Google เปิดตัว Pixel 11 ล้ำหน้าด้วย AI แปลภาษามือเป็นข้อความ

Google ประกาศเปิดตัวสมาร์ตโฟนตระกูล Pixel 11 อย่างเป็นทางการ ซึ่งมาพร้อมกับ "Sign-Language-to-Text (SL2T)" โมเดลปัญญาประดิษฐ์แปลภาษามือเป็นข้อความตัวล่าสุดจาก DeepMind ที่ได้รับการติดตั้งลงในตัวเครื่องโดยตรงเป็นครั้งแรก ก้าวสำคัญของเทคโนโลยีการพิมพ์ด้วยเสียง (Voice-to-Text) บนสมาร์ตโฟนอาจเป็นเรื่องปกติในชีวิตประจำวัน สำหรับกลุ่มผู้บกพร่องทางการได้ยิน การพิมพ์และสื่อสารผ่านโทรศัพท์มือถือด้วยภาษามือ  

นวัตกรรมนี้ได้รับการติดตั้งและผสานการทำงานเข้ากับแอปพลิเคชันคีย์บอร์ด Gboard และแอปถอดความเสียงสด Live Transcribe ของ Google ซึ่งจะช่วยให้ผู้บกพร่องทางการได้ยินและผู้ที่พูดไม่ได้ สามารถใช้ภาษามือสื่อสารผ่านกล้องหน้าของโทรศัพท์แทนการพิมพ์ข้อความแบบเดิม ๆ ได้ทันที ไม่ว่าจะเป็นการค้นหาข้อมูลบนอินเทอร์เน็ต การส่งข้อความแชต ตลอดจนการโต้ตอบกับแชตบอตอัจฉริยะอย่าง Gemini ช่วยให้การเชื่อมต่อและพูดคุยระหว่างกลุ่มผู้บกพร่องทางการได้ยินกับผู้คนในสังคมทั่วไปเป็นไปได้อย่างสะดวกรวดเร็วและเป็นธรรมชาติมากยิ่งขึ้น

ทางด้านความปลอดภัยและความเป็นส่วนตัวของข้อมูล Google ได้ออกแบบระบบนี้มาอย่างรัดกุม โดยตัวเครื่อง Pixel 11 จะมีโมเดลประมวลผลภายในเครื่อง (On-device model) ทำหน้าที่แปลงภาพเคลื่อนไหวจากกล้องให้กลายเป็นพิกัดโครงร่างเรขาคณิต (Wireframe) แล้วจึงส่งเฉพาะชุดพิกัดเหล่านี้ไปประมวลผลบนเซิร์ฟเวอร์ของ Google เพื่อความปลอดภัยสูงสุดของข้อมูลส่วนบุคคล 

นอกจากนี้ โมเดล SL2T ของ DeepMind ยังมีความสามารถในการแปลงพิกัดโครงร่างเหล่านี้ไปเป็นข้อความโดยตรงโดยไม่จำเป็นต้องแปลงเป็นคำสัญลักษณ์ภาษามือ (Glosses) เหมือนระบบในอดีต ซึ่งช่วยรักษาความหมายที่ละเอียดอ่อน บริบท และมิติของการแสดงออกที่ระบบแบบเก่ามักจะละเลยไปได้อย่างครบถ้วน

โมเดล SL2T ได้รับการฝึกฝนด้วยชุดข้อมูลภาษามือจากหลากหลายภาษามากกว่า 100,000 ชั่วโมง โดยราว 1 ใน 4 ของข้อมูลทั้งหมดคือภาษามืออเมริกัน (ASL) ส่งผลให้ในช่วงเริ่มต้นระบบจะรองรับเฉพาะการถอดความจากภาษามืออเมริกัน (ASL) ไปเป็นภาษาอังกฤษก่อนเท่านั้น

อย่างไรก็ตาม Google และ DeepMind มีแผนที่จะขยายขีดความสามารถเพื่อรองรับภาษาอื่น ๆ เพิ่มเติม และมีเป้าหมายที่จะขยายเทคโนโลยีนี้ไปยังอุปกรณ์อื่น ๆ ในอนาคต เพื่อเปิดโอกาสในการเข้าถึงการสื่อสารให้แก่ผู้บกพร่องทางการได้ยินทั่วโลกที่มีจำนวนมากกว่า 70 ล้านคน และใช้ภาษามือแตกต่างกันกว่า 200 รูปแบบ