آخرین بروزرسانی: "1405-03-06"
حلقه هوشمندی که زبان اشاره را در لحظه ترجمه میکند
برای افرادی که دچار کمشنوایی یا ناشنوایی هستند، زبان اشاره صرفاً یک ابزار ارتباطی نیست؛ بلکه زبان اولیه آنها محسوب میشود. مشکل اینجاست که زبان اشاره به افراد دارای شنوایی عادی آموزش داده نمیشود و همین امر، مانعی ایجاد میکند که عبور از آن دشوار است. اکنون، تیمی از پژوهشگران در کره جنوبی ممکن است راهحلی شگفتآور و ظریف برای این مسئله دیرینه یافته باشند.
به گزارش ایتنا و به نقل از دیجیتال ترندز، طبق مطالعهای که در نشریه Science Advances منتشر شده است، سیستمی به نام WRSLT (wirelessly connected, ring-type sign language translator به معنای «مترجم زبان اشاره از نوع حلقهای با اتصال بیسیم») قادر است کلمات زبان اشاره آمریکایی و زبان اشاره بینالمللی را با دقتی در حدود ۸۸ درصد تشخیص داده و ترجمه کند. این سیستم به صورت لحظهای (Real-time) عمل میکند.
چگونه هفت حلقه یک زبان کامل را ترجمه میکنند؟
هر حلقه هوشمند شامل یک شتابسنج سهمحوره است که قادر به تشخیص حرکت انگشتان میباشد. هنگامی که کاربر حلقهها را بر روی انگشتان خود قرار میدهد و شروع به ادای علائم میکند، حسگرها جهتگیری انگشتان و حرکت دست را ردیابی میکنند. تمام این دادهها به صورت بیسیم از طریق بلوتوث به یک گوشی هوشمند یا رایانه ارسال میشود، جایی که هوش مصنوعی حرکات را تفسیر کرده و آنها را به متن نوشتاری تبدیل میکند. هر حلقه به صورت مستقل عمل میکند و هیچ سیم فیزیکی بین حلقهها وجود ندارد که این امر حرکت طبیعی دست را کاملاً آزادانه حفظ میکند.
بزرگترین مزیت این سیستم نسبت به راهحلهای موجود، آزادی حرکت است. ابزارهای فعلی ترجمه زبان اشاره اغلب به دستکشهای حجیم یا آرایههای سیمی از حسگرها متکی هستند که حرکت طبیعی دست را محدود میکنند و نیاز به تنظیم مجدد برای هر کاربر دارند. سیستم WRSLT هیچیک از این مشکلات را ندارد.
آیا این سیستم واقعاً برای همه کار میکند؟
نتایج آزمایشها مثبت بوده و پژوهشگران معتقدند سیستم آنها میتواند برای همه افراد کار کند. آنها سیستم را روی یک گروه از کاربران آموزش دادند و سپس آن را روی گروهی کاملاً متفاوت آزمایش کردند. سیستم با موفقیت کلمات زبان اشاره بینالمللی را با دقت ۸۸.۵ درصد و کلمات زبان اشاره آمریکایی را با دقت ۸۸.۳ درصد تشخیص داد که با توجه به تنوع طبیعی در نحوه ادای علائم توسط افراد مختلف، بسیار چشمگیر است.
در حال حاضر، این سیستم قادر به تشخیص ۱۰۰ کلمه در هر یک از این دو زبان است که شروع خوبی محسوب میشود. همچنین، این فناوری قادر است جملات را با دقت بیش از ۹۰ درصد ترجمه کند، هرچند درک کامل زبان اشاره نیازمند توجه به حالات صورت و حرکات بدن نیز هست که همچنان چالشهایی را پیشِ روی این فناوری قرار میدهد.
تیم تحقیقاتی قصد دارد حلقهها را بیشتر کوچکسازی کرده و دایره واژگان هوش مصنوعی را برای پوشش دادن کلمات بیشتر و زبانهای اشاره دیگر گسترش دهد. این فناوری میتواند فراتر از ترجمه زبان اشاره، در کاربردهای دیگری مانند کنترل واقعیت مجازی و واقعیت افزوده، رابطهای بدون لمس دستگاهها و سیستمهای توانبخشی نیز به کار گرفته شود.
توضیح ایتنا: این مطلب، به دلیل محدودیتهای عمومی اینترنت کشور، به کمک هوش مصنوعی تولید شده است.
دیگر خبرهای مرتبط
من وحید مجیدی، مدرس طراحی و برنامهنویسی وب با سابقهی تدریس در دانشگاه تهران و مجتمع فنی تهران. در طول سالها فعالیت آموزشی، تلاش کردهام مفاهیم فنی را بهصورت پروژهمحور و کاربردی آموزش دهم تا هنرجویان و دانشجویان بتوانند مهارتهای خود را در محیطهای واقعی توسعه دهند و به متخصصان کارآمد در حوزهی فناوری تبدیل شوند.
در کنار تدریس، بهعنوان طراح و برنامهنویس وب در توسعهی سامانههای نرمافزاری، پلتفرمهای فروش آنلاین و سیستمهای سازمانی فعالیت دارم. تخصص من در طراحی، توسعه و بهینهسازی سامانههای تحت وب است؛ از برنامهنویسی فرانتاند و بکاند گرفته تا معماری نرمافزار، سئو و زیرساختهای DevOps.