- Omogućuje audio opise u stvarnom vremenu putem kamere i Gemini Livea.
- Uključuje pomoć pri uokviravanju mobilnog uređaja i postavljanju dodatnih pitanja.
- Osmišljen 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 tko vam može točno opisati što se događa oko vas u stvarnom vremenu. Pa, to je u osnovi ono što je Google učinio integrirajući Guided Vision u Gemini Live , značajku koja prekida tradicionalnu dinamiku tipkanja pitanja i čekanja odgovora, sada nam omogućujući interakciju s umjetnom inteligencijom jednostavnim prikazivanjem svijeta kroz objektiv kamere.
Ovaj alat nije samo statički analizator fotografija; nudi fluidan i dinamičan razgovor temeljen na računalnom vidu. Iako ima ogroman potencijal za svakoga kome je potrebna pomoć s vizualnim detaljima, njegova glavna svrha je pristupačnost slijepim ili slabovidnim osobama , s ciljem da okruženje učini mnogo razumljivijim i upravljivijim putem preciznih audio uputa.
Kako točno funkcionira ova tehnologija?
Postupak je prilično jednostavan: korisnik aktivira značajku i dijeli signal kamere s Gemini Liveom. Nakon toga, umjetna inteligencija analizira sliku uživo, a korisnik može pitati bilo što o onome što vidi. Najmoćnija značajka je ta što omogućuje dodatna pitanja ; to jest, ako Gemini identificira staklenku konzervi, 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 izvan centra, asistent će vam dati verbalne znakove za prilagođavanje položaja telefona . To osigurava da umjetna inteligencija ima potrebne vizualne informacije kako bi se izbjegle pogreške u njegovom opisu.
Praktični alati za svakodnevni život
Aplikacije su nevjerojatno raznolike i bave se svakodnevnim situacijama koje ponekad mogu biti izazovne. Na primjer, idealan je za čitanje sitnog tiska na nutritivnim oznakama 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 otkrije, na primjer, slušalicu koja je pala na pod ili paprenu posudu u kuhinji punoj staklenki.
Nadalje, alat zalazi u subjektivnija i estetska područja. Vođeni vid može prepoznati uzorke, oblike i boje , pa ga možete pitati ide li prugasta košulja 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, najizravniji način je otvoriti aplikaciju Gemini, otići na postavke profila i omogućiti 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 stvaranja prečaca iz izbornika Pristupačnost (Vid), što vam omogućuje da ga aktivirate gestama s dva prsta, plutajućim gumbom ili istovremenim pritiskom obje tipke za glasnoću.
Što se tiče tehničkih zahtjeva, značajka radi glatko na uređajima s Androidom 9 ili novijim , pod uvjetom da je Gemini Live dostupan na jeziku i regiji korisnika. Bitno je ažurirati i operativni sustav i aplikaciju Gemini na najnoviju verziju . Nadalje, potpuno je integrirana s Google TalkBackom kako bi se maksimizirala neovisnost za korisnike s oštećenjem vida.
Proces razvoja i sigurnosna upozorenja
Ovaj proboj nije bio stvar slučajnosti, već rezultat bliske suradnje s tvrtkom Aira, stručnjacima za vizualnu interpretaciju . Kako bi se osigurala pouzdanost sustava, korištene su tisuće sati podataka iz stvarnog svijeta, uz podršku više od 1.000 testera iz mreže Trusted Tester , što jamči da umjetna inteligencija razumije koje su informacije osobi zaista potrebne u svakodnevnoj situaciji.
Međutim, postoji jedna točka u kojoj Google uporno tvrdi: ovaj alat nije ni medicinski uređaj ni sigurnosni sustav. Tvrtka upozorava da Guided Vision može pogriješiti i stoga se ne bi trebao koristiti za navigaciju ulicama, otkrivanje prepreka na putu ili zamjenu funkcije psa vodiča ili štapa. Njegova je svrha komplementarna vizualna pomoć , a ne sigurno vođenje za kretanje.
Ova integracija vida u stvarnom vremenu označava promjenu paradigme gdje se više ne prilagođavamo sučelju telefona, već se umjetna inteligencija prilagođava našem okruženju. Kombiniranjem naprednog vizualnog prepoznavanja s prirodnim glasovnim sučeljem, Google pretvara mobilni telefon u inteligentnog suputnika sposobnog čitati, identificirati i voditi korisnika u bilo kojoj svakodnevnoj situaciji.