ആംഗ്യഭാഷ മനസ്സിലാക്കാൻ ആർട്ടിഫിഷ്യൽ ഇൻറലിജൻസ് സംവിധാനമൊരുക്കി ഗൂഗിൾ

ആംഗ്യ അടയാളങ്ങൾ

കൈകളുടെ ഷേക്ക്, ആംഗ്യ അടയാളങ്ങളിലുള്ള സാമ്യത എന്നിവ യഥാസമയം ആംഗ്യഭാഷയെ സംസാരഭാഷയിലെത്തിക്കുന്നതിനുള്ള വെല്ലുവിളിയാണ്. കൂടാതെ ആംഗ്യഭാഷ ഉപയോഗിക്കുന്നവരുടെ കൈകളുടെ വേഗത കൂടുതൽ ആംഗ്യങ്ങൾക്കിടെ വരുന്ന തെറ്റുകൾ എന്നിവയെല്ലാം ആംഗ്യഭാഷയെ തത്സമയം സംസാരഭാഷയിലേക്ക് മാറ്റുന്ന പ്രവർത്തനത്തെ ബാധിക്കും. ആംഗ്യങ്ങളെ ശബ്ദങ്ങളായി മാറ്റുക എന്നത് തന്നെ വെല്ലുവിളിയുള്ള കാര്യമാണ്.

ഗൂഗിൾ ആർട്ടിഫിഷ്യൽ ഇൻറലിജൻസ് ലാബ്

ഒന്നിൽ കൂടുതൽ ക്യാമറകൾ, ഡെപ്ത് സെൻസിങ് റിങുകൾ എന്നിവയൊക്കെ ഉപയോഗിച്ച് കൈകളുടെ എല്ലാ ചലനങ്ങളെയും മനസ്സിലാക്കിയാൽ കൂടി യഥാസമയം ശബ്ദങ്ങളാക്കി ആംഗ്യങ്ങളെ മാറ്റുക പ്രയാസമാണ്. എങ്കിലും ഗൂഗിൾ ആർട്ടിഫിഷ്യൽ ഇൻറലിജൻസ് ലാബ് ഇക്കാര്യത്തിൽ വിട്ടുകൊടുക്കാൻ തയ്യാറായില്ല, ഈ സംവിധാനത്തിനാവശ്യമായ കമ്പ്യൂട്ടർ അൽഘോരിതത്തിൽ അധികം ഡാറ്റ നൽകാതിരുന്നാൽ പരിഭാഷ വേഗത്തിലാകുമെന്നാണ് ലാബ് കണ്ടെത്തിയത്.

കൈപ്പത്തിയുടെ ചലനങ്ങൾ

ആംഗ്യങ്ങളെ മനസ്സിലാക്കുന്ന സംവിധാനത്തിൽ മുഴുവൻ കൈയുടെയും ചലനത്തെ മനസ്സിലാക്കുന്നതിന് പകരം കൈപ്പത്തിയുടെ ചലനങ്ങൾ മാത്രം മനസ്സിലാക്കുന്ന സംവിധാനമാണ് ഗൂഗിൾ നൽകുന്നത്. ഈ സംവിധാനത്തിന് കൈപ്പത്തി മാത്രം അടങ്ങുന്ന ചെറിയെ സ്പൈസിൻറെ ചലനം മാത്രം മനസ്സിലാക്കിയാൽ മതി, വലീയ ഇമേജുകളെ മനസ്സിലാക്കാനുള്ള സംവിധാനം ആവശ്യമില്ല. ഇത് ആംഗ്യങ്ങളെ ശബ്ദങ്ങളാക്കി മാറ്റുന്ന പ്രവർത്തനത്തിൻറെ വേഗത വർദ്ധിപ്പിക്കും.

21 കോർഡിനേറ്റുകൾ

കൈപ്പത്തിയുടെ ചലനങ്ങൾ ഒപ്പിയെടുക്കുന്ന സംവിധാനത്തിൻറെ പ്രവർത്തനം കൂടുതലും നക്കുന്നത് വിരലുകൾ ചലിക്കുമ്പോഴാണ്. വിരലുകളുടെ ചലനം മനസ്സിലാക്കാൻ വേണ്ടി പ്രത്യേക അൽഘോരിതം തന്നെയുണ്ടാകും. വിരലുകളുടെ തുടക്കഭാഗം മുതൽ അറ്റം വരെ 21 കോർഡിനേറ്റുകൾ സെറ്റ് ചെയ്യും. വിരലറ്റത്തിൻറെ അകലം കണകാക്കി ഏത് പൊസിഷനിലാണ് വിരലെന്ന് മനസ്സിലാക്കാൻ ഇത് സഹായിക്കും.

മെഷീൻ ലേർണിങ് സിസ്റ്റം

ഫിങ്കർ റെക്കഗനിഷനുവേണ്ടി കൈകളുടെ വ്യത്യസ്ത പോസുകളിലും ലൈറ്റുകളിലും ഉള്ള 30,000 ഫോട്ടോകളിൽ 21 പോയിൻറുകൾ മാനുവലായി തന്നെ രേഖപ്പെടുത്തണം ഈ ഡാറ്റ മെഷീൻ ലേർണിങ് സിസ്റ്റത്തിന് ലഭിച്ചാൽ കൈകളുടെ ചലനങ്ങൾ എങ്ങനെയാണെന്ന് മനസ്സിലാക്കാനും അതിനെ സംസാരഭാഷയിലേക്ക് മാറ്റാനും സാധിക്കും. എല്ലാ ആർട്ടിഫിഷ്യൽ ഇൻറലിജൻസ് സംവിധാനത്തിനു പിന്നിലും ഇത്രത്തോളം മനുഷ്യ അദ്ധ്വാനവും അടങ്ങിയിട്ടുണ്ട്.

സോഴ്സ് കോഡ് സൌജന്യമായി ലഭിക്കും

ഈ അൽഘോരിതം ഇതുവരെയും ഒരു ഗൂഗിൾ പ്രൊഡക്ടുകളിലും ഉപയോഗിച്ചിട്ടില്ല. അതിനാൽ തന്നെ ഇത് സൌജന്യമായി നൽകാൻ ഗൂഗിൾ ഒരുക്കമാണ്. സോഴ്സ് കോഡ് ആർക്കും എടുത്ത് സ്വന്തമായി സംവിധാനം ഉണ്ടാക്കുകയും അപ്ഗ്രേഡ് ചെയ്യുകയുമാവാം. ഈ സോഴ്സ് കോഡ് എല്ലാ ഗവേഷകർക്കും ലഭ്യമാക്കുന്നതിലൂടെ ക്രിയാത്മകമായി സാങ്കേതികവിദ്യയെ ഉപയോഗിക്കാൻ കഴിയുന്ന വിധത്തിൽ മാറ്റിയെടുക്കാൻ സാധിക്കുമെന്ന് ഗൂഗിൾ വൃത്തങ്ങൾ വ്യക്തമാക്കി.