ما الجديد
وهناك أكثر من 200 لغة إشارة في العالم، وبالنسبة لنحو 70 مليون شخص صم وذوي سمعة صعبة، فإنها تشكل الوسيلة الرئيسية للاتصال. وحتى وقت قريب، كانت الاستخبارات الاصطناعية بالكاد تستخدم لترجمة هذه اللغات في المنتجات اليومية. Google DeepMind decided to fix this: the new SL2T (sign-language-to-text) model translates sign language into text and is already being integrated into familiar apps.
المستعملون سيكونون قادرين على التملّص من الإيماءات بدلاً من الطباعة على لوحة المفاتيح وتدور هذه السمة في لوحة Gboard و " Live Transcribe captioning app on Pixel 11ellis " الذكية - أول أزواج ستكون لغة الإشارة الأمريكية والانكليزية. ووعد فيما بعد بمزيد من اللغات والأجهزة.
ماذا يعني هذا في الممارسة؟ يمكنك أن تفتش الشبكة مع لفتات، وتكوّن الرسائل أو الوثائق، وحتى التحدث إلى Gemini مساعدة. في (ليف ترانسريب) ستكون قادراً على الرد على لفتات في منتصف محادثة دون أن تتحول إلى حديث According to testers, this kind of communication is faster and more natural than typing in English. وبالنسبة للمجتمع الصم، فإن هذا أكثر من مجرد ملاءمة: فلغة الإشارة هي أساس الهوية الثقافية، والقدرة على استخدامها في العالم الرقمي تعني الكثير.
لماذا هو صعب
لغات الإشارة ليست "إنكليزية على أيدي" - إنها لغات طبيعية مستقلة مع جرامها الخاص ومفرداتها. لهذا السبب لا يمكن تخفيض الترجمة من اللافتة إلى النص إلى مطابقة كل لفتة لكل كلمة واحدة تلو الأخرى وينقل المعنى في آن واحد من خلال اليد والجسد وحركات الرأس بالإضافة إلى تعبيرات الوجه، ويجب أن يتتبع النموذج كل ذلك بدقة عالية في الوقت الحقيقي.
المحاولات المبكرة مثل "قفازات لغوية" كانت محدودة بشكل أساسي لأنها تعامل العلامات كرمز للكلمات العادية وتتطلب الترجمة الآلية الحقيقية فهم هيكل اللغة، بما في ذلك البناءات المكانية والعلامات غير الرسمية. وتتعلم النماذج الحديثة من مجموعات البيانات الكبيرة: استخدمت شركة SL2T أكثر من 000 100 ساعة من الفيديو عبر أكثر من 50 لغة إشارة، مع تخصيص ربع ساعة تقريباً لشبكة أس إل. ويساعد التدريب المشترك بمختلف اللغات واللهجات على إيجاد أنماط مشتركة ويحقق نتائج أفضل من النماذج المنفصلة لكل لغة.
كيفية عمل الترجمة
وبدلاً من تجهيز مجرى الفيديو، يستخدم النموذج تمثيلاً مدمجاً: فهو يتتبع إحداثيات نقاط الجسد الرئيسية ويحول تسلسل الإحداثيات إلى نص. ويحل ذلك مشكلتين في آن واحد - وهو يقلل من الحمولة الحاسوبية ويحمي الخصوصية. ويحذف الفيديو الأصلي على الفور، ولا ترسل سوى إحداثيات جغرافية إلى الخادم للترجمة. وتتبع النقاط يتم عن طريق النموذج المبني في وسائط الإعلام
ويحدث الترجمة مباشرة دون شروح وسيطة (المجد). وهذا النهج يجعل من الممكن نقل جوانب مثل العلامات غير الرسمية والتشييدات المكانية، ويتفادى القيود الاصطناعية. وتؤكّد مقاييس الجودة بحجم البيانات، كما تؤكد النقاط المرجعية: في اختبار " FLEURS-ASL " (Sd-test)، يحقق النموذج رقماً صفرياً قدره 70 BLEURT، وهو ما يسبق إلى حد بعيد جميع النظم السابقة.
والتحسينات العملية مهمة أيضا. The developers minimized streaming latency, taught the model not to hallucinate on non-sign input, accounted for left-handed users (about 10% of them), and improved recognition of one-handed signing when the other hand is holding a smartphone.
الخصوصية والمستقبل
وهذه هي المرة الأولى التي تنتقل فيها منظمة العفو الدولية بلغات الإشارة من المختبر إلى منتجات استهلاكية جماعية. وتتوفر تكنولوجيا SL2T بالفعل على بعض الأجهزة، ومن المتوقع أن تكون هناك لغات ومنابر أخرى على الطريق. بالنسبة للمجتمع الصمّ وذو القلب، هذا يفتح الطريق للإدماج الرقمي الكامل: الآن يمكنك التواصل بحرية في لغتك الأصلية باستخدام هاتف ذكي عادي.
ويكمن مستقبل هذه النظم في تفاعل أكثر طبيعية وأسرع بين لغة الإشارة واللغات المستخدمة. وستتمكن الأجيال المقبلة من النماذج ليس فقط من ترجمة عبارات فردية بل أيضا من مواصلة المحادثات الكاملة، مع الحفاظ على مواهب العاطفة والأسلوب. وهذا لن يغير مجرد التكنولوجيا، ولكن الحياة اليومية لملايين الناس.
