngowahi kamera ngarep ing telpon dadi jembatan antarane pangguna budheg lan wong sing ora ngerti basa isyarat.
Basa tandha kanggo teks, ing piranti
Miturut DeepMind lan laporan saka Engadget lan Android Authority, SL2T bisa nerjemahake basa isyarat menyang teks langsung ing piranti Pixel 11. Fitur kasebut debut ing Pixel 11 Pro Fold, telpon lipat unggulan Google, sing dipanggonke perusahaan minangka pertunjukan kanggo kemampuan anyar kasebut.
Digital Trends nggambarake rilis kasebut minangka "cara anyar kanggo pangguna budheg kanggo komunikasi karo wong sing ora ngerti basa isyarat," nggawe SL2T minangka alat praktis kanggo obrolan saben dina tinimbang demo eksperimen murni. Gagasan kasebut langsung nanging kuat: pangguna budheg mlebu menyang telpon, model kasebut menehi interpretasi gerakan, lan teks sing diasilake ditampilake kanggo maca mitra obrolan.
Nganggo model ing piranti, tinimbang ngirim video menyang awan, nggawa implikasi sing migunani kanggo privasi lan linuwih. Obrolan basa isyarat sing intim lan asring ngemot informasi sensitif, lan ngindhari maya round-trip nyimpen data kasebut ing telpon. Uga ngidini fitur kasebut bisa digunakake ing kahanan konektivitas kurang.
Napa basa isyarat minangka masalah AI sing angel
Basa isyarat luwih rumit tinimbang mung ngerteni wujud tangan. Basa isyarat lengkap, kayata American Sign Language (ASL), nggunakake gerakan tangan, ekspresi rai, postur awak, lan gerakan ing papan kanggo menehi makna, lan duwe tata basa dhewe sing beda karo basa lisan. A model sing mung trek tangan bakal kantun akeh apa signer ngandika.
Mulane terjemahan basa isyarat wis ketinggalan ing pangenalan wicara. Mbangun sistem sing bisa kokwaca kasugihan lengkap komunikasi mlebu ing wektu nyata, ing telpon, ing daya nyenyet lan budget memori, nggantosi tantangan engineering asli. DeepMind durung nerbitake rincian teknis lengkap babagan arsitektur SL2T utawa kinerja benchmark, lan perusahaan kasebut wis nandheske pengalaman sing diadhepi pangguna liwat metrik mentah ing woro-woro kasebut.
Rincian umum sing winates kudu digatekake. Verifikasi independen saka tingkat akurasi, basa isyarat sing didhukung, lan latensi bakal nemtokake manawa SL2T minangka alat saben dina sing bisa diandelake utawa fitur tahap awal sing isih perlu diwasa. Saiki, corroboration ing woro-woro DeepMind dhewe lan macem-macem publikasi teknologi negesake model kasebut ana lan dikirim ing hardware konsumen.
Aksesibilitas minangka medan perang AI
SL2T teka amarga fitur aksesibilitas wis dadi arena kompetisi sing saya katon ing antarane lab AI lan produsen piranti. Katrangan wektu nyata, katrangan gambar kanggo pangguna wuta, lan saiki terjemahan basa isyarat diposisikan ora minangka tambahan khusus nanging minangka kemampuan judhul sing nuduhake nilai praktis AI ing piranti.
Kanggo Google, naleni SL2T menyang peluncuran Pixel 11 duwe rong tujuan. Iku menehi hardware anyar fitur khusu sing telpon saingan lack, lan nguatake pesen sing Gemini, asisten AI Google, lagi dirajut menyang sistem operasi ing tingkat dhasar. Pixel 11 Pro Fold, kanthi layar njero sing luwih gedhe, minangka omah pertama sing alami kanggo fitur sing dituduhake menyang mitra obrolan ing meja.
Dalan ing ngarep kanggo AI basa isyarat
Pitakonan sing luwih gedhe kanggo komunitas budheg lan angel ngrungokake yaiku apa SL2T ngluwihi piranti siji lan basa isyarat sing winates. American Sign Language minangka fokus peluncuran, nanging ana atusan basa isyarat ing saindenging jagad, saben duwe struktur lan variasi regional dhewe. Model sing bisa digunakake kanthi apik kanggo tandha ASL ing Amerika Serikat bisa uga ora ana gunane kanggo pangguna Basa Isyarat Inggris, Auslan, utawa LSF.
DeepMind nduweni rekaman trek kanggo miwiti panah lan skala munggah, kaya sistem kaya AlphaFold lan model cuaca. Yen SL2T ngetutake pola kasebut, debut Pixel 11 minangka pamindhahan pambuka tinimbang produk rampung. Umpan balik komunitas saka pangguna budheg, sing paling apik kanggo ngadili manawa terjemahan kasebut akurat lan alami, bakal mbentuk apa sing bakal ditindakake.
Saiki, tekane terjemahan basa isyarat ing telpon pasar massal minangka langkah sing penting. Iki nuduhake manawa celah suwene antarane kemampuan AI kanggo ngerti basa lisan lan kemampuane ngerti basa tandha bisa uga wiwit nutup, siji piranti sekaligus.
Terusake karo rilis model paling anyar lan pangembangan AI ing liputan warta AI Buzz Wire.
