- Guided Vision využívá Gemini Live a fotoaparát mobilního telefonu k poskytování zvukových popisů prostředí v reálném čase.
- Umožňuje číst krátké texty, identifikovat objekty a přijímat hlasové pokyny pro správnou orientaci fotoaparátu.
- Je k dispozici pro zařízení s Androidem 9 nebo novějším a integruje se s TalkBackem a zkratkami pro usnadnění přístupu.
- Jedná se o doplňkový podpůrný nástroj a neměl by být používán jako zdravotnický prostředek ani průvodce mobilitou.
Pravděpodobně jste již slyšeli o tom, jak umělá inteligence mění způsob, jakým interagujeme se světem, ale to, co Google navrhl s Guided Vision, jde ještě o krok dál. Nemluvíme jen o chatovací aplikaci, která odpovídá na otázky, ale o průlomovém nástroji pro usnadnění přístupu, jehož cílem je prolomit bariéry pro osoby se zrakovým postižením a proměnit váš telefon v jakéhosi chytrého průvodce v reálném čase.
Tato funkce se neobjevila z ničeho nic; byla vyvíjena postupně ve spolupráci s komunitami nevidomých a zrakově postižených lidí. Cíl je jednoduchý, ale ambiciózní: umožnit komukoli porozumět svému bezprostřednímu okolí, aniž by se musel neustále spoléhat na ostatní, a to využitím síly Gemini Live a kamery zařízení k popisu reality prostřednictvím zvuku.
Co přesně je řízené vidění?
V podstatě se jedná o funkci integrovanou do ekosystému Gemini Live, která umožňuje telefonu vizuálně analyzovat své okolí a překládat ho do slov. Nejlepší na tom je, že se nejedná o statický popis, ale o plynulou interakci. Pokud se například pokusíte přečíst popisek a telefon je mírně nakloněný, umělá inteligence nejenže řekne, že nic nevidí, ale dá vám hlasové pokyny k překombinování obrazu nebo vycentrování objektu, což činí zážitek mnohem intuitivnějším.
Možnosti a využití v každodenním životě
Všestrannost tohoto nástroje je obrovská a lze jej použít v situacích, kterých si my ostatní někdy nevšímáme, ale které jsou pro někoho se slabým zrakem každodenní výzvou:
- Okamžité čtení a překlad: Od luštění drobného písma na složkách potravin až po čtení jídelního lístku v tlumeně osvětlené restauraci nebo interpretaci obrazovek spotřebičů.
- Umístění objektu: Nástroj může pomoci identifikovat, kde se něco nachází, a poskytnout zvukové stopy k nalezenízabránění uživateli v tápání ve tmě.
- Analýza okolí: Dokáže popsat rozvržení místnosti nebo vás upozornit, pokud nějaký předmět spadl na podlahu, a to s podrobnými informacemi. barvy, tvary a vzory specifické.
Jak to nastavit a jaké jsou požadavky
Abyste mohli začít používat funkci Guided Vision, musíte mít nejprve nainstalovanou aplikaci Gemini a zařízení se systémem Android 9 nebo novějším . Jakmile jste v aplikaci, přejděte do nastavení Gemini a zapněte přepínač „Používat Guided Vision v živém přenosu“ . Poté jednoduše spusťte relaci Gemini Live, sdílejte kameru a nechte kouzlo začít.
Aby byl skutečně užitečný, Google integroval velmi praktické zkratky . Můžete si ho nastavit pomocí tlačítka pro přístupnost, specifických gest nebo dokonce tlačítek hlasitosti a je také plně integrován do nabídky TalkBack , oficiální čtečky obrazovky pro Android. Mějte však na paměti, že zavádění je postupné, takže může chvíli trvat, než se zobrazí ve vašem účtu.
Důležité varování ohledně jeho limitů
I když je tato technologie působivá, je důležité si uvědomit, že mluvíme o umělé inteligenci, a proto může dělat chyby . Google se k tomu vyjádřil velmi jasně: Guided Vision není zdravotnický prostředek ani navigační nástroj. Za žádných okolností by neměl být používán k detekci překážek v cestě ani k navigaci na ulici, protože nezaručuje absolutní přesnost. Měl by být chápán jako doplňková podpora , nikoli jako náhrada optických pomůcek nebo vodicích psů.
Obecný kontext umělé inteligence ve společnosti Google
Tento nástroj se připojuje k dalším inovacím, jako je například Přehled s využitím umělé inteligence ve vyhledávači, který shrnuje informace z různých zdrojů a šetří tak čas. Google výrazně investuje do modelu, kde je jádrem generativní umělá inteligence, což uživatelům umožňuje přejít od rychlého vyhledávání k hloubkové konverzaci v režimu umělé inteligence . To vše je podporováno infrastrukturou Google Cloud , kde je soukromí prvořadé, což zajišťuje, že uživatelé mají kontrolu nad svými daty a že s informacemi se nakládá v souladu s přísnými smlouvami.
Integrace kamery, hlasu a strojového učení přibližuje technologii k tomu, co známe jako asistenční technologie pro nevidomé, a nabízí přirozenou a lidskou interakci . Kombinací schopností vizuální analýzy s mluvenými odpověďmi se usnadňuje autonomie tisíců lidí při každodenních úkonech, které byly dříve složité, a upevňuje se tak pozice umělé inteligence jako základního spojence pro inkluzi a univerzální přístupnost.