Пълно ръководство за това как работи Google Guided Vision

Информатек Дигитал » Изкуствен интелект » Пълно ръководство за това как работи Google Guided Vision

Представете си, че можете да носите в джоба си някого, който може да опише точно какво се случва около вас в реално време. Е, точно това направи Google, като интегрира Guided Vision в Gemini Live – функция, която разчупва традиционната динамика на писане на въпрос и чакане на отговор, като сега ни позволява да взаимодействаме с изкуствения интелект, просто като му показваме света през обектива на камерата.

Този инструмент не е просто статичен фотоанализатор; той предлага плавен и динамичен разговор, базиран на компютърно зрение. Въпреки че има огромен потенциал за всеки, който се нуждае от помощ с визуални детайли, основната му цел е достъпност за слепи или хора с увредено зрение , като се стреми да направи средата много по-разбираема и управляема чрез прецизни аудио инструкции.

Как точно работи тази технология?

Процесът е съвсем прост: потребителят активира функцията и споделя сигнала от камерата с Gemini Live. Оттам изкуственият интелект анализира изображението на живо и потребителят може да попита всичко за това, което вижда. Най-мощната функция е, че позволява последващи въпроси ; тоест, ако Gemini идентифицира буркан с конфитюри, можете веднага да го попитате за срока на годност или съставките, без да е необходимо да рестартирате заявката.

За разлика от други инструменти, Guided Vision може да насочва кадрирането на телефона . Ако устройството е насочено твърде високо, твърде близо до обекта или леко не е в центъра, асистентът ще ви даде словесни сигнали за коригиране на позицията на телефона . Това гарантира, че изкуственият интелект разполага с необходимата визуална информация, за да се избегнат грешки в описанието му.

Практични инструменти за ежедневието

Приложенията са изключително разнообразни и са насочени към ежедневни ситуации, които понякога могат да бъдат трудни. Например, идеално е за четене на дребен шрифт върху етикети за хранителни стойности или листовки с лекарства, където очите ви не могат да видят. Също така е много полезно за намиране на изгубени предмети ; можете да местите телефона си из стаята и да го помолите да ви предупреди, когато открие например паднала на пода слушалка или пиперница в кухня, пълна с буркани.

Освен това, инструментът навлиза в по-субективни и естетически сфери. Guided Vision може да разпознава шарки, форми и цветове , така че можете да го попитате дали раирана риза отива добре с определени панталони или просто да разберете какъв цвят е дрехата. Той дори може да даде общо описание на непозната стая или да идентифицира предметите на масата.

Конфигурация и съвместимост с Android

За да започнете, най-прекият начин е да отворите приложението Gemini, да отидете в настройките на профила си и да активирате опцията за използване на Live Guided Vision. След като направите това, просто отворете Gemini Live и споделете емисията от камерата си. За тези, които търсят още по-бърз достъп, Google е включила опцията за създаване на пряк път от менюто „Достъпност (Зрение)“, което ви позволява да го активирате с жестове с два пръста, плаващия бутон или чрез едновременно натискане на двата бутона за сила на звука.

Що се отнася до техническите изисквания, функцията работи безпроблемно на устройства с Android 9 или по-нова версия , стига Gemini Live да е налична на езика и региона на потребителя. От съществено значение е както операционната система, така и приложението Gemini да са актуализирани до най-новата версия . Освен това, приложението е напълно интегрирано с Google TalkBack , за да се увеличи максимално независимостта на потребителите със зрителни увреждания.

Процесът на разработка и предупрежденията за безопасност

Този пробив не беше въпрос на случайност, а по-скоро резултат от тясно сътрудничество с Aira, експерти във визуалната интерпретация . За да се гарантира надеждността на системата, бяха използвани хиляди часове данни от реалния свят, заедно с подкрепата на над 1.000 тестери от мрежата Trusted Tester , гарантирайки, че изкуственият интелект разбира от каква информация човек наистина се нуждае в ежедневна ситуация.

Има обаче един момент, по който Google е категорична: този инструмент не е нито медицинско устройство, нито система за безопасност. Компанията предупреждава, че Guided Vision може да прави грешки и следователно не трябва да се използва за навигация по улиците, откриване на препятствия по пътя или заместване на функцията на куче водач или бастун. Целта му е допълнителна визуална помощ , а не насоки за безопасно придвижване.

Тази интеграция на зрение в реално време бележи промяна в парадигмата, при която ние вече не се адаптираме към интерфейса на телефона, а по-скоро изкуственият интелект се адаптира към нашата среда. Чрез комбиниране на усъвършенствано визуално разпознаване с естествен гласов интерфейс, Google трансформира мобилния телефон в интелигентен спътник, способен да чете, идентифицира и насочва потребителя във всяка ежедневна ситуация.