گوگل کی مصنوعی ذہانت کی لیبارٹری نے مقامی وقت کے مطابق 12 تاریخ کو ایک بڑے پیمانے کا کثیر لسانی اشاروں کی زبان سے متن میں ترجمہ (SL2T) ماڈل پیش کرنے کا اعلان کیا۔
اس ماڈل کی بدولت اشاروں کی زبان کی مصنوعی ذہانت پہلی بار صارفین کے لیے دستیاب مصنوعات میں شامل ہو گئی ہے: گوگل پکسل 11 سیریز کے اسمارٹ فونز پر Gboard اور Live Transcribe ایپلی کیشنز اشاروں کی زبان کو متن میں تبدیل کرنے کے لیے ان پٹ فنکشن فراہم کرتی ہیں (ابتدائی طور پر صرف امریکی اشاروں کی زبان تک محدود، بعد میں مزید اشاروں کی زبانوں اور مزید ڈیوائسز تک توسیع کی جائے گی)۔
دنیا بھر میں تقریباً 7000 لاکھ سماعت سے محروم افراد 200 سے زیادہ اشاروں کی زبانیں استعمال کرتے ہیں۔ نیا فنکشن انہیں صوتی ان پٹ جیسا لچک دار "ٹائپنگ کا متبادل" تجربہ فراہم کرتا ہے۔ ٹیسٹ سے ظاہر ہوا کہ امریکی اشاروں کی زبان استعمال کرنا انگریزی ٹائپ کرنے کے مقابلے میں زیادہ تیز، فطری اور خوشگوار ہے۔
ڈیپ مائنڈ کے مطابق، اشاروں کی زبان ایک آزاد قدرتی زبان ہے، جس کا اپنا منفرد گرامر اور ذخیرۂ الفاظ ہے۔ اسی لیے اشاروں کی زبان کے ترجمے کے لیے حقیقی مشینی ترجمہ درکار ہوتا ہے، نہ کہ اشاروں کو ترتیب وار الفاظ میں تبدیل کرنا۔ SL2T کے کام کو پورا کرنے والے ماڈل کے لیے ضروری ہے کہ وہ اشاروں کی زبان استعمال کرنے والے فرد کے جسم کے متعدد حصوں کی بیک وقت ہونے والی حرکات کو "سمجھ" سکے، جس کے لیے کمپیوٹر وژن کی مضبوط صلاحیت درکار ہوتی ہے۔
گوگل ڈیپ مائنڈ کے SL2T ماڈل کو 50 سے زیادہ اشاروں کی زبانوں کے 100,000 گھنٹے کے ڈیٹا پر تربیت دی گئی ہے۔ یہ صارفین کی رازداری اور سلامتی کے تحفظ کے لیے اشاروں کی زبان کو جسمانی حرکات کے فیچر پوائنٹس کی مقامی معلومات میں تبدیل کرتا ہے، اور اصل ویڈیو اسٹریم کو سرور پر بھیجنے کی ضرورت نہیں ہوتی۔ اس کے علاوہ، اس نے ماضی میں وسیع پیمانے پر استعمال ہونے والی "درمیانی تشریحات" کو ترک کر کے براہِ راست مقامی معلومات کی تشریح کی ہے۔