دنیای تکنولوژی همیشه هدفی بزرگ‌تر از صرفاً ساخت سخت‌افزار‌های پیشرفته‌تر داشته است: دمکراتیزه کردن دسترسی به اطلاعات. حالا گوگل گام مهمی در جهت این هدف برداشته و ابزاری را معرفی کرده که می‌تواند تجربه کاربری افراد نابینا و کم‌بینا را به‌طور چشمگیر تغییر دهد. با ورود قابلیت «دیدار هدایت‌شده» به سامانه‌های هوش مصنوعی گوگل، دوربین موبایل از یک ساده‌ی تصویرگیرنده به یک دستیار بصری هوشمند تبدیل می‌شود که با زبان طبیعی، محیط اطراف شما را تفسیر می‌کند.
دیدار هدایت‌شده دقیقاً چه کاری انجام می‌دهد؟
در قلب این قابلیت، یک سیستم درک بصری پیشرفته وجود دارد که لحظه‌به‌لحظه با دوربین گوشی ارتباط برقرار می‌کند. برخلاف ابزارهای قدیمی که شاید فقط بتوانند اشیاء را برچسب بزنند، سیستم جدید «گمتی لایو» (Gemini Live) می‌تواند توصیفات پیوسته و زمینه‌ای ارائه دهد. کاربر کافی است دوربین گوشی خود را رو به محیط اطراف بگیرد تا متواند صدای توصیفاتی دقیق از آنچه روی صفحه دیده می‌شود را بشنود. این فرآیند کاملاً زنده است؛ یعنی اگر کاربر سؤال جدیدی بپرسد یا زاویه دوربین تغییر کند، پاسخ هوش مصنوعی نیز به‌روز می‌شود. این امر به افرادی که با محدودیت‌های بینایی مواجه هستند، استقلال در حرکت و درک محیط را هدیه می‌دهد.
راهنمایی‌های زنده برای تنظیم کادر تصویر
یکی از جذاب‌ترین ویژگی‌های این آپدیت، هوشمند بودن تعامل آن با وضعیت دوربین است. گاهی اوقات، کادر تصویر گرفته‌شده ممکن است کامل نباشد یا اشیاء کلیدی خارج از محدوده دید باشند. در این شرایط، گمتی لایو صرفاً نمی‌گوید «چیزی نمیبینم»، بلکه کاربر را به‌صورت کلامی راهنمایی می‌کند که چگونه زاویه دید را اصلاح کند. این دستورات می‌تواند شامل حرکات ساده‌ای باشد مانند:
- چرخش به سمت راست یا چپ: برای کشف اشیاء خارج از کادر فعلی.
- مایل کردن گوشی به پایین: برای مشاهده جزئیات روی سطوح یا علائم ایمنی روی زمین.
- نزدیک شدن یا عقب رفتن: برای خواندن بهتر متن‌ها یا درک بهتر جزئیات دور.
این سطح از دقت در راهنمایی، تجربه‌ای مشابه دارد با داشتن یک همکار نابینا کنار دست شما که همواره آگاه است و دقیقاً می‌داند دوربین باید چگونه جابه‌جا شود تا بهترین دید ممکن حاصل گردد.
دسترسی به قابلیت جدید و الزامات فنی
گوگل این قابلیت را به‌صورت مرحله‌ای به گوشی‌های اندروید عرضه می‌کند. این به آن معناست که ممکن است برای همه کاربران به یکباره در دسترس قرار نگیرد، اما مسیر توسعه آن مشخص است. برای بهره‌مندی از دیدار هدایت‌شده، باید به نسخه‌های جدیدتر سیستم‌عامل اندروید مجهز باشید. این یک گام بزرگ در جهت ساختاردهی دوباره ابزارهای دسترسی‌پذیری (Accessibility) است که از کد‌های سخت‌افزاری خالص، به سمت حل‌های نرم‌افزاری و هوش مصنوعی‌محور حرکت کرده است.
نقش هوش مصنوعی بزرگ در زندگی روزمره
ادغام مدل‌های زبانی بزرگ (LLM) در ابزارهای دسترسی‌پذیری نشان می‌دهد که آینده فناوری‌های همراه، آینده‌ای شفاف‌تر برای همه است. وقتی یک مدل هوش مصنوعی می‌تواند نه‌تنها تصویر را ببیند، بلکه «تفسیر» کند و «وصف» نماید، مرز بین انسان و ماشین در تعامل با محیط فیزیکی کمرنگ می‌شود. این پیشرفت برای کاربران نابینا و کم‌بینا، بیش از یک آپدیت نرم‌افزاری، یک بازتعریف از مفهوم آزادی حرکت و استقلال شخصی است.
با گسترش هرچه بیشتر این قابلیت‌ها در بازارهای مختلف، انتظار می‌رود که سایر شرکت‌های فناوری نیز از این رویکرد الهام بگیرند و ابزارهای اختصاصی خود را برای پشتیبانی از نیازهای دسترسی‌پذیری بهینه‌سازی کنند. هدف نهایی این است که فناوری نه موانع را افزایش دهد، بلکه پل‌هایی میان جهان واقعی و ادراک افراد ایجاد کند.
نظر، سوال یا تجربه خود را درباره این مطلب با سایر کاربران اوکالا به اشتراک بگذارید.