Google DeepMind ਨੇ SL2T ਦਾ ਪਰਦਾਫਾਸ਼ ਕੀਤਾ ਹੈ, ਇੱਕ AI ਮਾਡਲ ਜੋ ਸੰਕੇਤਕ ਭਾਸ਼ਾ ਨੂੰ ਟੈਕਸਟ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਕੰਪਨੀ ਦੇ ਨਵੇਂ Pixel 11 ਸਮਾਰਟਫੋਨ ਲਾਈਨਅੱਪ 'ਤੇ ਪਹਿਲਾਂ ਰੋਲ ਆਊਟ ਕੀਤਾ ਗਿਆ ਹੈ। ਬੈਨਰ ਹੇਠ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਮਾਡਲ, "ਉਪਭੋਗਤਾਵਾਂ ਦੇ ਹੱਥਾਂ ਵਿੱਚ ਸੈਨਤ ਭਾਸ਼ਾ AI ਪਾਉਣਾ," ਇੱਕ ਮੁੱਖ ਧਾਰਾ ਉਪਭੋਗਤਾ ਉਪਕਰਣ ਲਈ ਅਸਲ-ਸਮੇਂ ਦੀ ਸੈਨਤ ਭਾਸ਼ਾ ਦੀ ਸਮਝ ਲਿਆਉਣ ਲਈ ਅਜੇ ਤੱਕ ਸਭ ਤੋਂ ਉੱਚ-ਪ੍ਰੋਫਾਈਲ ਕੋਸ਼ਿਸ਼ਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ।
ਇਹ ਘੋਸ਼ਣਾ ਗੂਗਲ ਦੇ ਪਿਕਸਲ 11 ਲਾਂਚ ਈਵੈਂਟ ਦੇ ਨਾਲ ਆਈ, ਜਿੱਥੇ ਕੰਪਨੀ ਨੇ ਨਵੇਂ ਜੈਮਿਨੀ-ਸੰਚਾਲਿਤ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਇੱਕ ਸੂਟ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤਾ। ਉਹਨਾਂ ਵਿੱਚੋਂ, ਸੈਨਤ ਭਾਸ਼ਾ ਦਾ ਅਨੁਵਾਦ ਇੱਕ ਸਪੱਸ਼ਟ ਪਹੁੰਚਯੋਗਤਾ ਮੀਲ ਪੱਥਰ ਦੇ ਰੂਪ ਵਿੱਚ ਖੜ੍ਹਾ ਸੀ, ਇੱਕ ਫੋਨ ਦੇ ਸਾਹਮਣੇ ਵਾਲੇ ਕੈਮਰੇ ਨੂੰ ਬੋਲ਼ੇ ਉਪਭੋਗਤਾਵਾਂ ਅਤੇ ਉਹਨਾਂ ਲੋਕਾਂ ਵਿਚਕਾਰ ਇੱਕ ਪੁਲ ਵਿੱਚ ਬਦਲਦਾ ਹੈ ਜੋ ਸੈਨਤ ਭਾਸ਼ਾ ਨਹੀਂ ਜਾਣਦੇ ਹਨ।
ਡਿਵਾਈਸ 'ਤੇ ਟੈਕਸਟ ਲਈ ਸੈਨਤ ਭਾਸ਼ਾ
DeepMind ਅਤੇ Engadget ਅਤੇ Android ਅਥਾਰਟੀ ਤੋਂ ਰਿਪੋਰਟਿੰਗ ਦੇ ਅਨੁਸਾਰ, SL2T Pixel 11 ਡਿਵਾਈਸਾਂ 'ਤੇ ਸਿੱਧੇ ਟੈਕਸਟ ਵਿੱਚ ਸੰਕੇਤ ਭਾਸ਼ਾ ਨੂੰ ਟ੍ਰਾਂਸਕ੍ਰਾਈਬ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਵਿਸ਼ੇਸ਼ਤਾ ਪਿਕਸਲ 11 ਪ੍ਰੋ ਫੋਲਡ, ਗੂਗਲ ਦੇ ਫਲੈਗਸ਼ਿਪ ਫੋਲਡਿੰਗ ਫੋਨ 'ਤੇ ਡੈਬਿਊ ਕਰ ਰਹੀ ਹੈ, ਜਿਸ ਨੂੰ ਕੰਪਨੀ ਨੇ ਨਵੀਂ ਸਮਰੱਥਾ ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਤੌਰ 'ਤੇ ਰੱਖਿਆ ਹੈ।
ਡਿਜੀਟਲ ਰੁਝਾਨਾਂ ਨੇ ਰਿਲੀਜ਼ ਨੂੰ "ਬੋਲੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਉਹਨਾਂ ਲੋਕਾਂ ਨਾਲ ਸੰਚਾਰ ਕਰਨ ਦਾ ਇੱਕ ਨਵਾਂ ਤਰੀਕਾ ਦੱਸਿਆ ਹੈ ਜੋ ਸੈਨਤ ਭਾਸ਼ਾ ਨਹੀਂ ਜਾਣਦੇ ਹਨ," SL2T ਨੂੰ ਇੱਕ ਸ਼ੁੱਧ ਪ੍ਰਯੋਗਾਤਮਕ ਡੈਮੋ ਦੀ ਬਜਾਏ ਰੋਜ਼ਾਨਾ ਗੱਲਬਾਤ ਲਈ ਇੱਕ ਵਿਹਾਰਕ ਸਾਧਨ ਵਜੋਂ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਵਿਚਾਰ ਸਿੱਧਾ ਪਰ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ: ਇੱਕ ਬੋਲ਼ਾ ਉਪਭੋਗਤਾ ਆਪਣੇ ਫ਼ੋਨ 'ਤੇ ਸੰਕੇਤ ਕਰਦਾ ਹੈ, ਮਾਡਲ ਇਸ਼ਾਰਿਆਂ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ, ਅਤੇ ਨਤੀਜੇ ਵਜੋਂ ਪਾਠ ਸੁਣਨ ਵਾਲੇ ਗੱਲਬਾਤ ਕਰਨ ਵਾਲੇ ਸਾਥੀ ਨੂੰ ਪੜ੍ਹਨ ਲਈ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਕਲਾਉਡ 'ਤੇ ਵੀਡੀਓ ਭੇਜਣ ਦੀ ਬਜਾਏ ਮਾਡਲ ਨੂੰ ਡਿਵਾਈਸ 'ਤੇ ਚਲਾਉਣਾ, ਗੋਪਨੀਯਤਾ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਦੋਵਾਂ ਲਈ ਅਰਥਪੂਰਨ ਪ੍ਰਭਾਵ ਰੱਖਦਾ ਹੈ। ਸੈਨਤ ਭਾਸ਼ਾ ਦੀ ਗੱਲਬਾਤ ਗੂੜ੍ਹੀ ਹੁੰਦੀ ਹੈ ਅਤੇ ਅਕਸਰ ਸੰਵੇਦਨਸ਼ੀਲ ਜਾਣਕਾਰੀ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਕਲਾਊਡ ਰਾਊਂਡ-ਟਰਿੱਪ ਤੋਂ ਪਰਹੇਜ਼ ਕਰਨਾ ਉਸ ਡੇਟਾ ਨੂੰ ਫ਼ੋਨ 'ਤੇ ਰੱਖਦਾ ਹੈ। ਇਹ ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਉਹਨਾਂ ਸਥਿਤੀਆਂ ਵਿੱਚ ਕੰਮ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਜਿੱਥੇ ਕਨੈਕਟੀਵਿਟੀ ਖਰਾਬ ਹੈ।
ਸੰਕੇਤਕ ਭਾਸ਼ਾ ਇੱਕ ਸਖ਼ਤ AI ਸਮੱਸਿਆ ਕਿਉਂ ਹੈ
ਸੈਨਤ ਭਾਸ਼ਾ ਸਿਰਫ਼ ਹੱਥਾਂ ਦੇ ਆਕਾਰਾਂ ਨੂੰ ਪਛਾਣਨ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਗੁੰਝਲਦਾਰ ਹੈ। ਪੂਰੀ ਸੰਕੇਤਕ ਭਾਸ਼ਾਵਾਂ, ਜਿਵੇਂ ਕਿ ਅਮਰੀਕਨ ਸੈਨਤ ਭਾਸ਼ਾ (ASL), ਅਰਥ ਦੱਸਣ ਲਈ ਹੱਥਾਂ ਦੇ ਇਸ਼ਾਰਿਆਂ, ਚਿਹਰੇ ਦੇ ਹਾਵ-ਭਾਵ, ਸਰੀਰ ਦੀ ਸਥਿਤੀ, ਅਤੇ ਸਪੇਸ ਵਿੱਚ ਅੰਦੋਲਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਅਤੇ ਉਹਨਾਂ ਦਾ ਆਪਣਾ ਵਿਆਕਰਣ ਹੁੰਦਾ ਹੈ ਜੋ ਬੋਲੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਭਾਸ਼ਾਵਾਂ ਤੋਂ ਵੱਖਰਾ ਹੁੰਦਾ ਹੈ। ਇੱਕ ਮਾਡਲ ਜੋ ਸਿਰਫ਼ ਹੱਥਾਂ ਨੂੰ ਟ੍ਰੈਕ ਕਰਦਾ ਹੈ, ਇੱਕ ਹਸਤਾਖਰਕਰਤਾ ਕੀ ਕਹਿ ਰਿਹਾ ਹੈ ਉਸ ਤੋਂ ਬਹੁਤ ਕੁਝ ਖੁੰਝ ਜਾਵੇਗਾ।
ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਸੈਨਤ ਭਾਸ਼ਾ ਦਾ ਅਨੁਵਾਦ ਬੋਲੀ ਮਾਨਤਾ ਤੋਂ ਪਛੜ ਗਿਆ ਹੈ। ਇੱਕ ਅਜਿਹੀ ਪ੍ਰਣਾਲੀ ਦਾ ਨਿਰਮਾਣ ਕਰਨਾ ਜੋ ਹਸਤਾਖਰਿਤ ਸੰਚਾਰ ਦੀ ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ, ਇੱਕ ਫੋਨ 'ਤੇ, ਤੰਗ ਪਾਵਰ ਅਤੇ ਮੈਮੋਰੀ ਬਜਟ ਦੇ ਅੰਦਰ, ਇੱਕ ਅਸਲ ਇੰਜੀਨੀਅਰਿੰਗ ਚੁਣੌਤੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। DeepMind ਨੇ ਅਜੇ ਤੱਕ SL2T ਦੇ ਆਰਕੀਟੈਕਚਰ ਜਾਂ ਬੈਂਚਮਾਰਕ ਪ੍ਰਦਰਸ਼ਨ 'ਤੇ ਪੂਰੇ ਤਕਨੀਕੀ ਵੇਰਵੇ ਪ੍ਰਕਾਸ਼ਿਤ ਨਹੀਂ ਕੀਤੇ ਹਨ, ਅਤੇ ਕੰਪਨੀ ਨੇ ਆਪਣੀ ਘੋਸ਼ਣਾ ਵਿੱਚ ਕੱਚੇ ਮੈਟ੍ਰਿਕਸ ਉੱਤੇ ਉਪਭੋਗਤਾ-ਸਾਹਮਣੇ ਵਾਲੇ ਅਨੁਭਵ 'ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ ਹੈ।
ਸੀਮਤ ਜਨਤਕ ਵੇਰਵੇ ਧਿਆਨ ਦੇਣ ਯੋਗ ਹੈ. ਸ਼ੁੱਧਤਾ ਦਰਾਂ, ਸਮਰਥਿਤ ਸੰਕੇਤ ਭਾਸ਼ਾਵਾਂ, ਅਤੇ ਲੇਟੈਂਸੀ ਦੀ ਸੁਤੰਤਰ ਤਸਦੀਕ ਇਹ ਨਿਰਧਾਰਤ ਕਰੇਗੀ ਕਿ ਕੀ SL2T ਇੱਕ ਭਰੋਸੇਯੋਗ ਰੋਜ਼ਾਨਾ ਸਾਧਨ ਹੈ ਜਾਂ ਇੱਕ ਸ਼ੁਰੂਆਤੀ-ਪੜਾਅ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ ਜਿਸਨੂੰ ਅਜੇ ਵੀ ਪਰਿਪੱਕਤਾ ਦੀ ਲੋੜ ਹੈ। ਫਿਲਹਾਲ, DeepMind ਦੀ ਆਪਣੀ ਘੋਸ਼ਣਾ ਅਤੇ ਮਲਟੀਪਲ ਟੈਕਨਾਲੋਜੀ ਪ੍ਰਕਾਸ਼ਨਾਂ ਦੀ ਪੁਸ਼ਟੀ ਇਸ ਗੱਲ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦੀ ਹੈ ਕਿ ਮਾਡਲ ਮੌਜੂਦ ਹੈ ਅਤੇ ਉਪਭੋਗਤਾ ਹਾਰਡਵੇਅਰ 'ਤੇ ਸ਼ਿਪਿੰਗ ਕਰ ਰਿਹਾ ਹੈ।
ਇੱਕ AI ਲੜਾਈ ਦੇ ਮੈਦਾਨ ਵਜੋਂ ਪਹੁੰਚਯੋਗਤਾ
SL2T ਪਹੁੰਚਦਾ ਹੈ ਕਿਉਂਕਿ ਪਹੁੰਚਯੋਗਤਾ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ AI ਲੈਬਾਂ ਅਤੇ ਡਿਵਾਈਸ ਨਿਰਮਾਤਾਵਾਂ ਵਿੱਚ ਮੁਕਾਬਲੇ ਦਾ ਇੱਕ ਵਧਦੀ ਦਿਖਾਈ ਦੇਣ ਵਾਲਾ ਅਖਾੜਾ ਬਣ ਗਈਆਂ ਹਨ। ਅਸਲ-ਸਮੇਂ ਦੀਆਂ ਸੁਰਖੀਆਂ, ਅੰਨ੍ਹੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਚਿੱਤਰ ਵਰਣਨ, ਅਤੇ ਹੁਣ ਸੰਕੇਤਕ ਭਾਸ਼ਾ ਅਨੁਵਾਦ ਨੂੰ ਵਿਸ਼ੇਸ਼ ਐਡ-ਆਨ ਵਜੋਂ ਨਹੀਂ ਸਗੋਂ ਸਿਰਲੇਖ ਸਮਰੱਥਾਵਾਂ ਵਜੋਂ ਰੱਖਿਆ ਜਾ ਰਿਹਾ ਹੈ ਜੋ ਔਨ-ਡਿਵਾਈਸ AI ਦੇ ਵਿਹਾਰਕ ਮੁੱਲ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦੇ ਹਨ।
ਗੂਗਲ ਲਈ, SL2T ਨੂੰ Pixel 11 ਲਾਂਚ ਨਾਲ ਜੋੜਨਾ ਦੋ ਉਦੇਸ਼ਾਂ ਦੀ ਪੂਰਤੀ ਕਰਦਾ ਹੈ। ਇਹ ਨਵੇਂ ਹਾਰਡਵੇਅਰ ਨੂੰ ਇੱਕ ਵਿਲੱਖਣ ਵਿਸ਼ੇਸ਼ਤਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜਿਸਦੀ ਪ੍ਰਤੀਯੋਗੀ ਦੇ ਫ਼ੋਨਾਂ ਵਿੱਚ ਘਾਟ ਹੈ, ਅਤੇ ਇਹ ਇਸ ਸੰਦੇਸ਼ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਦਾ ਹੈ ਕਿ Gemini, Google ਦਾ AI ਸਹਾਇਕ, ਇੱਕ ਬੁਨਿਆਦੀ ਪੱਧਰ 'ਤੇ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਵਿੱਚ ਬੁਣਿਆ ਜਾ ਰਿਹਾ ਹੈ। Pixel 11 Pro Fold, ਇਸਦੀ ਵੱਡੀ ਅੰਦਰੂਨੀ ਸਕ੍ਰੀਨ ਦੇ ਨਾਲ, ਇੱਕ ਵਿਸ਼ੇਸ਼ਤਾ ਲਈ ਇੱਕ ਕੁਦਰਤੀ ਪਹਿਲਾ ਘਰ ਹੈ ਜਿਸਦਾ ਮਤਲਬ ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਇੱਕ ਗੱਲਬਾਤ ਸਾਥੀ ਨੂੰ ਦਿਖਾਇਆ ਜਾਣਾ ਹੈ।
ਸੈਨਤ ਭਾਸ਼ਾ AI ਲਈ ਅੱਗੇ ਦੀ ਸੜਕ
ਬੋਲ਼ੇ ਅਤੇ ਔਖੇ-ਸੁਣਨ ਵਾਲੇ ਭਾਈਚਾਰੇ ਲਈ ਸਭ ਤੋਂ ਵੱਡਾ ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਕੀ SL2T ਇੱਕ ਇੱਕਲੇ ਯੰਤਰ ਅਤੇ ਸੈਨਤ ਭਾਸ਼ਾਵਾਂ ਦੇ ਇੱਕ ਸੀਮਤ ਸਮੂਹ ਤੋਂ ਪਰੇ ਫੈਲਦਾ ਹੈ। ਅਮਰੀਕੀ ਸੈਨਤ ਭਾਸ਼ਾ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਲਾਂਚ ਫੋਕਸ ਹੈ, ਪਰ ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਸੈਂਕੜੇ ਸੈਨਤ ਭਾਸ਼ਾਵਾਂ ਹਨ, ਹਰ ਇੱਕ ਦੀ ਆਪਣੀ ਬਣਤਰ ਅਤੇ ਖੇਤਰੀ ਪਰਿਵਰਤਨ ਹੈ। ਇੱਕ ਮਾਡਲ ਜੋ ਸੰਯੁਕਤ ਰਾਜ ਵਿੱਚ ASL ਹਸਤਾਖਰ ਕਰਨ ਵਾਲਿਆਂ ਲਈ ਸੁੰਦਰਤਾ ਨਾਲ ਕੰਮ ਕਰਦਾ ਹੈ ਬ੍ਰਿਟਿਸ਼ ਸੈਨਤ ਭਾਸ਼ਾ, ਔਸਲਨ, ਜਾਂ LSF ਦੇ ਉਪਭੋਗਤਾ ਲਈ ਬਹੁਤ ਘੱਟ ਉਪਯੋਗੀ ਹੋ ਸਕਦਾ ਹੈ।
ਡੀਪਮਾਈਂਡ ਕੋਲ ਤੰਗ ਸ਼ੁਰੂ ਕਰਨ ਅਤੇ ਸਕੇਲ ਕਰਨ ਦਾ ਇੱਕ ਟ੍ਰੈਕ ਰਿਕਾਰਡ ਹੈ, ਜਿਵੇਂ ਕਿ ਇਸਨੇ ਅਲਫਾਫੋਲਡ ਅਤੇ ਇਸਦੇ ਮੌਸਮ ਮਾਡਲਾਂ ਵਰਗੇ ਸਿਸਟਮਾਂ ਨਾਲ ਕੀਤਾ ਸੀ। ਜੇਕਰ SL2T ਉਸ ਪੈਟਰਨ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ, ਤਾਂ Pixel 11 ਦੀ ਸ਼ੁਰੂਆਤ ਇੱਕ ਮੁਕੰਮਲ ਉਤਪਾਦ ਦੀ ਬਜਾਏ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਚਾਲ ਹੈ। ਬੋਲ਼ੇ ਉਪਭੋਗਤਾਵਾਂ ਤੋਂ ਭਾਈਚਾਰਕ ਫੀਡਬੈਕ, ਜੋ ਇਹ ਨਿਰਣਾ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਸਥਿਤੀ ਵਿੱਚ ਹਨ ਕਿ ਅਨੁਵਾਦ ਸਹੀ ਅਤੇ ਕੁਦਰਤੀ ਹਨ ਜਾਂ ਨਹੀਂ, ਅੱਗੇ ਕੀ ਹੋਵੇਗਾ, ਉਸ ਨੂੰ ਰੂਪ ਦੇਵੇਗਾ।
ਫਿਲਹਾਲ, ਮਾਸ-ਮਾਰਕੀਟ ਫੋਨ 'ਤੇ ਸੈਨਤ ਭਾਸ਼ਾ ਦੇ ਅਨੁਵਾਦ ਦੀ ਆਮਦ ਇਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਹੈ। ਇਹ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਬੋਲੀ ਜਾਣ ਵਾਲੀ ਭਾਸ਼ਾ ਨੂੰ ਸਮਝਣ ਦੀ AI ਦੀ ਯੋਗਤਾ ਅਤੇ ਸਾਈਨਡ ਭਾਸ਼ਾ ਨੂੰ ਸਮਝਣ ਦੀ ਸਮਰੱਥਾ ਵਿਚਕਾਰ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਚੱਲਿਆ ਅੰਤਰ ਅੰਤ ਵਿੱਚ ਬੰਦ ਹੋਣਾ ਸ਼ੁਰੂ ਹੋ ਸਕਦਾ ਹੈ, ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਇੱਕ ਡਿਵਾਈਸ।
AI Buzz Wire's breaking news coverage 'ਤੇ ਨਵੀਨਤਮ ਮਾਡਲ ਰੀਲੀਜ਼ਾਂ ਅਤੇ AI ਵਿਕਾਸ ਨਾਲ ਜੁੜੇ ਰਹੋ।
