নতুন কি
বিশ্বের ২০০টিরও বেশী সাংকেতিক ভাষা রয়েছে, আর প্রায় ৭০ লক্ষ বধির আর কঠিন মানুষ যারা যোগাযোগের মূল মাধ্যম হিসাবে কাজ করেন। সাম্প্রতিক সময় পর্যন্ত কৃত্রিম বুদ্ধিমত্তা প্রতিদিনের এই ভাষাগুলোকে অনুবাদ করার জন্য খুব কমই ব্যবহৃত হতো। গুগল ডিম্পার্ড এই বিষয়টি ঠিক করার সিদ্ধান্ত নিয়েছে: নতুন SL2T (প্রজেক্ট-ভাষায় টেক্সট) আদর্শ শব্দ অনুবাদ করে অনুবাদ করা হয়েছে এবং এরই মধ্যে পরিচিত এ্যাপস এর সাথে যুক্ত হচ্ছে।
কি-বোর্ড-তে টাইপ না করে ব্যবহারকারীরা কোন “সৎকর্ম” করতে পারবেন। বৈশিষ্ট্য বের হচ্ছে জিবোর্ড এবং লাইভ টরেন্টিং অ্যাপের শিরোনাম Hark ১১ফোনে রাখা-এর — প্রথম সারির নাম হবে আমেরিকান সাংকেতিক ভাষা (এসএল) এবং ইংরেজী। আরও ভাষা ও ডিভাইস পরে দেয়া হবে ।
অভ্যাসে এর অর্থ কী? এই যে ওয়েবের মাধ্যমে আপনি ওয়েব পেজ অনুসন্ধান করতে পারেন, বার্তা বা নথি তৈরি করে, এমনকি এই ঠিকানায় কথা বলতে পারেন। Gemini সহকারী। লাইভ টেকনোলোজিতে আপনি একটি কথোপকথনের মধ্যকার গুনের মাধ্যমে সাড়া দিতে পারবেন, কোন লেখা ছাড়াই। টেস্টারস অনুসারে, এই ধরনের যোগাযোগ ইংরেজী ভাষায় টাইপ করার চেয়ে দ্রুত এবং স্বাভাবিক। বধির সম্প্রদায়ের জন্য এটা কেবল সুবিধার চেয়ে বেশী কিছু: সাংকেতিক ভাষা হচ্ছে সাংস্কৃতিক পরিচয়ের ভিত্তি এবং ডিজিটাল জগতে এটি ব্যবহার করতে পারার অর্থ হচ্ছে দারুণ এক বিষয়।
কেন এটা কঠিন
সাংকেতিক ভাষাতে ইংরেজি ভাষা নেই। এ কারণে সাইন-ট-ট-টোয়া অনুবাদ এক শব্দ দ্বারা প্রতিটি শব্দ একত্রিত করা যাবে না। এর মানে একই সাথে হাত, শরীর এবং হেড মুভমেন্ট ফেস্টিভালের মাধ্যমে প্রকাশ করা হয়, আর মডেলটিকে অবশ্যই সঠিক সময়ে এই সব তথ্য বের করতে হবে।
প্রাথমিক প্রচেষ্টা যেমন ভাষার গ্লাভস, মৌলিকভাবে সীমিত ছিল কারণ তারা সাধারণ শব্দের কোড হিসেবে চিহ্ন ব্যবহার করত। প্রকৃত মেশিন অনুবাদের জন্য ভাষার গঠনকে বোঝা দরকার, যার মধ্যে রয়েছে বানানহীন নির্মাণ ও নন। আধুনিক মডেলগুলো বড় আকারের ডাটাসেট থেকে শিখতে পারে: বিভিন্ন ভাষার এবং আঞ্চলিক ভাষার সাথে যোগ দেওয়া প্রতিটি ভাষার জন্য আলাদা মডেলের চেয়ে সাধারণ বিন্যাস ও ফলাফলের চেয়ে আরও ভাল ফলাফল খুঁজে পেতে সাহায্য করে ।
অনুবাদ যেভাবে কাজ করে
ভিডিও স্ট্রিমের ক্রমবিন্যাস না করে, মডেল একটি সংক্ষিপ্ত রূপ ব্যবহার করে: একটি কী- এর স্থানাংকের স্থানাংকের স্থানাংক বের করা হয় এবং টেক্সটের স্থানাংক নির্দিষ্ট করা হয়। এই সমস্যার সমাধান এক সময় দুটো সমস্যাকে সমাধান করে — এটা প্রচুর পরিমাণে বোঝাকে কমিয়ে দেয় এবং গোপনীয়তা রক্ষা করে । মূল ভিডিওটি অবিলম্বে মুছে ফেলা হয়েছে, এবং শুধুমাত্র জ্যামিতিক কোঅর্ডিনেটর অনুবাদকের জন্য সার্ভারে পাঠানো হয়েছে। নির্মিত মিডিয়াপ্ল্যাটস্টিক মডেল দ্বারা পয়েন্ট অনুসরণ করা হয়।
অনুবাদ সরাসরি হয়, কোন ইন্টারমিডিয়াটে পাদটীকা ছাড়া। এই পদ্ধতি সম্ভব হয় কোন ধরনের বিষয়কে তুলে ধরা, যেমন অমার্জনীয় চিহ্ন এবং বিশেষ ধরনের নির্মাণ ব্যবস্থা, এবং কৃত্রিম শব্দভাণ্ডারের সীমাবদ্ধতা এড়িয়ে যাওয়া। তথ্যের গুণমানের মাত্রা, প্রতীকের সমষ্টি, যা নিশ্চিত করে নিশ্চিত করা হয়েছে: Furs-ss-sAL (s-T) পরীক্ষার মধ্যে, মডেলটি ৭০ মাইলেরও বেশি সময়ের আগে সকল সিস্টেমের তুলনায় শূন্য অবস্থান অর্জন করে।
( হিতো. ডেভেলপার যারা ল্যাটেন্সির হ্রাস পেয়েছে, তারা অবিশ্রান্ত ইনপুটের উপর ভিত্তি করে মডেলটিকে কল্পনা না করতে শেখায়, বাম হাতে থাকা ব্যবহারকারীদের (প্রায় ১০%), আর একটা ফোনের সাহায্যে স্বাক্ষর করার পর এর উন্নত স্বীকৃতি পেয়েছে।
গোপনীয়তা ও ভবিষ্যৎ
ভাষার জন্য এই প্রথমবারের মত AI ভাষা বের হয়েছে ল্যাব আর গণ বাজারে. SLS2T প্রযুক্তি ইতোমধ্যে কিছু যন্ত্রে পাওয়া যাচ্ছে, এবং আরো অনেক ভাষা ও প্লাটফর্ম রাস্তায় নেমে এসেছে। বধির এবং হার্ড ক্লাস কমিউনিটির জন্য, এটি সম্পূর্ণ ডিজিটাল অন্তর্ভুক্ত করার পথ খুলে দিয়েছে: এখন আপনি আপনার স্থানীয় ভাষায় একটি সাধারণ ফোন ব্যবহার করে মুক্তভাবে যোগাযোগ করতে পারেন।
এই ধরনের সিস্টেমের ভবিষ্যৎ অনেক প্রাকৃতিক এবং কথা বলা ভাষার মধ্যে দ্রুত যোগাযোগ বজায় থাকে। পরবর্তী প্রজন্মের মডেলরা কেবল আলাদা আলাদা বাক্য অনুবাদ করতে পারবে না, একই সাথে পূর্ণ আলোচনা বজায় রাখতে পারবে, আবেগ এবং স্টাইলের ধারণা বজায় রাখতে পারবে। আর এটা শুধু প্রযুক্তিই পরিবর্তন করবে না, বরং প্রতিদিন লক্ষ লক্ষ লোকের জীবনও বদলে যাবে।
