Google เปิดตัว SL2T โมเดล AI ที่ช่วยแปลภาษามือแบบเรียลไทม์

Google Deepmind ประกาศเปิตตัวเทคโนโลยีใหม่ในชื่อ Sign-Language-to-Text หรือ SL2T โมเดล AI ที่ช่วยแปลภาษามือให้เป็นข้อความในแบบเรียลไทม์ ซึ่งจะช่วยเปิดโอกาสให้ผู้บกพร่องทางการได้ยินหรือพูด สามารถสื่อสารและสนทนากับคนทั่วไปได้อย่างราบรื่น

 

โดยพื้นฐานโมเดล AI แปลภาษามือมีกลไกการทำงานซับซ้อนกว่า AI แปลภาษาทั่วไปมาก สาเหตุมาจากไม่ใช่เพียงจับเสียงและริมฝีปาก แต่ต้องอาศัยระบบ Computer Vision ในการจับภาพการเคลื่อนไหวของมือ แขน ลำตัว ศีรษะ และใบหน้าไปพร้อมกัน ทำให้ต้องอาศัยกำลังการประมวลผลมหาศาลกว่ามาก

 

ตัวโมเดลได้รับการฝึกฝนด้วยฐานข้อมูลวีดีโอภาษามือจำนวนกว่า 100,000 ชั่วโมง ครอบคลุมเนื้อหาภาษามือกว่า 50 ภาษา เพื่อเพิ่มความหลากหลายในด้านเนื้อหาทางภาษามือเพื่อทำการแปล ช่วยให้โมเดลเรียนรู้ในการใช้งานภาษามือได้ดีกว่าภาษาเดียว และสะดวกต่อการต่อยอดในอนาคต

 

กลไกการทำงานของ SL2T จะอาศัยการจดจำจุดพิกัดบนร่างกาย จากนั้นจึงค่อยส่งไปประมวลผลบนเซิร์ฟเวอร์กลาง ไม่มีการบันทึกเนื้อหาวีดีโอภาษามือต้นฉบับหรือส่งออกจากเครื่องแม้แต่นิดเดียว วิธีนี้นอกจากจะช่วยประหยัดทรัพยากรอินเทอร์เน็ตที่ใช้ส่ง และโทเคนประมวลผลแล้ว ยังแน่ใจได้ถึงความปลอดภัยและเป็นส่วนตัวระหว่างการใช้งาน

ในช่วงแรกโมเดลจะเริ่มให้บริการแปลภาษามืออเมริกันก่อน เนื่องจากเป็นภาษาแรกที่ได้รับการพัฒนาให้รองรับการแปลอย่างสมบูรณ์ โดยสามารถปปลภาษามือออกมาเป็นภาษาอังกฤษได้แม่นยำกว่าโมเดลที่มีให้ใช้งานตามท้องตลาด พร้อมรองรับการใช้งานสำหรับคนถนัดซ้าย หรือภาษามือด้วยมือเดียวกรณีถือสมาร์ทโฟนอีกด้วย

 

ปัจจุบัน SL2T เปิดให้ใช้งานอย่างเป็นทางการแล้วบน Pixel 11 และจะทยอยเปิดตัวกับสมาร์ทโฟนรุ่นอื่นในลำดับต่อไป