Google memperkenalkan SL2T atau sign-language-to-text, model kecerdasan buatan yang dirancang untuk menerjemahkan bahasa isyarat menjadi teks. Teknologi ini menjadi salah satu contoh pemanfaatan AI yang diarahkan pada kebutuhan aksesibilitas, khususnya bagi pengguna tuli dan orang yang memiliki gangguan pendengaran. Melalui kemampuan tersebut, pengguna dapat menggunakan gerakan bahasa isyarat sebagai bentuk input untuk menghasilkan teks pada perangkat digital.
Pengembangan SL2T menunjukkan bahwa perkembangan kecerdasan buatan tidak hanya berkutat pada chatbot, pembuatan gambar, pemrograman, atau pencarian informasi. AI juga mulai digunakan untuk memahami bentuk komunikasi yang membutuhkan interpretasi visual dan gerakan tubuh. Dalam konteks ini, bahasa isyarat memiliki tantangan tersendiri karena informasi yang disampaikan tidak hanya bergantung pada posisi tangan, tetapi juga dapat melibatkan gerakan tubuh, wajah, serta hubungan spasial antargerakan.
Apa Itu SL2T?
SL2T merupakan singkatan dari sign-language-to-text. Sesuai namanya, model tersebut dirancang untuk mengubah bahasa isyarat menjadi teks. Google mengembangkan teknologi ini agar kemampuan pengenalan bahasa isyarat dapat digunakan dalam produk konsumen, bukan hanya berhenti sebagai demonstrasi atau penelitian di lingkungan laboratorium.
Pada tahap awal penerapannya, teknologi tersebut mendukung American Sign Language atau ASL untuk menghasilkan teks berbahasa Inggris. Google menyebut SL2T sebagai model yang memiliki kemampuan lintas bahasa isyarat, dengan pengembangan yang melibatkan data dari berbagai bahasa isyarat. Namun, dukungan yang tersedia pada penerapan awal tidak berarti seluruh bahasa isyarat sudah dapat diterjemahkan secara langsung oleh pengguna.
Pendekatan tersebut penting karena bahasa isyarat bukan sekadar kumpulan gerakan tangan yang memiliki padanan kata satu per satu. Makna dapat dipengaruhi oleh urutan gerakan, posisi tubuh, ekspresi wajah, dan konteks. Karena itu, sistem AI yang ingin memahami bahasa isyarat harus mampu memproses lebih banyak informasi visual dibandingkan sistem pengenalan gerakan tangan sederhana.
AI Tidak Hanya Membaca Gerakan Tangan
Salah satu aspek penting dalam pengembangan SL2T adalah kemampuan model untuk memahami berbagai komponen visual yang digunakan ketika seseorang berkomunikasi dengan bahasa isyarat. Gerakan tangan memang menjadi bagian utama, tetapi bahasa isyarat juga dapat melibatkan wajah, tubuh, serta hubungan posisi antarbagian tubuh.
Pendekatan tersebut membuat tugas penerjemahan menjadi jauh lebih kompleks dibandingkan sekadar mengenali satu gestur tertentu. Sebuah sistem yang hanya melihat bentuk tangan berpotensi kehilangan konteks yang disampaikan melalui gerakan tubuh atau ekspresi wajah. SL2T dikembangkan dengan pendekatan yang mempertimbangkan informasi tersebut sehingga model dapat berusaha memahami bahasa isyarat secara lebih menyeluruh.
Google juga menjelaskan penggunaan pelacakan titik-titik tubuh untuk membantu menjaga aspek privasi ketika teknologi digunakan. Informasi visual dari kamera dapat diproses untuk mendapatkan representasi geometris dari gerakan tubuh, tangan, dan bagian lain yang diperlukan. Pendekatan seperti ini membuat pemrosesan tidak semata-mata bergantung pada penyimpanan rekaman video mentah sebagai data yang harus terus dikirim atau dipertahankan.
Aspek privasi menjadi penting karena teknologi penerjemah bahasa isyarat membutuhkan kamera untuk melihat pengguna. Kamera pada perangkat merupakan sumber informasi yang sangat sensitif. Karena itu, desain pemrosesan yang mengurangi kebutuhan terhadap video mentah dapat menjadi bagian penting dalam membangun kepercayaan pengguna terhadap teknologi aksesibilitas berbasis AI.
Masuk ke Produk Konsumen
Salah satu hal yang membuat SL2T menarik adalah penerapannya pada perangkat yang digunakan sehari-hari. Google membawa kemampuan sign-to-text ke fitur seperti Gboard dan Live Transcribe pada Pixel 11. Dengan integrasi tersebut, teknologi penerjemahan bahasa isyarat tidak hanya ditempatkan sebagai perangkat eksperimen, tetapi diarahkan untuk digunakan dalam aktivitas digital yang lebih praktis.
Melalui Gboard, kemampuan tersebut memungkinkan pengguna melakukan input menggunakan bahasa isyarat pada situasi yang biasanya membutuhkan pengetikan. Secara konsep, pengguna dapat menggunakan bahasa isyarat untuk memasukkan teks ketika melakukan aktivitas seperti mencari informasi atau menyusun pesan. Integrasi dengan perangkat lunak yang sudah dikenal juga dapat membuat teknologi baru lebih mudah dipahami karena pengguna tidak harus mempelajari sebuah sistem komunikasi digital yang sepenuhnya terpisah.
SL2T juga digunakan dalam konteks Live Transcribe. Kehadiran kemampuan tersebut memperluas gagasan bahwa komunikasi digital tidak selalu harus dilakukan dengan mengetik. Bagi pengguna yang menggunakan bahasa isyarat sebagai bentuk komunikasi utama, kemampuan mengubah bahasa isyarat menjadi teks dapat menjadi alternatif ketika lawan bicara tidak memahami bahasa isyarat.
Google juga menyebut integrasi tersebut dapat membantu pengguna berinteraksi dengan layanan lain, termasuk Gemini. Dengan demikian, kemampuan penerjemahan tidak berhenti pada pembuatan teks sederhana. Bahasa isyarat dapat menjadi salah satu bentuk input yang digunakan untuk menjalankan aktivitas digital melalui perangkat.
Dikembangkan Bersama Komunitas Tuli
Pengembangan teknologi bahasa isyarat memiliki tantangan yang berbeda dari pengembangan sistem pengenalan suara. Salah satu alasannya adalah bahasa isyarat memiliki karakteristik linguistik dan visual yang kompleks. Karena itu, keterlibatan komunitas pengguna menjadi bagian penting untuk memastikan teknologi yang dibuat tidak hanya terlihat berhasil dalam pengujian teknis, tetapi juga relevan dengan kebutuhan orang yang menggunakannya.
Google menyatakan bahwa pengembangan SL2T dilakukan dengan melibatkan komunitas Tuli. Keterlibatan tersebut memberikan masukan mengenai bagaimana teknologi seharusnya digunakan dalam situasi nyata. Pendekatan semacam ini dapat membantu pengembang memahami kebutuhan pengguna, termasuk variasi cara seseorang melakukan bahasa isyarat serta kondisi ketika sistem harus mengenali gerakan.
Kolaborasi dengan komunitas juga penting untuk menghindari anggapan bahwa semua bahasa isyarat memiliki struktur yang sama. Bahasa isyarat berkembang di komunitas yang berbeda dan tidak dapat diperlakukan sebagai satu bahasa universal. Karena itu, kemampuan sebuah model dalam mengenali satu bahasa isyarat tidak otomatis berarti model tersebut dapat memahami bahasa isyarat lain dengan tingkat kemampuan yang sama.
Tantangan Penerjemahan Bahasa Isyarat
Meskipun perkembangan SL2T menjadi langkah penting, penerjemahan bahasa isyarat menggunakan AI tetap memiliki tantangan. Sistem harus mampu menangani variasi gerakan, posisi kamera, pencahayaan, kecepatan komunikasi, serta perbedaan cara seseorang melakukan tanda tertentu. Tantangan tersebut menjadi lebih besar ketika pengguna tidak berada dalam kondisi ideal seperti lingkungan pengujian.
Bahasa isyarat juga memiliki unsur yang tidak mudah direpresentasikan sebagai rangkaian kata sederhana. Ekspresi wajah, arah pandangan, gerakan tubuh, dan posisi tangan dapat berkontribusi terhadap makna. Karena itu, sistem yang hanya mengandalkan pengenalan bentuk tangan dapat kehilangan sebagian informasi yang diperlukan untuk memahami pesan secara tepat.
Google mengembangkan SL2T dengan pendekatan yang berusaha mempertahankan informasi tersebut. Model diarahkan untuk menerjemahkan bahasa isyarat langsung menjadi teks tanpa harus selalu mengubahnya terlebih dahulu menjadi representasi antara yang kemudian diterjemahkan kembali. Pendekatan langsung tersebut ditujukan untuk membantu model mempertahankan karakteristik bahasa isyarat yang bersifat visual dan spasial.
Di sisi lain, penerjemahan otomatis selalu memiliki kemungkinan menghasilkan kesalahan. Karena hasil akhir berupa teks dapat digunakan untuk komunikasi, pengguna tetap perlu memperhatikan hasil yang diberikan sistem. Untuk percakapan yang membutuhkan ketepatan tinggi, teknologi AI sebaiknya dipandang sebagai alat bantu dan bukan pengganti mutlak kemampuan manusia dalam memahami konteks komunikasi.
Privasi Menjadi Bagian Penting
Penggunaan kamera untuk mengenali bahasa isyarat membuat privasi menjadi salah satu aspek yang tidak dapat dipisahkan dari teknologi ini. Kamera dapat menangkap lingkungan sekitar selain gerakan pengguna. Karena itu, pemrosesan yang dilakukan pada perangkat dan cara data dikirim menjadi faktor penting bagi keamanan pengguna.
Pendekatan yang digunakan Google mencakup pemrosesan pelacakan gerakan tubuh pada perangkat sebelum informasi yang dibutuhkan diteruskan untuk proses berikutnya. Dengan mengubah informasi visual menjadi representasi titik atau koordinat gerakan, sistem dapat mengurangi ketergantungan terhadap pengiriman video mentah. Konsep tersebut memberikan lapisan perlindungan tambahan, meskipun pengguna tetap perlu memahami bagaimana sebuah fitur memproses data ketika menggunakannya.
Privasi menjadi semakin penting karena teknologi aksesibilitas idealnya tidak membuat pengguna harus memilih antara kemudahan komunikasi dan keamanan informasi pribadi. Semakin banyak fitur AI yang menggunakan kamera, mikrofon, atau sensor tubuh, semakin penting pula transparansi mengenai data yang dikumpulkan, diproses, dan disimpan.
Potensi Penggunaan di Kehidupan Sehari-hari
Kehadiran SL2T pada perangkat konsumen membuka sejumlah kemungkinan penggunaan. Salah satunya adalah komunikasi antara pengguna bahasa isyarat dan orang yang tidak memahami bahasa isyarat. Dalam kondisi tertentu, kemampuan menghasilkan teks secara langsung dapat mengurangi kebutuhan pengguna untuk mengetik setiap kalimat secara manual.
Teknologi ini juga berpotensi membantu aktivitas digital yang membutuhkan input cepat. Pencarian informasi, penyusunan pesan, dan interaksi dengan layanan berbasis AI merupakan beberapa contoh aktivitas yang secara umum membutuhkan teks sebagai input. Dengan bahasa isyarat menjadi salah satu bentuk input, perangkat dapat memberikan pilihan komunikasi yang lebih beragam.
Namun, manfaat tersebut tetap bergantung pada kondisi penggunaan. Pengguna membutuhkan posisi kamera yang mampu menangkap gerakan dengan baik. Sistem juga harus mampu bekerja dalam berbagai kondisi lingkungan. Faktor-faktor tersebut menunjukkan bahwa keberhasilan teknologi bukan hanya ditentukan oleh kemampuan model AI, tetapi juga oleh rancangan pengalaman pengguna dan perangkat keras yang menjadi tempat teknologi tersebut digunakan.
Langkah Awal Menuju Teknologi yang Lebih Inklusif
SL2T memperlihatkan arah lain perkembangan kecerdasan buatan, yaitu menjadikan teknologi sebagai alat untuk memperluas akses terhadap perangkat digital. Selama ini, interaksi dengan komputer dan smartphone banyak mengandalkan keyboard, layar sentuh, suara, atau gerakan tertentu. Bahasa isyarat menghadirkan bentuk interaksi visual yang membutuhkan kemampuan AI untuk memahami rangkaian gerakan dalam konteks yang lebih luas.
Masuknya kemampuan tersebut ke produk konsumen juga menunjukkan perubahan dari sekadar penelitian menuju penerapan yang dapat digunakan secara langsung. Google tidak hanya memperkenalkan model AI, tetapi menghubungkannya dengan Gboard dan Live Transcribe sehingga kemampuan tersebut memiliki tempat dalam alur penggunaan perangkat sehari-hari.
Meski demikian, teknologi ini masih merupakan bagian dari perjalanan panjang menuju penerjemahan bahasa isyarat yang semakin luas. Penerapan awal yang berfokus pada ASL dan bahasa Inggris menunjukkan bahwa dukungan untuk bahasa isyarat lain membutuhkan pengembangan lebih lanjut. Google menyatakan bahwa lebih banyak bahasa dan perangkat direncanakan untuk hadir ke depan.
Perluasan tersebut akan menjadi tantangan tersendiri karena setiap bahasa isyarat memiliki karakteristik dan komunitas pengguna masing-masing. Model AI tidak cukup hanya memiliki kemampuan teknis untuk mengenali gerakan. Pengembangan juga membutuhkan data yang sesuai, evaluasi bersama pengguna, serta pemahaman terhadap konteks linguistik dan budaya yang melekat pada bahasa tersebut.
AI dan Masa Depan Aksesibilitas
Peluncuran SL2T memberikan gambaran bahwa masa depan AI tidak selalu harus diukur dari seberapa besar model dapat menjawab pertanyaan atau menghasilkan konten. Kemampuan memahami cara manusia berkomunikasi juga menjadi bagian penting dari perkembangan teknologi. Dalam kasus bahasa isyarat, AI digunakan untuk menjembatani perbedaan cara berinteraksi dengan perangkat digital.
Teknologi seperti SL2T juga memperlihatkan pentingnya menggabungkan kemampuan model AI dengan desain produk. Model yang kuat tidak akan banyak membantu apabila pengguna kesulitan mengarahkan kamera, hasil penerjemahan sulit diperiksa, atau fitur tidak tersedia pada perangkat yang mereka gunakan. Karena itu, pengembangan aksesibilitas membutuhkan pendekatan menyeluruh dari sisi model, perangkat, antarmuka, privasi, dan pengalaman pengguna.
Pada akhirnya, SL2T dapat dilihat sebagai salah satu langkah Google dalam membawa pengenalan bahasa isyarat dari ranah penelitian menuju penggunaan sehari-hari. Teknologi tersebut menawarkan cara baru bagi pengguna tuli dan sulit mendengar untuk berinteraksi dengan perangkat melalui bahasa isyarat. Dengan dukungan pengembangan lebih lanjut, termasuk perluasan bahasa dan perangkat, kemampuan seperti ini berpotensi menjadi bagian yang semakin penting dari ekosistem teknologi yang lebih inklusif.
