গুগল গাইডেড ভিশন কীভাবে কাজ করে তার একটি সম্পূর্ণ নির্দেশিকা

ইনফরমটেক ডিজিটাল » কৃত্রিম বুদ্ধিমত্তা » গুগল গাইডেড ভিশন কীভাবে কাজ করে তার একটি সম্পূর্ণ নির্দেশিকা

ভাবুন তো, আপনি এমন কাউকে আপনার পকেটে বহন করতে পারছেন, যে আপনাকে রিয়েল টাইমে আপনার চারপাশের ঘটনাগুলো হুবহু বর্ণনা করে দিতে পারে। গুগল মূলত জেমিনি লাইভ-এ গাইডেড ভিশন ফিচারটি যুক্ত করে ঠিক এই কাজটিই করেছে । এই ফিচারটি প্রশ্ন টাইপ করে উত্তরের জন্য অপেক্ষা করার প্রচলিত পদ্ধতিকে ভেঙে দিয়েছে এবং এখন আমাদেরকে শুধুমাত্র ক্যামেরা লেন্সের মাধ্যমে পৃথিবীকে দেখিয়েই কৃত্রিম বুদ্ধিমত্তার সাথে যোগাযোগ করার সুযোগ করে দিচ্ছে।

এই টুলটি কেবল একটি স্থির ফটো বিশ্লেষক নয়; এটি কম্পিউটার ভিশনের উপর ভিত্তি করে একটি সাবলীল এবং গতিশীল কথোপকথন প্রদান করে। যদিও চাক্ষুষ বিবরণের ক্ষেত্রে যাদের সাহায্যের প্রয়োজন, তাদের জন্য এর ব্যাপক সম্ভাবনা রয়েছে, তবে এর মূল উদ্দেশ্য হলো অন্ধ বা দৃষ্টি প্রতিবন্ধী ব্যক্তিদের জন্য প্রবেশগম্যতা নিশ্চিত করা , যার লক্ষ্য হলো সুনির্দিষ্ট অডিও নির্দেশাবলীর মাধ্যমে পরিবেশকে আরও বেশি বোধগম্য এবং পরিচালনাযোগ্য করে তোলা।

এই প্রযুক্তিটি ঠিক কীভাবে কাজ করে?

প্রক্রিয়াটি বেশ সহজ: ব্যবহারকারী ফিচারটি চালু করেন এবং ক্যামেরার সিগন্যালটি জেমিনি লাইভের সাথে শেয়ার করেন। সেখান থেকে, এআই লাইভ ছবিটি বিশ্লেষণ করে, এবং ব্যবহারকারী যা দেখছেন সে সম্পর্কে যেকোনো কিছু জিজ্ঞাসা করতে পারেন। এর সবচেয়ে শক্তিশালী ফিচারটি হলো এটি ফলো-আপ প্রশ্ন করার সুযোগ দেয় ; অর্থাৎ, জেমিনি যদি কোনো আচারের জার শনাক্ত করে, তাহলে কোয়েরিটি পুনরায় শুরু না করেই আপনি সাথে সাথে সেটির মেয়াদ শেষ হওয়ার তারিখ বা উপাদান সম্পর্কে জিজ্ঞাসা করতে পারেন।

অন্যান্য টুলের থেকে ভিন্ন, গাইডেড ভিশন ফোনের ফ্রেমকে নিয়ন্ত্রণ করতে পারে । যদি ডিভাইসটি খুব উঁচুতে, বস্তুর খুব কাছে, বা কেন্দ্র থেকে সামান্য সরে থাকে, তাহলে অ্যাসিস্ট্যান্টটি ফোনের অবস্থান ঠিক করার জন্য আপনাকে মৌখিক সংকেত দেবে । এটি নিশ্চিত করে যে, বর্ণনায় ভুল এড়ানোর জন্য এআই-এর কাছে প্রয়োজনীয় চাক্ষুষ তথ্য রয়েছে।

দৈনন্দিন জীবনের জন্য ব্যবহারিক সরঞ্জাম

এর ব্যবহার অত্যন্ত বৈচিত্র্যময় এবং এটি দৈনন্দিন জীবনের এমন সব পরিস্থিতির সমাধান করে যা কখনও কখনও বেশ কঠিন হতে পারে। উদাহরণস্বরূপ, পুষ্টির লেবেল বা ওষুধের লিফলেটের মতো ছোট অক্ষর পড়ার জন্য এটি আদর্শ, যা খালি চোখে দেখা যায় না। হারিয়ে যাওয়া জিনিস খুঁজে বের করার জন্যও এটি খুব কার্যকর ; আপনি আপনার ফোনটি ঘরের চারপাশে ঘোরাতে পারেন এবং এটিকে আপনাকে সতর্ক করতে বলতে পারেন, যেমন—মেঝেতে পড়ে যাওয়া কোনো ইয়ারবাড বা বয়ামে ভরা রান্নাঘরের মধ্যে গোলমরিচের পাত্র খুঁজে পেলে।

এছাড়াও, এই টুলটি আরও ব্যক্তিগত ও নান্দনিক জগতের গভীরে প্রবেশ করে। গাইডেড ভিশন নকশা, আকৃতি এবং রং চিনতে পারে , তাই আপনি এটিকে জিজ্ঞাসা করতে পারেন যে একটি ডোরাকাটা শার্ট কোনো নির্দিষ্ট প্যান্টের সাথে মানাবে কি না, অথবা কেবল একটি পোশাকের রং কী তা খুঁজে বের করতে পারেন। এটি এমনকি একটি অপরিচিত ঘরের সাধারণ বর্ণনা দিতে পারে বা টেবিলের ওপর থাকা জিনিসপত্র শনাক্ত করতে পারে।

অ্যান্ড্রয়েড কনফিগারেশন এবং সামঞ্জস্যতা

শুরু করার সবচেয়ে সহজ উপায় হলো Gemini অ্যাপটি খুলে আপনার প্রোফাইল সেটিংসে গিয়ে Live Guided Vision ব্যবহারের অপশনটি চালু করা । এটি করার পর, শুধু Gemini Live খুলুন এবং আপনার ক্যামেরা ফিড শেয়ার করুন। যারা আরও দ্রুত অ্যাক্সেস চান, তাদের জন্য Google অ্যাক্সেসিবিলিটি (ভিশন) মেনু থেকে একটি শর্টকাট তৈরি করার অপশন রেখেছে , যা আপনাকে দুই আঙুলের জেসচার, ফ্লোটিং বাটন অথবা একই সাথে দুটি ভলিউম বাটন চেপে এটি চালু করার সুযোগ দেবে।

প্রযুক্তিগত প্রয়োজনীয়তার ক্ষেত্রে, ফিচারটি অ্যান্ড্রয়েড ৯ বা তার পরবর্তী সংস্করণের ডিভাইসগুলিতে মসৃণভাবে চলে , তবে শর্ত হলো ব্যবহারকারীর ভাষা এবং অঞ্চলে জেমিনি লাইভ উপলব্ধ থাকতে হবে। অপারেটিং সিস্টেম এবং জেমিনি অ্যাপ উভয়কেই সর্বশেষ সংস্করণে আপডেট করা আবশ্যক। এছাড়াও, দৃষ্টি প্রতিবন্ধী ব্যবহারকারীদের স্বনির্ভরতা সর্বোচ্চ পর্যায়ে নিয়ে যাওয়ার জন্য এটি গুগল টকব্যাক-এর সাথে সম্পূর্ণরূপে সমন্বিত।

উন্নয়ন প্রক্রিয়া এবং নিরাপত্তা সতর্কতা

এই যুগান্তকারী সাফল্যটি কোনো আকস্মিক ঘটনা ছিল না, বরং ভিজ্যুয়াল ইন্টারপ্রিটেশনের বিশেষজ্ঞ প্রতিষ্ঠান আইরা (Aira)- এর সাথে নিবিড় সহযোগিতার ফল । সিস্টেমটির নির্ভরযোগ্যতা নিশ্চিত করতে, হাজার হাজার ঘণ্টার বাস্তব ডেটা ব্যবহার করা হয়েছিল এবং এর সাথে ছিল ট্রাস্টেড টেস্টার নেটওয়ার্কের ১,০০০- এরও বেশি পরীক্ষকের সমর্থন , যা এটা নিশ্চিত করে যে, দৈনন্দিন পরিস্থিতিতে একজন ব্যক্তির প্রকৃতপক্ষে কোন তথ্যের প্রয়োজন, তা এআই (AI) বুঝতে পারে।

তবে, একটি বিষয়ে গুগল অনড়: এই টুলটি কোনো মেডিকেল ডিভাইস বা সুরক্ষা ব্যবস্থা নয়। সংস্থাটি সতর্ক করে যে গাইডেড ভিশন ভুল করতে পারে এবং তাই এটি রাস্তায় পথ খুঁজে বের করতে, পথের বাধা শনাক্ত করতে, বা গাইড কুকুর বা লাঠির কাজ প্রতিস্থাপন করতে ব্যবহার করা উচিত নয় । এর উদ্দেশ্য হলো পরিপূরক চাক্ষুষ সহায়তা , নিরাপদ চলাচলে নির্দেশনা নয়।

রিয়েল-টাইম ভিশনের এই সংযোজন একটি যুগান্তকারী পরিবর্তন নিয়ে এসেছে, যেখানে আমরা আর ফোনের ইন্টারফেসের সাথে নিজেদের মানিয়ে নিই না, বরং এআই আমাদের পরিবেশের সাথে নিজেকে খাপ খাইয়ে নেয়। উন্নত ভিজ্যুয়াল রিকগনিশনকে একটি স্বাভাবিক ভয়েস ইন্টারফেসের সাথে যুক্ত করে গুগল মোবাইল ফোনকে এমন এক বুদ্ধিমান সঙ্গীতে রূপান্তরিত করে, যা যেকোনো দৈনন্দিন পরিস্থিতিতে ব্যবহারকারীকে পড়তে, শনাক্ত করতে এবং পথ দেখাতে সক্ষম।