Google DeepMind ने SL2T चे अनावरण केले आहे, एक AI मॉडेल, सांकेतिक भाषेचे मजकुरात भाषांतर करण्यासाठी, कंपनीच्या नवीन Pixel 11 स्मार्टफोन लाइनअपवर प्रथम रोल आउट केले आहे. "वापरकर्त्यांच्या हातात सांकेतिक भाषा AI टाकणे" या बॅनरखाली सादर केलेले मॉडेल, मुख्य प्रवाहातील उपभोक्त्याच्या यंत्रास रीअल-टाइम सांकेतिक भाषेची समज आणण्यासाठी अद्याप सर्वात उच्च-प्रोफाइल प्रयत्नांपैकी एक आहे.
Google च्या Pixel 11 लाँच इव्हेंटसह ही घोषणा आली, जिथे कंपनीने नवीन मिथुन-संचालित वैशिष्ट्यांचा संच प्रदर्शित केला. त्यापैकी, सांकेतिक भाषेतील भाषांतर हे एक स्पष्ट प्रवेशयोग्यता मैलाचा दगड म्हणून उभे राहिले, ज्याने फोनचा समोरचा कॅमेरा बहिरे वापरकर्ते आणि सांकेतिक भाषा न जाणणाऱ्या लोकांमधील सेतूमध्ये बदलला.
डिव्हाइसवर मजकूरासाठी सांकेतिक भाषा
DeepMind आणि Engadget आणि Android Authority च्या रिपोर्टिंगनुसार, SL2T थेट Pixel 11 डिव्हाइसेसवर सांकेतिक भाषेचा मजकूरात लिप्यंतरण करू शकतो. Google च्या फ्लॅगशिप फोल्डिंग फोन, पिक्सेल 11 प्रो फोल्डवर हे वैशिष्ट्य डेब्यू करत आहे, ज्याला कंपनीने नवीन क्षमतेसाठी शोकेस म्हणून स्थान दिले आहे.
डिजिटल ट्रेंड्सने प्रकाशनाचे वर्णन "बधिर वापरकर्त्यांसाठी सांकेतिक भाषा न जाणणाऱ्या लोकांशी संवाद साधण्याचा एक नवीन मार्ग" असे केले आहे, SL2T हे पूर्णपणे प्रायोगिक डेमोऐवजी दररोजच्या संभाषणासाठी एक व्यावहारिक साधन म्हणून तयार केले आहे. कल्पना सरळ पण शक्तिशाली आहे: एक कर्णबधिर वापरकर्ता त्यांच्या फोनवर स्वाक्षरी करतो, मॉडेल जेश्चरचा अर्थ लावतो आणि परिणामी मजकूर ऐकणाऱ्या संभाषण भागीदाराला वाचण्यासाठी प्रदर्शित केला जातो.
क्लाउडवर व्हिडिओ पाठवण्याऐवजी डिव्हाइसवर मॉडेल चालवणे, गोपनीयता आणि विश्वासार्हता दोन्हीसाठी अर्थपूर्ण परिणाम करते. सांकेतिक भाषेतील संभाषणे जिव्हाळ्याची असतात आणि त्यात बऱ्याचदा संवेदनशील माहिती असते आणि क्लाउड राउंड ट्रिप टाळल्याने तो डेटा फोनवरच राहतो. हे फीचरला कनेक्टिव्हिटी खराब असलेल्या परिस्थितीत कार्य करण्यास देखील अनुमती देते.
सांकेतिक भाषा ही कठीण AI समस्या का आहे
फक्त हाताचे आकार ओळखण्यापेक्षा सांकेतिक भाषा अधिक क्लिष्ट आहे. संपूर्ण सांकेतिक भाषा, जसे की अमेरिकन सांकेतिक भाषा (एएसएल), अर्थ व्यक्त करण्यासाठी हाताचे जेश्चर, चेहर्यावरील भाव, शरीराची मुद्रा आणि अंतराळातील हालचाल वापरतात आणि त्यांचे स्वतःचे व्याकरण असते जे बोलल्या जाणाऱ्या भाषांपेक्षा वेगळे असते. फक्त हातांचा मागोवा घेणारे मॉडेल, स्वाक्षरी करणारा काय म्हणत आहे ते बरेचसे चुकते.
म्हणूनच सांकेतिक भाषेतील भाषांतर उच्चार ओळखण्यात मागे पडले आहे. रीअल टाईममध्ये, फोनवर, कडक पॉवर आणि मेमरी बजेटमध्ये, स्वाक्षरी केलेल्या संप्रेषणाच्या संपूर्ण समृद्धतेचा अर्थ लावू शकेल अशी प्रणाली तयार करणे, हे एक वास्तविक अभियांत्रिकी आव्हान आहे. DeepMind ने अद्याप SL2T च्या आर्किटेक्चर किंवा बेंचमार्क कार्यप्रदर्शनावर संपूर्ण तांत्रिक तपशील प्रकाशित केलेले नाहीत आणि कंपनीने आपल्या घोषणेमध्ये कच्च्या मेट्रिक्सवर वापरकर्त्याच्या अनुभवावर भर दिला आहे.
मर्यादित सार्वजनिक तपशील लक्षात घेण्यासारखे आहे. अचूकता दर, समर्थित सांकेतिक भाषा आणि विलंबता यांचे स्वतंत्र सत्यापन हे निर्धारित करेल की SL2T एक विश्वासार्ह दैनंदिन साधन आहे की प्रारंभिक टप्प्यातील वैशिष्ट्य ज्याला अद्याप परिपक्वता आवश्यक आहे. आत्तासाठी, डीपमाइंडच्या स्वतःच्या घोषणा आणि एकाधिक तंत्रज्ञान प्रकाशनांमधील पुष्टी मॉडेल अस्तित्वात आहे आणि ग्राहक हार्डवेअरवर पाठवत आहे.
AI रणांगण म्हणून प्रवेशयोग्यता
एआय लॅब आणि उपकरण निर्मात्यांमध्ये प्रवेशयोग्यता वैशिष्ट्ये वाढत्या स्पर्धेचे दृश्यमान क्षेत्र बनल्यामुळे SL2T आले. रीअल-टाइम मथळे, अंध वापरकर्त्यांसाठी प्रतिमा वर्णने आणि आता सांकेतिक भाषेतील भाषांतर कोनाडा ॲड-ऑन म्हणून नव्हे तर ऑन-डिव्हाइस AI चे व्यावहारिक मूल्य प्रदर्शित करणारी हेडलाइन क्षमता म्हणून स्थानबद्ध केले जात आहे.
Google साठी, SL2T ला Pixel 11 लाँच करणे हे दोन उद्देश पूर्ण करते. हे नवीन हार्डवेअरला स्पर्धकांच्या फोनमध्ये नसलेले एक विशिष्ट वैशिष्ट्य देते आणि ते जेमिनी, Google चे AI सहाय्यक, मूलभूत स्तरावर ऑपरेटिंग सिस्टममध्ये विणले जात असल्याचा संदेश अधिक मजबूत करते. Pixel 11 Pro Fold, त्याच्या मोठ्या आतील स्क्रीनसह, एका टेबलवर संभाषण भागीदाराला दर्शविल्या जाणाऱ्या वैशिष्ट्याचे नैसर्गिक पहिले घर आहे.
सांकेतिक भाषा AI साठी पुढचा रस्ता
कर्णबधिर आणि ऐकू येत नसलेल्या समुदायासाठी सर्वात मोठा प्रश्न हा आहे की SL2T एकल उपकरण आणि संकेत भाषांच्या मर्यादित संचाच्या पलीकडे विस्तारते का. अमेरिकन सांकेतिक भाषा बहुधा प्रक्षेपण केंद्रस्थानी आहे, परंतु जगभरात शेकडो सांकेतिक भाषा आहेत, प्रत्येकाची स्वतःची रचना आणि प्रादेशिक भिन्नता आहे. युनायटेड स्टेट्समधील ASL स्वाक्षरी करणाऱ्यांसाठी सुंदरपणे काम करणारे मॉडेल ब्रिटिश सांकेतिक भाषा, ऑस्लान किंवा LSF वापरणाऱ्याला फारसे उपयोगाचे नाही.
डीपमाइंडकडे अल्फाफोल्ड सारख्या सिस्टीम आणि त्याच्या हवामान मॉडेल्सप्रमाणेच अरुंद आणि स्केलिंग सुरू करण्याचा ट्रॅक रेकॉर्ड आहे. SL2T ने त्या पॅटर्नचे अनुसरण केल्यास, Pixel 11 डेब्यू हे तयार उत्पादनाऐवजी एक ओपनिंग मूव्ह आहे. भाषांतरे अचूक आणि नैसर्गिक आहेत की नाही हे ठरवण्यासाठी सर्वोत्तम स्थान असलेल्या मूकबधिर वापरकर्त्यांकडील समुदाय अभिप्राय, पुढे काय घडेल ते आकार देईल.
आत्तासाठी, मास-मार्केट फोनवर सांकेतिक भाषेतील भाषांतराचे आगमन हे एक उल्लेखनीय पाऊल आहे. हे सूचित करते की AI ची बोलली जाणारी भाषा समजून घेण्याची क्षमता आणि स्वाक्षरी केलेली भाषा समजून घेण्याची क्षमता यामधील दीर्घकाळ अंतर एका वेळी एक डिव्हाइस शेवटी बंद होऊ शकते.
AI Buzz Wire's breaking news coverage वर नवीनतम मॉडेल रिलीझ आणि AI घडामोडींची माहिती ठेवा.
