قابلیت جدید Gemini Live برای دیدن و تشخیص دنیای اطراف

به گزارش مجله خبری نگار، این قابلیت بیش از همه برای افراد نابینا و کم‌بینا طراحی شده، اما می‌تواند در موقعیت‌هایی مانند خواندن نوشته‌های ریز یا پیدا کردن اشیای اطراف نیز کاربرد داشته باشد.

Guided Vision در Gemini Live چیست؟

در Guided Vision کاربر دوربین را در یک جلسه Gemini Live به اشتراک می‌گذارد. هوش مصنوعی سپس آنچه در تصویر می‌بیند توضیح می‌دهد و کاربر می‌تواند درباره محیط یا شیء مقابل دوربین سؤال‌های تکمیلی بپرسد.

تفاوت مهم این قابلیت با توصیف ساده تصویر، راهنمایی زنده برای گرفتن تصویر بهتر است. برای مثال اگر دوربین بیش از حد بالا، نزدیک یا متمایل باشد، Gemini می‌تواند از کاربر بخواهد گوشی را کمی پایین بیاورد، به سمت راست حرکت دهد یا از سوژه فاصله بگیرد.

Guided Vision چه کار‌هایی انجام می‌دهد؟

طبق توضیحات رسمی گوگل، کاربرد‌های روزمره این قابلیت شامل خواندن نوشته‌های ریز روی بسته‌بندی‌ها و منوها، پیدا کردن وسایل در محیط، تشخیص رنگ و الگوی لباس و دریافت توضیح درباره فضای اطراف است.

Guided Vision امکان مکالمه به چند زبان را نیز دارد. گوگل می‌گوید بازخورد کاربران نابینا و کم‌بینا در کشور‌هایی از جمله هند، برزیل، سنگاپور، اندونزی و ژاپن در ارزیابی نحوه ارائه توضیحات و راهنمایی‌ها استفاده شده است.

بیش از ۱۰۰۰ آزمایش‌کننده در توسعه قابلیت مشارکت کردند

گوگل برای توسعه این قابلیت با شرکت Aira همکاری کرده است. بر اساس اعلام رسمی گوگل، بیش از ۱۰۰۰ عضو شبکه Trusted Tester شرکت Aira قابلیت را در فعالیت‌های روزمره آزمایش کرده‌اند و متخصصان Aira نیز در تدوین و ارزیابی سازوکار‌های ایمنی مشارکت داشته‌اند.

چطور Guided Vision را فعال کنیم؟

از داخل Gemini

در برنامه Gemini وارد تنظیمات پروفایل شوید و گزینه استفاده از Guided Vision در Live را فعال کنید. سپس Gemini Live را باز کرده و دوربین را به اشتراک بگذارید.

از تنظیمات Accessibility اندروید

در دستگاه‌های پشتیبانی‌شده می‌توان از مسیر Accessibility و بخش Vision assistance برای Guided Vision میانبر تعریف کرد. کاربران TalkBack نیز می‌توانند این قابلیت را از منوی TalkBack اجرا کنند.

چه گوشی‌هایی از Guided Vision پشتیبانی می‌کنند؟

گوگل اعلام کرده Guided Vision روی دستگاه‌های دارای Android ۹ و نسخه‌های جدیدتر در مناطق و زبان‌هایی که Gemini Live پشتیبانی می‌شود در دسترس است. برای استفاده از آن، برنامه Gemini و نرم‌افزار سیستم باید به‌روز باشند.

یک محدودیت مهم: جایگزین عصای سفید یا ابزار مسیریابی نیست

خود گوگل تأکید می‌کند که Guided Vision مانند دیگر ابزار‌های هوش مصنوعی مولد ممکن است اشتباه کند. این قابلیت وسیله پزشکی، ابزار کمک‌حرکتی یا جایگزین عصای سفید نیست و برای مسیریابی ایمن یا تشخیص موانع طراحی نشده است؛ بنابراین در رفت‌وآمد و محیط‌های فیزیکی باید همچنان از روش‌ها و ابزار‌های ایمنی معتبر استفاده کرد.

چرا Guided Vision اهمیت دارد؟

ارزش اصلی این قابلیت در تبدیل دوربین گوشی به یک رابط مکالمه‌ای است. کاربر تنها یک توصیف ثابت دریافت نمی‌کند، بلکه می‌تواند سؤال بپرسد، زاویه دوربین را با راهنمایی صوتی اصلاح کند و درباره جزئیات همان محیط گفت‌و‌گو را ادامه دهد. 

منبع: فوت و فن