Google DeepMind, işaret dilini metne çevirmek için tasarlanmış bir yapay zeka modeli olan SL2T'yi tanıttı ve şirketin yeni Pixel 11 akıllı telefon serisinde ilk kez kullanıma sunuldu. "İşaret dili yapay zekasını kullanıcıların eline sunmak" başlığı altında tanıtılan model, gerçek zamanlı işaret dili anlayışını ana akım tüketici cihazlarına getirmeye yönelik şimdiye kadarki en yüksek profilli girişimlerden birini işaret ediyor.
Duyuru, şirketin Gemini destekli yeni özellikler paketini sergilediği Google'ın Pixel 11 lansman etkinliğiyle birlikte geldi. Bunların arasında işaret dili çevirisi, bir telefonun ön kamerasını sağır kullanıcılar ile işaret dilini bilmeyenler arasında bir köprüye dönüştüren net bir erişilebilirlik kilometre taşı olarak öne çıktı.
Cihazdaki metne işaret dili
DeepMind'a ve Engadget ile Android Authority'nin raporlarına göre SL2T, işaret dilini doğrudan Pixel 11 cihazlarında metne dönüştürebiliyor. Bu özellik, şirketin yeni yeteneğin vitrini olarak konumlandırdığı, Google'ın amiral gemisi katlanır telefonu Pixel 11 Pro Fold'da ilk kez kullanılıyor.
Digital Trends, sürümü "sağır kullanıcıların işaret dilini bilmeyen insanlarla iletişim kurmasının yeni bir yolu" olarak tanımladı ve SL2T'yi tamamen deneysel bir demodan ziyade günlük konuşmalar için pratik bir araç olarak çerçeveledi. Fikir basit ama güçlü: Sağır bir kullanıcı telefonuyla oturum açıyor, model hareketleri yorumluyor ve ortaya çıkan metin, işiten konuşma ortağının okuması için görüntüleniyor.
Videoyu buluta göndermek yerine modeli cihazda çalıştırmak, hem gizlilik hem de güvenilirlik açısından anlamlı sonuçlar taşır. İşaret dili konuşmaları samimidir ve çoğu zaman hassas bilgiler içerir ve buluta gidiş-dönüş yolculuklardan kaçınmak, bu verilerin telefonda kalmasını sağlar. Ayrıca özelliğin bağlantının zayıf olduğu durumlarda çalışmasına da olanak tanır.
İşaret dili neden zorlu bir yapay zeka sorunudur?
İşaret dili, el şekillerini tanımaktan çok daha karmaşıktır. Amerikan İşaret Dili (ASL) gibi tam işaret dilleri, anlamı iletmek için el hareketlerini, yüz ifadelerini, vücut duruşunu ve uzaydaki hareketleri kullanır ve konuşulan dillerden farklı olan kendi dilbilgisine sahiptirler. Yalnızca elleri takip eden bir model, imzayı atan kişinin söylediklerinin çoğunu kaçıracaktır.
İşaret dili çevirisinin konuşma tanımanın gerisinde kalmasının nedeni budur. İmzalı iletişimin tüm zenginliğini gerçek zamanlı olarak, telefonda, kısıtlı güç ve bellek bütçeleri dahilinde yorumlayabilen bir sistem oluşturmak, gerçek bir mühendislik mücadelesini temsil eder. DeepMind, SL2T'nin mimarisi veya kıyaslama performansıyla ilgili tüm teknik ayrıntıları henüz yayınlamadı ve şirket, duyurusunda ham ölçümler yerine kullanıcıya yönelik deneyimi vurguladı.
Sınırlı kamusal ayrıntı dikkat çekicidir. Doğruluk oranlarının, desteklenen işaret dillerinin ve gecikme süresinin bağımsız olarak doğrulanması, SL2T'nin güvenilir bir günlük araç mı yoksa hâlâ olgunlaşması gereken erken aşama bir özellik mi olduğunu belirleyecek. Şimdilik, DeepMind'ın kendi duyurusu ve birçok teknoloji yayınındaki doğrulama, modelin var olduğunu ve tüketici donanımına gönderildiğini doğruluyor.
Yapay zeka savaş alanı olarak erişilebilirlik
SL2T, erişilebilirlik özelliklerinin yapay zeka laboratuvarları ve cihaz üreticileri arasında giderek daha görünür bir rekabet alanı haline gelmesiyle ortaya çıktı. Gerçek zamanlı altyazılar, görme engelli kullanıcılar için resim açıklamaları ve artık işaret dili çevirisi, niş eklentiler olarak değil, cihaz içi yapay zekanın pratik değerini gösteren başlık yetenekleri olarak konumlandırılıyor.
Google için SL2T'yi Pixel 11 lansmanına bağlamak iki amaca hizmet ediyor. Bu, yeni donanıma rakiplerin telefonlarında bulunmayan ayırt edici bir özellik kazandırıyor ve Google'ın yapay zeka asistanı Gemini'nin işletim sistemine temel düzeyde işlendiği mesajını güçlendiriyor. Pixel 11 Pro Fold, daha büyük iç ekranıyla, masanın karşısındaki sohbet ortağına gösterilmesi amaçlanan bir özelliğin doğal ilk yuvasıdır.
İşaret dili yapay zekasının önündeki yol
Sağır ve işitme güçlüğü çeken topluluk için en büyük soru, SL2T'nin tek bir cihazın ve sınırlı sayıda işaret dilinin ötesine geçip geçmeyeceğidir. Amerikan İşaret Dili muhtemelen lansmanın odak noktasıdır, ancak dünya çapında her biri kendi yapısına ve bölgesel farklılıklara sahip yüzlerce işaret dili vardır. Amerika Birleşik Devletleri'ndeki ASL imzalayanlar için güzel bir şekilde çalışan bir model, İngiliz İşaret Dili, Auslan veya LSF kullanıcısının pek işine yaramayabilir.
DeepMind'ın, AlphaFold ve hava durumu modelleri gibi sistemlerde olduğu gibi, daraltmaya başlayıp ölçeği büyütme konusunda bir geçmişi var. SL2T bu modeli takip ederse Pixel 11'in çıkışı bitmiş bir üründen ziyade bir açılış hamlesi olacaktır. Çevirilerin doğru ve doğal olup olmadığına karar verme konusunda en iyi konumda olan sağır kullanıcılardan gelen topluluk geri bildirimleri bundan sonra yapılacakları şekillendirecek.
Şimdilik, işaret dili çevirisinin kitlesel pazar telefonuna ulaşması dikkate değer bir adımdır. Bu, yapay zekanın konuşulan dili anlama yeteneği ile işaret dilini anlama yeteneği arasında uzun süredir devam eden uçurumun, her seferinde bir cihaz olmak üzere, sonunda kapanmaya başlayabileceğini öne sürüyor.
En son model sürümlerini ve yapay zeka gelişmelerini AI Buzz Wire'ın son dakika haberlerinden takip edin.
