Google 近期推出了SignGemma，這是一個創新的AI模型，旨在彌合手語使用者和不了解手語的人之間的溝通障礙。SignGemma 在 Google I/O 2025 大會上宣布，旨在將手語即時翻譯成口語文本，從而促進更無縫的互動。這項舉措強調了 Google 致力於利用人工智慧造福社會，特別是為聾人和聽障社群服務。該模型專為設備端功能而設計，反映了 AI 應用程式在可訪問性和響應能力方面的一個轉變。
SignGemma 的架構：開源方法
SignGemma 是作為 Google 開源 Gemma 系列的一部分構建的，Gemma 系列是一組為效率和可攜性而設計的輕量級模型。這種開源方法至關重要，因為它允許社群協作，使開發人員和研究人員能夠為模型的改進和適應不同環境做出貢獻。Gemma 系列背後的基本理念是使 AI 易於訪問和適應，確保它可以有效地部署在各種設備上，即使是那些計算資源有限的設備。SignGemma 旨在支援多種語言，使其能夠支援各種手語和口語。
美國手語 (ASL) 支援
雖然 SignGemma 旨在支援多種語言，但它目前在將美國手語 (ASL) 翻譯成英語方面表現出最佳性能。這種專業化是一個戰略起點，利用了 ASL 可用的重要資源和資料集。然而，Google 的願景不僅僅限於 ASL，計劃擴展模型的功能，以便未來涵蓋其他手語。這種擴展取決於收集足夠的資料和改進模型的演算法，以準確解釋不同手語的細微差別。
使用者回饋和公開發布
目前處於早期測試階段的 SignGemma 預計將在 2025 年底公開發布。Google 積極徵求潛在使用者的回饋，包括聾人和聽障社群的成員，以改進模型並確保其滿足他們的需求。這種方法強調了以使用者為中心的設計的重要性，確保該技術不僅功能強大，而且對其使用者的文化和語言環境敏感。已經為希望參與測試和回饋過程的人創建了一個興趣表格，這表明了 Google 對包容性和協作的承諾。
SignGemma 的潛力凸顯
Google 已透過各種管道強調了 SignGemma 在顯著推進包容性技術方面的潛力，包括在 X（前身為 Twitter）上分享的模型演示。這展示了模型的功能，並說明了它對溝通可訪問性的潛在影響。該演示讓未來一瞥，即時手語翻譯可能會變得司空見慣，打破溝通障礙並促進個人之間更大的理解。
專家對 SignGemma 的意見
Google DeepMind 的 Gemma 產品經理 Gus Martins 稱讚 SignGemma 是「有史以來功能最強大的手語理解模型」，突顯了其先進的功能和創新潛力。Martins 強調了協作的重要性，鼓勵開發人員以及聾人和聽障社群的成員為模型的開發和擴展做出貢獻。這個行動呼籲凸顯了驅動 SignGemma 的開源精神，邀請不同的觀點和專業知識來塑造其未來。
開發者社群參與
在 Google I/O 大會的開發者主題演講中，Martins 明確鼓勵開發人員以及聾人和聽障社群的成員以 SignGemma 基礎模型為基礎進行構建。這種鼓勵至關重要，培養了對模型開發的自主性和共同責任感。透過讓開發者社群參與，Google 希望釋放 SignGemma 的新應用和功能，擴大其潛在影響和覆蓋範圍。
來自手語 AI 專家的觀點
英國手語 AI 公司 Signapse 的 CEO Sally Chalk 讚揚了 SignGemma 的開發，但強調了聾人社群參與的至關重要性。Chalk 強調需要確保為聾人社群設計的技術是與他們合作開發的，確保它準確地反映他們的語言和文化需求。這種觀點突顯了在開發 AI 技術時必須遵循的倫理考量，特別是那些影響邊緣化社群的技術。
手語 AI 創新的快速步伐
Chalk 指出，手語 AI 的進展正在加速，「幾乎每天都有令人興奮的發展」。這突顯了該領域的動態性，受到機器學習、自然語言處理和電腦視覺進步的推動。創新的快速步伐既帶來了機遇，也帶來了挑戰，需要不斷適應並致力於走在技術進步的最前沿。
深入探討 SignGemma 的技術方面
SignGemma 的技術基礎建立在幾個關鍵組件上。該模型架構可能包含基於 Transformer 的神經網路，該網路已成為許多自然語言處理任務的標準。Transformer 擅長捕獲序列資料中的遠程依賴關係，使其非常適合手語翻譯，因為手語的含義可能會受到前面和後面手語的影響。該模型是在一個龐大的手語影片資料集上進行訓練的，這些影片配有相應的口語文本記錄。該資料集經過精心策劃，以確保多樣性和準確性，反映了聾人社群中存在的廣泛的手語風格和語言變化。
SignGemma 的設備端能力是透過模型壓縮和最佳化技術實現的。這些技術在不犧牲準確性的情況下減少了模型的大小和計算需求。這對於在資源受限的設備（例如智慧型手機和平板電腦）上實現即時翻譯至關重要。SignGemma 的開源性質有助於社群進一步最佳化，從而可能產生更高效的模型版本。
手語 AI 中的倫理考量
用於手語的 AI 模型的開發引發了幾個重要的倫理考量。一個擔憂是訓練資料中的潛在偏差會使現有的社會不平等現象長期存在。例如，如果資料集主要包含一種手語風格或方言的範例，則該模型在其他變體上的表現可能不佳。仔細分析訓練資料並減輕可能存在的任何偏差至關重要。
另一個倫理考量是 AI 翻譯對人工翻譯員角色的影響。雖然 AI 翻譯可以成為促進溝通的寶貴工具，但不應將其視為人工翻譯員的替代品，人工翻譯員提供機器無法複制的文化背景和細微的理解。必須確保 AI 翻譯以負責任和合乎道德的方式使用，補充而不是取代人工翻譯員。
手語 AI 的未來：挑戰與機遇
手語 AI 的未來潛力巨大。隨著像 SignGemma 這樣的模型不斷改進，它們可以徹底改變聾人和聽障社群的溝通可訪問性。開發更複雜的模型，可以處理多種手語、多樣化的手語風格和現實場景，這是一個重點領域。
主要挑戰之一是高品質訓練資料的稀缺性。手語資料集通常比口語資料集更小且多樣性更少。解決這個挑戰需要協同努力來收集和註釋更多手語資料，並讓聾人社群的成員參與其中。
另一個挑戰是需要對手語表示進行更大的標準化。不同的手語有不同的語法結構和手語慣例。開發可以被 AI 模型輕鬆處理的標準化表示可以促進開發更通用和穩健的翻譯系統。
儘管存在這些挑戰，但在研究人員、開發人員和聾人社群成員的奉獻和創造力的推動下，手語 AI 領域正在迅速發展。隨著技術的不斷發展，我們可以期望看到更多創新的 AI 應用，這些應用可以增強使用手語的個人的能力並將他們聯繫起來。
超越翻譯：手語 AI 的其他應用
雖然翻譯是手語 AI 最突出的應用，但在其他幾個領域，這項技術可以產生重大影響。一個這樣的領域是手語識別，它涉及自動識別和解釋來自影片輸入的手語。手語識別可用於各種應用，例如互動式教育工具、手語輔導系統以及影片內容的可訪問性功能。
另一個潛在的應用是為聽力損失人士創建輔助設備。由 AI 驅動的可穿戴設備可以提供對話的即時字幕，提醒使用者注意重要的聲音，並為環境意識提供視覺線索。這些設備可以顯著提高聽力損失人士的生活品質，使他們能夠更充分地參與社交和專業場合。
此外，手語 AI 可以用於創建更具包容性和可訪問性的線上內容。為影片和直播自動產生的字幕可以讓更廣泛的受眾（包括聾人和聽障人士）訪問資訊。這可以促進教育、娛樂和線上生活其他方面的更大公平和包容。
擴展 SignGemma 的語言能力
儘管 SignGemma 目前擅長 ASL 到英語的翻譯，但其長期潛力在於它能夠支援多種語言，包括手語和口語。擴展多語言能力的挑戰是巨大的，因為每種手語都有其獨特的語法、詞彙和文化背景。為了有效地在不同的手語之間進行翻譯，AI 模型必須了解這些細微差別並相應地調整其演算法。
實現這個目標的一種方法是使用遷移學習，即模型從一種語言（例如 ASL）的資料中學習，然後將該知識應用於另一種語言（例如英國手語）。這可以顯著減少訓練所需的標記資料量，從而更易於支援各種手語。
另一種策略是將語言知識納入模型架構本身。透過對手語語法、形態和句法的資訊進行編碼，該模型可以更好地理解不同手語的底層結構，並更準確地在它們之間進行翻譯。
社群回饋在塑造 SignGemma 未來中的作用
Google 主動徵求社群回饋的方法對於確保 SignGemma 滿足其目標使用者的需求至關重要。透過在整個開發過程中與聾人和聽障社群互動，Google 可以獲得對手語 AI 的挑戰和機遇的寶貴見解。
社群回饋可以為廣泛的設計決策提供資訊，從選擇適當的手語風格和詞彙到開發直觀的使用者介面。它還可以幫助識別和減輕訓練資料中的潛在偏差，確保該模型對所有使用者都是公平和公正的。
此外，社群參與可以培養對該技術的自主性和共同責任感。透過授權聾人社群的成員為 SignGemma 的開發做出貢獻，Google 可以創建一個真正反映他們的需求和願望的工具。
結論：SignGemma 作為包容性溝通的催化劑
SignGemma 代表了手語 AI 領域的一個重要進展。透過將先進的機器學習技術與對社群參與的承諾相結合，Google 正在創建一種具有潛力改變聾人和聽障社群溝通可訪問性的工具。
雖然在擴展模型的語言能力、解決倫理考量以及促進負責任的使用方面仍然存在挑戰，但 SignGemma 的潛在益處是巨大的。隨著技術的不斷發展，它可以增強個人更自由地溝通、更輕鬆地訪問資訊以及更充分地參與社會的能力。
SignGemma 不僅僅是一個翻譯工具；它是包容性溝通的催化劑，彌合了聽力世界和非聽力世界之間的差距，並培養了更大的理解和同理心。透過利用 AI 的力量來打破溝通障礙，Google 正在為建設一個對所有人來說更加公平和可訪問的未來做出重大貢獻。