Google DeepMind telah melancarkan SL2T, model AI yang direka untuk menterjemah bahasa isyarat ke dalam teks, yang dilancarkan pertama kali pada barisan telefon pintar Pixel 11 baharu syarikat itu. Model itu, yang diperkenalkan di bawah sepanduk "meletakkan AI bahasa isyarat ke tangan pengguna," menandakan salah satu percubaan paling berprofil tinggi untuk membawa pemahaman bahasa isyarat masa nyata kepada peranti pengguna arus perdana.
Pengumuman itu tiba bersama acara pelancaran Pixel 11 Google, di mana syarikat itu mempamerkan suite ciri berkuasa Gemini baharu. Antaranya, terjemahan bahasa isyarat menonjol sebagai pencapaian kebolehaksesan yang jelas, menjadikan kamera menghadap hadapan telefon menjadi jambatan antara pengguna pekak dan orang yang tidak tahu bahasa isyarat.
Bahasa isyarat kepada teks, pada peranti
Menurut DeepMind dan laporan daripada Engadget dan Android Authority, SL2T boleh menyalin bahasa isyarat ke dalam teks terus pada peranti Pixel 11. Ciri ini mula diperkenalkan pada Pixel 11 Pro Fold, telefon lipat utama Google, yang diletakkan syarikat itu sebagai pameran untuk keupayaan baharu itu.
Digital Trends menyifatkan keluaran itu sebagai "cara baharu untuk pengguna pekak berkomunikasi dengan orang yang tidak tahu bahasa isyarat," merangka SL2T sebagai alat praktikal untuk perbualan harian dan bukannya demo percubaan semata-mata. Idea ini mudah tetapi berkesan: pengguna pekak menandatangani telefon mereka, model mentafsir gerak isyarat dan teks yang terhasil dipaparkan untuk dibaca oleh rakan perbualan yang mendengar.
Menjalankan model pada peranti, dan bukannya menghantar video ke awan, membawa implikasi yang bermakna untuk privasi dan kebolehpercayaan. Perbualan bahasa isyarat adalah intim dan selalunya mengandungi maklumat sensitif, dan mengelakkan perjalanan pergi balik awan menyimpan data tersebut pada telefon. Ia juga membolehkan ciri ini berfungsi dalam situasi di mana ketersambungan lemah.
Mengapa bahasa isyarat merupakan masalah AI yang sukar
Bahasa isyarat jauh lebih kompleks daripada hanya mengenali bentuk tangan. Bahasa isyarat penuh, seperti Bahasa Isyarat Amerika (ASL), menggunakan gerak isyarat tangan, mimik muka, postur badan dan pergerakan dalam ruang untuk menyampaikan maksud, dan bahasa tersebut mempunyai tatabahasa sendiri yang berbeza daripada bahasa pertuturan. Model yang hanya menjejaki tangan akan merindui banyak perkara yang dikatakan oleh penandatangan.
Inilah sebabnya mengapa terjemahan bahasa isyarat telah ketinggalan di belakang pengecaman pertuturan. Membina sistem yang boleh mentafsirkan kekayaan penuh komunikasi yang ditandatangani dalam masa nyata, pada telefon, dalam kuasa yang ketat dan bajet memori, mewakili cabaran kejuruteraan yang tulen. DeepMind belum lagi menerbitkan butiran teknikal penuh tentang seni bina atau prestasi penanda aras SL2T, dan syarikat itu telah menekankan pengalaman menghadapi pengguna berbanding metrik mentah dalam pengumumannya.
Butiran awam yang terhad patut diberi perhatian. Pengesahan bebas kadar ketepatan, bahasa isyarat yang disokong dan kependaman akan menentukan sama ada SL2T ialah alat harian yang boleh dipercayai atau ciri peringkat awal yang masih memerlukan kematangan. Buat masa ini, pengesahan di seluruh pengumuman DeepMind sendiri dan penerbitan berbilang teknologi mengesahkan model itu wujud dan dihantar pada perkakasan pengguna.
Kebolehcapaian sebagai medan pertempuran AI
SL2T tiba kerana ciri kebolehaksesan telah menjadi arena persaingan yang semakin ketara dalam kalangan makmal AI dan pembuat peranti. Kapsyen masa nyata, penerangan imej untuk pengguna buta dan kini terjemahan bahasa isyarat diletakkan bukan sebagai alat tambah khusus tetapi sebagai keupayaan tajuk yang menunjukkan nilai praktikal AI pada peranti.
Untuk Google, mengikat SL2T pada pelancaran Pixel 11 mempunyai dua tujuan. Ia memberikan perkakasan baharu ciri tersendiri yang kekurangan telefon pesaing, dan ia mengukuhkan mesej bahawa Gemini, pembantu AI Google, sedang dijalin ke dalam sistem pengendalian pada tahap asas. Pixel 11 Pro Fold, dengan skrin dalamannya yang lebih besar, adalah rumah pertama yang semula jadi untuk ciri yang dimaksudkan untuk ditunjukkan kepada rakan perbualan merentas meja.
Jalan di hadapan untuk AI bahasa isyarat
Persoalan yang lebih besar untuk komuniti pekak dan kurang pendengaran ialah sama ada SL2T berkembang melebihi satu peranti dan set bahasa isyarat yang terhad. Bahasa Isyarat Amerika berkemungkinan menjadi tumpuan pelancaran, tetapi terdapat ratusan bahasa isyarat di seluruh dunia, masing-masing dengan struktur dan variasi wilayahnya sendiri. Model yang berfungsi dengan baik untuk penandatangan ASL di Amerika Syarikat mungkin tidak banyak digunakan oleh pengguna Bahasa Isyarat British, Auslan atau LSF.
DeepMind mempunyai rekod prestasi bermula sempit dan meningkat, seperti yang berlaku dengan sistem seperti AlphaFold dan model cuacanya. Jika SL2T mengikut corak itu, debut Pixel 11 ialah langkah pembukaan dan bukannya produk siap. Maklum balas komuniti daripada pengguna pekak, yang berada pada kedudukan terbaik untuk menilai sama ada terjemahan itu tepat dan semula jadi, akan membentuk perkara seterusnya.
Buat masa ini, kedatangan terjemahan bahasa isyarat pada telefon pasaran massa merupakan satu langkah yang ketara. Ia mencadangkan bahawa jurang yang lama antara keupayaan AI untuk memahami bahasa pertuturan dan keupayaannya untuk memahami bahasa isyarat akhirnya mungkin mula ditutup, satu peranti pada satu masa.
Ikuti perkembangan model terkini dan perkembangan AI di liputan berita terkini AI Buzz Wire.
