به گزارش مدیاتی:گوگل با معرفی Guided Vision، قابلیت جدیدی را به Gemini Live اضافه کرده است که با استفاده از دوربین گوشی، محیط اطراف کاربر را به‌صورت لحظه‌ای تحلیل و آن را با توضیحات صوتی توصیف می‌کند. این ویژگی با هدف بهبود دسترس‌پذیری در اندروید طراحی شده و می‌تواند در خواندن نوشته‌های ریز، پیدا کردن اشیای کوچک و درک بهتر محیط اطراف به کاربران کمک کند؛ قابلیتی که حدود یک سال پس از Live Recognition اپل، رویکرد گوگل به کمک دیداری مبتنی بر هوش مصنوعی را وارد مرحله تازه‌ای می‌کند.
Guided Vision قابلیت دیداری لحظه‌ای Gemini را برای دسترس‌پذیری به اندروید می‌آورد
گوگل قابلیت جدید Guided Vision را در Gemini Live عرضه کرده است؛ قابلیتی که با استفاده از دوربین گوشی، محیط اطراف کاربر را به‌صورت لحظه‌ای تحلیل می‌کند و توضیحات صوتی ارائه می‌دهد. این ویژگی به‌طور ویژه برای بهبود دسترس‌پذیری طراحی شده و برای استفاده از آن به سخت‌افزار اضافی نیاز نیست.
Guided Vision چگونه کار می‌کند؟
برای فعال‌کردن Guided Vision می‌توان این قابلیت را از بخش پروفایل اپلیکیشن Gemini روشن کرد، یک میانبر دسترس‌پذیری مانند کشیدن دو انگشت روی صفحه یا فشردن هم‌زمان دو کلید تنظیم صدا تعیین کرد یا در حالت TalkBack، سه بار روی صفحه ضربه زد.
پس از فعال‌شدن قابلیت، کاربر می‌تواند دوربین گوشی را در اختیار Gemini Live قرار دهد. Gemini سپس آنچه دوربین می‌بیند را به‌صورت صوتی توصیف می‌کند. برای مثال، این قابلیت می‌تواند نوشته‌های ریز روی برچسب مواد غذایی یا صفحه تنظیمات ماشین لباسشویی را بخواند یا به کاربر در پیدا کردن یک وسیله کوچک مانند ایرباد گم‌شده کمک کند.
Guided Vision همچنین در تنظیم کادر دوربین به کاربر کمک می‌کند. برای مثال، Gemini ممکن است از کاربر بخواهد دوربین را به سمت راست بچرخاند، آن را کمی پایین‌تر بگیرد یا چند قدم عقب برود تا شیء موردنظر به‌درستی در قاب قرار بگیرد. علاوه بر توضیح اولیه، کاربر می‌تواند درباره چیزی که Gemini شناسایی کرده است، سؤال‌های بیشتری بپرسد؛ برای نمونه، اگر تاریخ انقضای یک محصول شناسایی شود، می‌توان از Gemini خواست تاریخ را با جزئیات بخواند.
گوگل برای اطمینان از عملکرد این ابزار در زبان‌ها و مناطق مختلف، Guided Vision را در چندین زبان و منطقه از جمله هند، برزیل، سنگاپور و ژاپن آزمایش کرده است.
Guided Vision با همکاری چه شرکتی ساخته شده است؟
گوگل برای آموزش Guided Vision با شرکت Aira همکاری کرده است. در روند توسعه این قابلیت، ده‌ها هزار ساعت داده مربوط به تفسیر بصری ثبت شد و بیش از هزار آزمایش‌کننده مورد اعتماد Aira نیز برای آزمایش و ارزیابی عملکرد مدل مشارکت کردند. متخصصان Aira همچنین در طراحی محدودیت‌ها و سازوکارهای ایمنی این قابلیت نقش داشته‌اند.
با وجود قابلیت‌های گسترده Guided Vision، گوگل تأکید می‌کند که این فناوری ابزار پزشکی، وسیله کمک‌حرکتی یا جایگزین عصا نیست. همچنین کاربران نباید برای مسیریابی یا تشخیص موانع به آن تکیه کنند؛ زیرا توصیف اشتباه یک محیط یا شیء می‌تواند در برخی شرایط خطرناک باشد.
پاسخ گوگل به قابلیت Live Recognition اپل
Guided Vision اکنون برای دستگاه‌های مجهز به اندروید ۹ و نسخه‌های جدیدتر در حال انتشار است. عرضه این قابلیت حدود یک سال پس از معرفی ویژگی Live Recognition توسط اپل برای آیفون و Vision Pro انجام می‌شود و می‌توان آن را بخشی از رقابت دو شرکت در زمینه قابلیت‌های هوش مصنوعی و دسترس‌پذیری دانست.
گوگل اوایل همین ماه نیز پیش‌نمایشی از Guided Vision را در کنار مجموعه‌ای از ابزارهای جدید دسترس‌پذیری اندروید ارائه کرده بود.
