- Omogućava audio opise u realnom vremenu putem kamere i Gemini Live-a.
- Uključuje pomoć pri uokviravanju mobilnog uređaja i postavljanju dodatnih pitanja.
- Dizajniran je kao alat za pristupačnost za slijepe ili slabovidne osobe.
- Zahtijeva Android 9 ili noviji i ne zamjenjuje tradicionalna pomagala za mobilnost.
Zamislite da u džepu možete nositi nekoga ko vam može tačno opisati šta se dešava oko vas u realnom vremenu. Pa, to je u osnovi ono što je Google uradio integrišući Guided Vision u Gemini Live , funkciju koja prekida tradicionalnu dinamiku kucanja pitanja i čekanja odgovora, sada nam omogućavajući interakciju sa vještačkom inteligencijom jednostavnim prikazivanjem svijeta kroz objektiv kamere.
Ovaj alat nije samo statički analizator fotografija; on nudi fluidnu i dinamičnu konverzaciju zasnovanu na kompjuterskom vidu. Iako ima ogroman potencijal za svakoga kome je potrebna pomoć s vizualnim detaljima, njegova osnovna svrha je pristupačnost slijepim ili slabovidnim osobama , s ciljem da okruženje učini mnogo razumljivijim i upravljivijim putem preciznih audio uputa.
Kako tačno funkcioniše ova tehnologija?
Proces je prilično jednostavan: korisnik aktivira funkciju i dijeli signal kamere sa Gemini Live-om. Nakon toga, AI analizira sliku uživo, a korisnik može pitati bilo šta o onome što vidi. Najmoćnija funkcija je što omogućava dodatna pitanja ; to jest, ako Gemini identificira teglu džemova, možete ga odmah pitati o datumu isteka ili sastojcima bez potrebe za ponovnim pokretanjem upita.
Za razliku od drugih alata, Guided Vision može voditi kadriranje telefona . Ako je uređaj usmjeren previsoko, preblizu objektu ili malo van centra, asistent će vam dati verbalne znakove za podešavanje položaja telefona . Ovo osigurava da umjetna inteligencija ima potrebne vizualne informacije kako bi se izbjegle greške u njegovom opisu.
Praktični alati za svakodnevni život
Aplikacije su nevjerovatno raznolike i bave se svakodnevnim situacijama koje ponekad mogu biti izazovne. Na primjer, idealan je za čitanje sitnog tiska na etiketama s nutritivnim vrijednostima ili uputama o lijekovima gdje vaše oči ne mogu vidjeti. Također je vrlo koristan za lociranje izgubljenih predmeta ; možete pomicati telefon po sobi i tražiti da vas upozori kada detektuje, na primjer, slušalicu koja je pala na pod ili bibernik u kuhinji punoj tegli.
Nadalje, alat zalazi u subjektivnije i estetske sfere. Vođeni vid može prepoznati uzorke, oblike i boje , tako da ga možete pitati da li prugasta košulja ide dobro uz određene hlače ili jednostavno saznati koje je boje odjevni predmet. Može čak dati i opći opis nepoznate sobe ili identificirati predmete na stolu.
Konfiguracija i kompatibilnost Androida
Za početak, najdirektniji način je da otvorite aplikaciju Gemini, odete na postavke profila i omogućite opciju korištenja Live Guided Vision. Nakon što to učinite, jednostavno otvorite Gemini Live i podijelite svoj feed kamere. Za one koji traže još brži pristup, Google je uključio opciju kreiranja prečice iz menija Pristupačnost (Vid), što vam omogućava da je aktivirate pokretima dva prsta, plutajućim dugmetom ili istovremenim pritiskom oba dugmeta za jačinu zvuka.
Što se tiče tehničkih zahtjeva, funkcija radi glatko na uređajima sa Androidom 9 ili novijim , pod uslovom da je Gemini Live dostupan na jeziku i u regiji korisnika. Neophodno je da i operativni sistem i aplikacija Gemini budu ažurirani na najnoviju verziju . Nadalje, potpuno je integrirana s Google TalkBackom kako bi se maksimizirala nezavisnost za korisnike s oštećenjem vida.
Proces razvoja i sigurnosna upozorenja
Ovaj proboj nije bio stvar slučajnosti, već rezultat bliske saradnje sa kompanijom Aira, stručnjacima za vizuelnu interpretaciju . Kako bi se osigurala pouzdanost sistema, korištene su hiljade sati podataka iz stvarnog svijeta, uz podršku preko 1.000 testera iz mreže Trusted Tester , što garantuje da vještačka inteligencija razumije koje informacije su osobi zaista potrebne u svakodnevnoj situaciji.
Međutim, postoji jedna stvar u kojoj Google uporno tvrdi: ovaj alat nije ni medicinski uređaj ni sigurnosni sistem. Kompanija upozorava da Guided Vision može praviti greške i stoga se ne bi trebao koristiti za navigaciju ulicama, otkrivanje prepreka na putu ili zamjenu funkcije psa vodiča ili štapa. Njegova svrha je komplementarna vizualna pomoć , a ne sigurno vođenje za kretanje.
Ova integracija vida u realnom vremenu označava promjenu paradigme gdje se više ne prilagođavamo interfejsu telefona, već se vještačka inteligencija prilagođava našem okruženju. Kombinujući napredno vizuelno prepoznavanje sa prirodnim glasovnim interfejsom, Google transformiše mobilni telefon u inteligentnog pratioca sposobnog da čita, identifikuje i vodi korisnika u bilo kojoj svakodnevnoj situaciji.