Google เปิดตัว Pixel 11 พร้อม AI แปลภาษามือเป็นข้อความ ช่วยสื่อสารได้โดยไม่ต้องพิมพ์
การสื่อสารผ่านสมาร์ตโฟนอาจกำลังเข้าสู่ยุคใหม่ เมื่อ Google เปิดตัว Pixel 11 พร้อมโมเดล AI จาก DeepMind ที่สามารถเปลี่ยนภาษามือให้กลายเป็นข้อความได้โดยตรง เปิดทางให้ผู้บกพร่องทางการได้ยินและผู้ที่ไม่สามารถพูดได้สื่อสารผ่านโทรศัพท์ได้สะดวกขึ้น
เทคโนโลยีดังกล่าวมีชื่อว่า Sign-Language-to-Text หรือ SL2T และถือเป็นครั้งแรกที่ Google นำโมเดลลักษณะนี้มาติดตั้งและผสานการทำงานเข้ากับตัวสมาร์ตโฟนโดยตรง โดยระบบทำงานร่วมกับ Gboard และ Live Transcribe ซึ่งเป็นเครื่องมือของ Google สำหรับการสื่อสารและถอดความแบบเรียลไทม์
แนวคิดสำคัญคือ
ผู้ใช้สามารถหันกล้องหน้าของ Pixel 11 มาที่การแสดงภาษามือ จากนั้น AI จะวิเคราะห์การเคลื่อนไหวและแปลงออกมาเป็นข้อความ ผู้ใช้จึงสามารถนำข้อความดังกล่าวไปใช้ได้ตั้งแต่การค้นหาข้อมูล การส่งแชต ไปจนถึงการโต้ตอบกับ AI อย่าง Gemini โดยไม่จำเป็นต้องพิมพ์ข้อความด้วยวิธีเดิม
ประมวลผลอย่างไร และข้อมูลส่วนตัวปลอดภัยแค่ไหน?
Google ออกแบบระบบให้มีการประมวลผลบางส่วนเกิดขึ้นภายในตัวเครื่อง หรือที่เรียกว่า On-device model โดย Pixel 11 จะวิเคราะห์ภาพจากกล้องและเปลี่ยนการเคลื่อนไหวของมือให้เป็นข้อมูลโครงร่างแบบ Wireframe ซึ่งเป็นชุดพิกัดที่บอกตำแหน่งและรูปแบบการเคลื่อนไหว
จากนั้นระบบจะส่งเฉพาะข้อมูลพิกัดดังกล่าวไปประมวลผลต่อบนเซิร์ฟเวอร์ของ Google แทนการส่งภาพจากกล้องทั้งหมดขึ้นไป ทำให้แนวทางนี้ถูกออกแบบมาเพื่อช่วยลดการส่งข้อมูลภาพส่วนบุคคลออกจากอุปกรณ์
อีกความแตกต่างสำคัญของ SL2T คือ
โมเดลสามารถเปลี่ยนข้อมูลโครงร่างให้กลายเป็นข้อความได้โดยตรง โดยไม่จำเป็นต้องผ่านขั้นตอนแปลงภาษามือเป็น Glosses หรือคำสัญลักษณ์แทนภาษามือก่อนเหมือนแนวทางของระบบบางประเภทในอดีต แนวทางนี้ช่วยให้โมเดลพยายามรักษาความหมาย บริบท และรายละเอียดของการแสดงออกได้มากขึ้น ซึ่งเป็นองค์ประกอบสำคัญของภาษามือที่ไม่ได้มีเพียงการขยับมือเท่านั้น
เบื้องหลังความสามารถของ SL2T มาจากการฝึกโมเดลด้วยชุดข้อมูลภาษามือจากหลากหลายภาษา รวมกันมากกว่า 100,000 ชั่วโมง โดยประมาณหนึ่งในสี่ของข้อมูลทั้งหมดเป็น ภาษามืออเมริกัน หรือ ASL (American Sign Language)
อย่างไรก็ตาม ในช่วงเริ่มต้นระบบจะรองรับการแปลงจาก ASL เป็นภาษาอังกฤษ ก่อน ขณะที่ภาษาอื่น ๆ ยังต้องรอการพัฒนาต่อไป Google และ DeepMind ระบุถึงแผนที่จะขยายขีดความสามารถของเทคโนโลยีให้รองรับภาษามืออื่นเพิ่มเติม รวมถึงมีเป้าหมายนำระบบไปใช้งานบนอุปกรณ์ประเภทอื่นในอนาคต
การนำ SL2T มาผสานเข้ากับ Pixel 11 แสดงให้เห็นทิศทางการพัฒนา AI ที่ไม่ได้จำกัดอยู่เพียงการสร้างข้อความหรือสั่งงานด้วยเสียง แต่กำลังขยายไปสู่การทำความเข้าใจรูปแบบการสื่อสารที่หลากหลายมากขึ้น แม้ระยะแรกจะยังรองรับเพียง ASL → ภาษาอังกฤษ แต่หาก Google และ DeepMind สามารถขยายการรองรับภาษามือได้มากขึ้น เทคโนโลยีลักษณะนี้ก็มีโอกาสเข้ามามีบทบาทต่อการสื่อสารของผู้ใช้ภาษามือในวงกว้างมากขึ้นในอนาคต
tags : engadget
