- Guided Vision koristi Gemini Live i kameru mobilnog telefona za pružanje audio opisa okoline u stvarnom vremenu.
- Omogućuje vam čitanje malih tekstova, prepoznavanje objekata i primanje glasovnih uputa za ispravnu orijentaciju kamere.
- Dostupno je za uređaje s Androidom 9 ili novijim, a integrira se s TalkBackom i prečacima za pristupačnost.
- To je komplementarni alat za podršku i ne smije se koristiti kao medicinski uređaj ili vodič za mobilnost.
Vjerojatno ste već čuli kako umjetna inteligencija mijenja način na koji komuniciramo sa svijetom, ali ono što je Google predložio s Guided Vision ide korak dalje. Ne govorimo samo o aplikaciji za chat koja odgovara na pitanja, već o revolucionarnom alatu za pristupačnost koji ima za cilj srušiti barijere za osobe s oštećenjem vida, pretvarajući vaš telefon u neku vrstu pametnog vodiča u stvarnom vremenu.
Ova funkcionalnost nije se pojavila niotkuda; razvijana je postupno u suradnji sa zajednicama slijepih i slabovidnih osoba. Cilj je jednostavan, ali ambiciozan: omogućiti svima da razumiju svoju neposrednu okolinu bez stalnog oslanjanja na druge, iskorištavanjem snage Gemini Livea i kamere uređaja za opisivanje stvarnosti putem zvuka.
Što je točno Vođeni vid?
U osnovi, to je značajka integrirana u ekosustav Gemini Live koja omogućuje telefonu vizualnu analizu okoline i njezino prevođenje u riječi. Najbolje od svega je što se ne radi o statičnom opisu; radi se o fluidnoj interakciji. Na primjer, ako pokušate pročitati naljepnicu, a telefon je lagano nagnut, umjetna inteligencija ne samo da kaže da ništa ne vidi, već vam daje glasovne upute za ponovno kadriranje slike ili centriranje objekta, što iskustvo čini mnogo intuitivnijim.
Mogućnosti i upotreba u svakodnevnom životu
Svestranost ovog alata je ogromna i može se primijeniti u situacijama koje ponekad prođu nezapaženo kod nas ostalih, ali koje su svakodnevni izazov za nekoga sa slabim vidom:
- Trenutačno čitanje i prijevod: Od dešifriranja sitnog tiska na sastojcima hrane do čitanja jelovnika u slabo osvijetljenom restoranu ili tumačenja zaslona uređaja.
- Lokacija objekta: Alat može pomoći u prepoznavanju gdje se nešto nalazi i dati zvučni tragovi za pronalaženjesprječavajući korisnika da pipa u mraku.
- Analiza okoline: Sposoban je opisati raspored prostorije ili vas upozoriti ako je neki predmet pao na pod, detaljno opisujući boja, oblika i dizajna specifičan.
Kako ga postaviti i koji su zahtjevi
Za početak korištenja Guided Visiona, prvo morate imati instaliranu aplikaciju Gemini i uređaj s Androidom 9 ili novijom verzijom . Nakon što ste u aplikaciji, idite u postavke Geminija i uključite prekidač "Koristi Guided Vision u Liveu" . Nakon toga jednostavno pokrenite Gemini Live sesiju i podijelite svoju kameru kako bi čarolija započela.
Kako bi ga uistinu učinio korisnim, Google je integrirao vrlo praktične prečace . Možete ga konfigurirati pomoću gumba za pristupačnost, određenih gesti ili čak tipki za glasnoću, a također je potpuno integriran u izbornik TalkBack , službeni čitač zaslona za Android. Međutim, imajte na umu da je uvođenje postupno, pa bi moglo proći neko vrijeme prije nego što ga vidite dostupnim na svom računu.
Važno upozorenje o njegovim ograničenjima
Iako je tehnologija impresivna, važno je zapamtiti da govorimo o umjetnoj inteligenciji i kao takva može pogriješiti . Google je bio vrlo jasan po tom pitanju: Guided Vision nije medicinski uređaj niti navigacijski alat. Ni pod kojim uvjetima ne smije se koristiti za otkrivanje prepreka na vašem putu ili za navigaciju ulicom, jer ne jamči apsolutnu točnost. Treba ga shvatiti kao dopunsku podršku , a ne kao zamjenu za optička pomagala ili pse vodiče.
Opći kontekst umjetne inteligencije u Googleu
Ovaj alat pridružuje se drugim inovacijama poput Pregleda pokretanog umjetnom inteligencijom u tražilici, koji sažima informacije iz različitih izvora kako bi uštedio vrijeme. Google ulaže velika sredstva u model u kojem je generativna umjetna inteligencija u središtu, omogućujući korisnicima da prijeđu s brzog pretraživanja na detaljan razgovor u AI načinu rada . Sve to podržava Google Cloud infrastruktura gdje je privatnost najvažnija, osiguravajući da korisnici zadrže kontrolu nad svojim podacima i da se s informacijama postupa u skladu sa strogim ugovorima.
Integracija kamere, glasa i strojnog učenja približava tehnologiju onome što poznajemo kao pomoćnu tehnologiju za slijepe, nudeći prirodnu i ljudsku interakciju . Kombiniranjem mogućnosti vizualne analize s govornim odgovorima, olakšava se autonomija tisuća ljudi u svakodnevnim zadacima koji su prije bili komplicirani, učvršćujući umjetnu inteligenciju kao temeljnog saveznika za uključivost i univerzalnu dostupnost.