Google DeepMind نشرت SL2T في 12 August — نموذج ترجمة للغة الإشارة خرج من المختبر وأصبح جزءًا من هاتف. وهو يعمل داخل Gboard وLive Transcribe على Pixel 11، ما يتيح لمستخدم أصم أن يوقّع إلى الكاميرا بدلًا من الكتابة.
مشكلة بيانات التدريب
لقد تعثّر الذكاء الاصطناعي للغة الإشارة تاريخيًا بسبب حجم المتن اللغوي. وقد جرى تدريب SL2T على أكثر من 100,000 ساعة من فيديوهات التوقيع عبر 50+ sign languages، يشكّل 25% منها تقريبًا American Sign Language. وتفيد DeepMind بأنها حققت درجة zero-shot تبلغ 70 BLEURT على FLEURS-ASL، وتقول إن ذلك أعلى بكثير من أي نتيجة منشورة سابقًا.
كيف يعمل التصميم الذي يراعي الخصوصية
تجري عملية استخراج الوضعية on the device باستخدام MediaPipe Holistic. ويجري التخلص من الفيديو الخام؛ ولا تُمرَّر إلى الأمام سوى المعالم الهندسية — مواضع المفاصل، شكل اليد، ونقاط الوجه. وبالنسبة إلى نظام موجَّه إلى كاميرا في منزل شخص ما، فإن هذا الخيار المعماري أهم من أي بيان سياسي بشأنه.
ما الذي شُحن فعليًا
الإطلاق هو ASL to English on the Pixel 11. وتصف الشركة مزيدًا من الأجهزة وأزواج اللغات بأنها قادمة، من دون تواريخ. لغات الإشارة ليست لهجات من اللغات المنطوقة — إذ لها قواعدها الخاصة، وASL ليست مفهومة بشكل متبادل مع British Sign Language — لذلك فإن كل زوج أقرب إلى مشكلة منفصلة منه إلى إعداد ترجمة.
أين يتوقف المعيار المرجعي
رقم 70 BLEURT هو رقم منقول عن الشركة من دون تقييم مستقل. كما أن FLEURS-ASL ضيقة أيضًا مقارنة بالتوقيع في الواقع، الذي يحمل تنوعًا إقليميًا وعلامات غير يدوية — معلومات نحوية تنقلها الحواجب والفم ووضع الرأس، وقد يلتقطها خط أنابيب المعالم بشكل غير متساوٍ.
لماذا يكتسب هذا أهمية
لقد أنتج الذكاء الاصطناعي لإتاحة الوصول سلسلة طويلة من العروض المبهرة التي لم تُطرح أبدًا. إن وضع النموذج داخل لوحة مفاتيح افتراضية على هاتف يباع في السوق هو الخطوة الأصعب، وهو ينقل السؤال من: هل يعمل البحث؟ إلى: هل يجده المستخدمون الصم قابلًا للاستخدام بالسرعة التي تقتضيها المحادثة العادية؟