Google DeepMind 近期宣佈開發了 SignGemma，這是一個先進的人工智慧模型，旨在徹底改變手語翻譯成口語文字的方式。這項創新專案代表著在為那些依賴手語作為主要溝通模式的個人，創建更具包容性和可及性的人工智慧技術方面，邁出了重要的一步。SignGemma 預計將在今年稍晚加入 Gemma 模型家族，進一步鞏固 Google 在推動人工智慧的邊界及其解決現實世界挑戰的潛力方面的承諾。
SignGemma 的核心功能：彌合溝通鴻溝
SignGemma 的核心工程設計，是為了促進各種手語到口語文字的無縫翻譯。這種功能對於打破溝通障礙，並促進聽障人士與非手語使用者之間更大的理解，具有巨大的潛力。儘管該模型已接受多種語言的訓練，但在測試和最佳化期間，其主要重點一直是美國手語 (ASL) 和 English。這種有針對性的方法確保 SignGemma 為這些廣泛使用的語言提供準確且可靠的翻譯，使其成為個人和專業環境中都非常有價值的工具。
SignGemma 的影響遠遠超出簡單的翻譯。透過實現更流暢和高效的溝通，該模型有潛力使使用手語的個人能夠更充分地參與日常生活的各個方面。這包括改善教育、就業機會、社交互動和醫療保健服務的取得。將手語輕鬆轉換為口語文字的能力，還可以提高線上內容的可訪問性，使更廣泛的受眾可以更輕鬆地取得資訊和資源。
Gemma 模型家族：創新的基礎
SignGemma 整合到 Gemma 模型家族中，證明了 Google DeepMind 致力於創建一套全面且多功能的人工智慧工具。Gemma 模型旨在賦予開發人員從各種輸入（包括音訊、圖像、視訊和書面文字）生成智慧文字的能力。這種多功能性為創建可以即時回應使用者輸入的創新應用程式，開闢了廣泛的可能性。
Gemma 家族功能的一個顯著例子是 Gemma 3n 模型，它能夠開發對使用者所見所聞做出反應的即時互動應用程式。這項技術有潛力改變各個產業，從教育和娛樂到醫療保健和客戶服務。想像一下，在一個教室裡，學生可以即時與教育內容互動，根據自己的個別需求獲得個人化的回饋和指導。或者考慮一個客戶服務平台，它可以更準確、更有效率地理解和回應客戶的詢問，從而提高滿意度和忠誠度。
Gemma 模型也正在為創建用於語音識別、翻譯和聲控體驗的複雜音訊工具鋪路。這些工具可以增強殘疾人士取得技術的途徑，使他們能夠使用自己的聲音與設備和應用程式互動。此外，他們可以簡化工作流程並提高各種專業環境中的生產力，例如轉錄服務、語言學習平台和聲控助手。
DolphinGemma：利用人工智慧理解海豚語言
在另一個突破性的人工智慧專業知識應用中，Google 與 Georgia Tech 和 Wild Dolphin Project 合作，推出了 DolphinGemma，這是一個旨在分析和生成海豚發聲的人工智慧模型。這個雄心勃勃的專案旨在解讀海豚複雜的溝通系統，闡明牠們的社會行為和認知能力。
DolphinGemma 使用從 Wild Dolphin Project 對巴哈馬大西洋斑點海豚的長期研究中收集的數十年水下視訊和音訊數據進行訓練。這個廣泛的數據集為該模型提供了關於海豚發聲的豐富資訊來源，包括牠們的頻率、持續時間和模式。透過分析這些數據，DolphinGemma 可以識別不同的發聲類型，並將牠們與特定的行為聯繫起來，例如進食、社交或警告危險。
DolphinGemma 的潛在應用遠遠超出科學研究的範疇。理解海豚的溝通方式可能會帶來保護這些聰明生物及其海洋環境的新策略。例如，研究人員可以使用 DolphinGemma 來監測海豚的數量、追蹤牠們的移動，並評估人類活動對牠們行為的影響。然後，這些資訊可用於為保護工作提供資訊，並促進負責任的海洋管理。
MedGemma：利用人工智慧徹底改變醫療保健
Google DeepMind 致力於推動人工智慧的邊界，並透過 MedGemma 延伸到醫療保健領域，MedGemma 是一系列專門的模型，旨在推進醫療人工智慧應用。MedGemma 支援廣泛的任務，包括臨床推理和醫學影像分析，加速了醫療保健和人工智慧交叉領域的創新。
MedGemma 有潛力改變醫療保健的提供方式，實現更快、更準確的診斷、個人化的治療計劃和改善的患者預後。例如，該模型可用於分析醫學影像，例如 X 光、CT 掃描和 MRI，以檢測異常並識別潛在的健康風險。這可以幫助醫生在疾病更容易治療的早期階段發現疾病。
此外，MedGemma 可以協助臨床醫生進行臨床推理，幫助他們做出有關患者護理的知情決定。該模型可以分析患者數據，例如病史、症狀和實驗室結果，以識別潛在的診斷並推薦適當的治療方法。這有助於減少醫療錯誤並提高護理品質。
Signs：用於 ASL 學習和可訪問人工智慧的互動平台
NVIDIA、American Society for Deaf Children 和創意機構 Hello Monday 意識到促進可訪問性和包容性的重要性，推出了 Signs，這是一個互動式網路平台，旨在支持 ASL 學習和可訪問人工智慧應用程式的開發。此平台為有興趣學習 ASL 的個人以及尋求創建可供殘疾人士使用的人工智慧解決方案的開發人員，提供了寶貴的資源。
Signs 提供各種互動工具和資源，包括 ASL 課程、測驗和遊戲。該平台還提供對 ASL 學習者和專家社群的訪問，使使用者可以相互聯繫、分享他們的經驗並獲得支持。
除了其教育資源外，Signs 還可以用作開發可訪問人工智慧應用程式的平台。該平台為開發人員提供了創建與 ASL 和其他輔助技術相容的人工智慧解決方案所需的工具和資源。這有助於確保每個人都可以訪問人工智慧，無論其能力如何。
對可訪問性和包容性的更廣泛影響
Google DeepMind、NVIDIA 和其他組織的集體努力有望顯著提高以手語作為主要溝通模式的個人的可訪問性。透過促進手語到口語或書面文字的更流暢和更快速的翻譯，這些進步可以使個人能夠更充分地參與日常生活的各個方面，包括工作、教育和社交互動。
人工智慧手語翻譯工具的開發還可以促進使用手語的個人與不使用手語的人員之間更大的理解和包容性。透過打破溝通障礙，這些工具可以培養更有意義的聯繫，並為所有人創造一個更公平的社會。
此外，這些進步有助於保護和推廣手語作為一種文化和語言遺產。透過使手語更易於訪問和可見，這些工具可以幫助提高人們對其重要性的認識，並鼓勵其繼續使用和發展。
人工智慧手語翻譯的未來對於改變聽障人士的生活具有巨大的潛力。隨著這些技術的不斷發展和改進，它們有可能創造一個所有人的溝通都是無縫和包容的世界。這些工具使人們能夠更好地參與日常生活的各個方面，包括工作、教育和社交互動。這些工具的創建將透過更好的溝通，幫助改善無數人的生活。這些人工智慧模型使用數百萬個數據點進行訓練，並不斷學習以更好地透過手語和語氣進行溝通。