স্মার্টফোনে তথ্য খোঁজা কিংবা কাউকে বার্তা পাঠাতে মুখের কথার ব্যবহার এতদিন পরিচিত থাকলেও, এবার সেই অভিজ্ঞতাকে আরও একধাপ এগিয়ে নিলো সার্চ জায়ান্ট গুগল। গুগল ডিপমাইন্ড নিয়ে এসেছে ‘এসএলটুটি’ (সাইন-ল্যাঙ্গুয়েজ-টু-টেক্সট) নামের এক যুগান্তকারী কৃত্রিম বুদ্ধিমত্তা (এআই) প্রযুক্তি। এই প্রযুক্তির সাহায্যে এখন থেকে টাইপ বা কথা না বলেও কেবল হাতের ইশারায় (সাইন ল্যাঙ্গুয়েজ) ওয়েবে সার্চ, বার্তা লেখা ও স্মার্টফোন পরিচালনা করা যাবে।

বিশ্বজুড়ে ছড়িয়ে থাকা প্রায় ৭ কোটি বাক ও শ্রবণপ্রতিবন্ধী মানুষের ডিজিটাল সেবা ব্যবহারের অভিজ্ঞতাকে সহজ ও স্বাভাবিক করতে গুগলের এই বিশেষ উদ্যোগ। তবে চাইলে সাধারণ ব্যবহারকারীরাও হ্যান্ড জেশ্চারের মাধ্যমে এই সুবিধা উপভোগ করতে পারবেন।

গুগল ডিপমাইন্ড ব্লগের বরাতে জানা গেছে, নতুন এই এআই প্রযুক্তিটি প্রাথমিকভাবে গুগলের ফ্ল্যাগশিপ পিক্সেল ১১ (Pixel 11) স্মার্টফোনের কিবোর্ড অ্যাপ ‘জিবোর্ড’ এবং ‘লাইভ ট্রান্সক্রাইব’ ফিচারে যুক্ত করা হয়েছে। এটি প্রথম ধাপে আমেরিকান সাইন ল্যাঙ্গুয়েজকে (ASL) সরাসরি নির্ভুল টেক্সটে রূপান্তর করতে সক্ষম।

সাধারণ ভয়েস টাইপিং বা ট্রান্সক্রিপশনের চেয়ে ইশারার ভাষা অনুবাদের বিষয়টি অনেক বেশি জটিল। কারণ প্রতিটি ইশারার নির্দিষ্ট ব্যাকরণ, বাক্যের বিশেষ গঠন ও মুখের অবয়বের সূক্ষ্ম অভিব্যক্তি থাকে। এই চ্যালেঞ্জ মোকাবিলায় গুগল ডিপমাইন্ড তাদের এআই মডেলটিকে বিশ্বজুড়ে ৫০টি দেশের ইশারার ওপর ১ লাখ ঘণ্টারও বেশি সমৃদ্ধ ভিডিও ডেটা দিয়ে কঠোর প্রশিক্ষণ দিয়েছে; যার বড় অংশই আমেরিকান সাইন ল্যাঙ্গুয়েজকেন্দ্রিক।

ব্যবহারকারীর গোপনীয়তা ও সুরক্ষার দিকটিতে সর্বোচ্চ গুরুত্ব দিয়েছে গুগল। এতে ব্যবহার করা হয়েছে ‘অন-ডিভাইস ট্র্যাকিং’ প্রযুক্তি। অ্যাপটি কোনো ভিডিও সংরক্ষণ করে না; কেবল ব্যবহারকারীর হাত, মুখ ও শরীরের বিভিন্ন জ্যামিতিক পয়েন্টের নড়াচড়া মেপে তাৎক্ষণিক অর্থে রূপান্তর করে আর সঙ্গে সঙ্গেই সংগৃহীত ভিডিও ফাইলটি মুছে ফেলে।

এমনকি কেউ যদি এক হাত বা বাঁ হাতেও ইশারা করেন, তবুও এই প্রযুক্তিটি নিখুঁতভাবে লেখা অনুবাদে সক্ষম। শ্রবণপ্রতিবন্ধী গবেষক ও অধিকার কর্মীদের প্রত্যক্ষ তত্ত্বাবধানে তৈরিকৃত এ উদ্ভাবন স্মার্টফোন ব্যবহারে এক নতুন সম্ভাবনার দুয়ার খুলে দিল। পর্যায়ক্রমে অন্যান্য ডিভাইস ও বৈশ্বিক অন্যান্য ভাষার সাইন ল্যাঙ্গুয়েজও এতে যুক্ত করা হবে বলে জানিয়েছে গুগল।

kalprakash.com/IM