Google DeepMind imezindua SL2T, muundo wa AI iliyoundwa kutafsiri lugha ya ishara hadi maandishi, ikitoa kwanza kwenye safu mpya ya kampuni ya Pixel 11 ya simu mahiri. Muundo huo, ulioanzishwa chini ya bango "kuweka lugha ya ishara AI mikononi mwa watumiaji," unaashiria mojawapo ya majaribio ya hali ya juu zaidi ya kuleta uelewa wa lugha ya ishara katika wakati halisi kwa kifaa kikuu cha watumiaji.
Tangazo hilo lilifika pamoja na tukio la uzinduzi wa Google Pixel 11, ambapo kampuni ilionyesha vipengele vipya vinavyoendeshwa na Gemini. Miongoni mwao, utafsiri wa lugha ya ishara ulionekana kuwa hatua ya wazi ya ufikivu, ikigeuza kamera ya mbele ya simu kuwa daraja kati ya watumiaji viziwi na watu wasiojua lugha ya ishara.
Lugha ya ishara kwa maandishi, kwenye kifaa
Kulingana na DeepMind na kuripoti kutoka Engadget na Android Authority, SL2T inaweza kunakili lugha ya ishara hadi maandishi moja kwa moja kwenye vifaa vya Pixel 11. Kipengele hiki kinaonyeshwa kwa mara ya kwanza kwenye Pixel 11 Pro Fold, simu kuu ya Google ya kukunja, ambayo kampuni iliiweka kama onyesho la uwezo mpya.
Digital Trends ilielezea toleo hilo kama "njia mpya kwa watumiaji viziwi kuwasiliana na watu wasiojua lugha ya ishara," ikitunga SL2T kama zana inayotumika kwa mazungumzo ya kila siku badala ya onyesho la majaribio. Wazo ni la moja kwa moja lakini lina nguvu: mtumiaji kiziwi anasaini kwa simu yake, modeli hutafsiri ishara, na maandishi yanayotokana yanaonyeshwa kwa mshirika wa mazungumzo anayesikia kusoma.
Kuendesha muundo kwenye kifaa, badala ya kusafirisha video kwenye wingu, kunaleta maana kwa faragha na kutegemewa. Mazungumzo ya lugha ya ishara ni ya karibu na mara nyingi huwa na taarifa nyeti, na kuepuka safari ya kwenda na kurudi kwa wingu huweka data hiyo kwenye simu. Pia huruhusu kipengele kufanya kazi katika hali ambapo muunganisho ni duni.
Kwa nini lugha ya ishara ni tatizo gumu la AI
Lugha ya ishara ni ngumu zaidi kuliko kutambua tu maumbo ya mikono. Lugha za ishara kamili, kama vile Lugha ya Ishara ya Marekani (ASL), hutumia ishara za mikono, sura ya uso, mkao wa mwili, na kusogea angani ili kutoa maana, na zina sarufi yao wenyewe ambayo ni tofauti na lugha zinazozungumzwa. Mwanamitindo anayefuatilia mikono pekee atakosa mengi ya anayosema mtu aliyetia sahihi.
Hii ndiyo sababu tafsiri ya lugha ya ishara imesalia nyuma ya utambuzi wa usemi. Kuunda mfumo ambao unaweza kutafsiri utajiri kamili wa mawasiliano yaliyotiwa saini katika muda halisi, kwenye simu, ndani ya bajeti ya nguvu na kumbukumbu, inawakilisha changamoto ya kweli ya uhandisi. DeepMind bado haijachapisha maelezo kamili ya kiufundi kuhusu usanifu au utendakazi wa kiwango cha SL2T, na kampuni imesisitiza uzoefu unaowakabili mtumiaji juu ya metriki ghafi katika tangazo lake.
Maelezo machache ya umma yanafaa kuzingatiwa. Uthibitishaji wa kujitegemea wa viwango vya usahihi, lugha za ishara zinazotumika na muda wa kusubiri utabainisha kama SL2T ni zana inayotegemewa ya kila siku au kipengele cha hatua ya awali ambacho bado kinahitaji ukomavu. Kwa sasa, uthibitisho katika tangazo la DeepMind yenyewe na machapisho mengi ya teknolojia yanathibitisha kuwa muundo huo upo na unasafirishwa kwa maunzi ya watumiaji.
Ufikivu kama uwanja wa vita wa AI
SL2T inafika kwani vipengele vya ufikivu vimekuwa uwanja unaoonekana zaidi wa ushindani kati ya maabara za AI na waundaji wa vifaa. Manukuu ya wakati halisi, maelezo ya picha kwa watumiaji vipofu, na tafsiri za sasa za lugha ya ishara hazijawekwa kama viongezi maalum lakini kama uwezo wa kichwa unaoonyesha thamani halisi ya AI kwenye kifaa.
Kwa Google, kuunganisha SL2T kwenye uzinduzi wa Pixel 11 kunatumika kwa madhumuni mawili. Inatoa vifaa vipya kipengele bainifu ambacho simu za washindani hazina, na inatia nguvu ujumbe kwamba Gemini, msaidizi wa AI wa Google, anasukwa katika mfumo wa uendeshaji katika kiwango cha kimsingi. Pixel 11 Pro Fold, iliyo na skrini kubwa ya ndani, ni nyumba ya kwanza ya asili kwa kipengele kinachokusudiwa kuonyeshwa kwa mshirika wa mazungumzo kwenye jedwali.
Njia ya mbele kwa lugha ya ishara AI
Swali kubwa kwa jumuiya ya viziwi na wasiosikia ni ikiwa SL2T inapanuka zaidi ya kifaa kimoja na seti ndogo ya lugha za ishara. Huenda Lugha ya Ishara ya Marekani ndiyo inayolengwa kuanzishwa, lakini kuna mamia ya lugha za ishara duniani kote, kila moja ikiwa na muundo wake na tofauti za kimaeneo. Muundo unaowafaa watu wanaotia sahihi ASL nchini Marekani huenda usiwe na manufaa kwa mtumiaji wa Lugha ya Ishara ya Uingereza, Auslan, au LSF.
DeepMind ina rekodi ya kuanza kwa ufinyu na kuongeza kasi, kama ilivyokuwa na mifumo kama AlphaFold na miundo yake ya hali ya hewa. Ikiwa SL2T itafuata muundo huo, toleo la kwanza la Pixel 11 ni hatua ya kufungua badala ya bidhaa iliyokamilika. Maoni ya jumuiya kutoka kwa watumiaji viziwi, ambao wako katika nafasi nzuri ya kutathmini ikiwa tafsiri ni sahihi na asilia, yataunda kile kitakachofuata.
Kwa sasa, kuwasili kwa tafsiri ya lugha ya ishara kwenye simu ya soko kubwa ni hatua mashuhuri. Inapendekeza kwamba pengo la muda mrefu kati ya uwezo wa AI kuelewa lugha inayozungumzwa na uwezo wake wa kuelewa lugha ya ishara huenda hatimaye inaanza kuziba, kifaa kimoja kwa wakati mmoja.
Fuatilia matoleo mapya ya miundo na maendeleo ya AI katika Utangazaji wa habari muhimu unaochipuka wa AI Buzz Wire.
