کاربردهای هوش مصنوعی در تبدیل و ترجمه پیوسته زبان اشاره ارتباط ناشنوایان با دنیای بیرون

فناوری های هوش مصنوعی نقش کلیدی در از بین بردن موانع ارتباطی جامعه ناشنوایان و کم شنوایان ایفا می کنند. با بهره گیری از پیشرفت های اخیر در حسگرهای پوشیدنی، الگوریتم های یادگیری عمیق شامل شبکه های کانولوشنی و معماری های مبتنی بر ترنسفورمر و تکنیک های بینایی کامپیوتری، سیستم های پیشرفته ای برای تشخیص خودکار زبان اشاره، ترجمه بلادرنگ به زبان گفتاری و بازنمایی بصری تعاملی توسعه یافته است. این مقاله مروری جامع و سیستماتیک بر نوآوری های روز این حوزه ارائه می دهد و به ویژه با تاکید بر چالش های فنی مانند تنوع زبانی میان زبان های اشاره مختلف مانند BSL، ASL و زبان اشاره ایرانی، پایداری در برابر تغییرات نور و حرکت و مسائل حریم خصوصی داده ها. بر اساس تحلیل بیش از ۱۰۰ مطالعه منتشر شده بین سال های ۲۰۱۸ تا ۲۰۲۵، رویکردهای یادگیری تقویتی و چندوجهی (ترکیب تصاویر RGB-D با داده های اسکلتی) دقت تشخیص را تا ۹۵ افزایش داده اند و سیستم های ترجمه مبتنی بر تاخیر را به کمتر از ۲۰۰ میلی ثانیه رسانده اند. همچنین کاربردهای عملی در آموزش، بهداشت و تعاملات اجتماعی بررسی شده و جهت گیری های آینده شامل ادغام با دستگاه های پوشیدنی مانند دستکش های هوشمند و مدل های زبانی بزرگ پیشنهاد شده است. این مرور خلاهای تحقیقاتی موجود را برجسته کرده و چارچوبی آینده نگر هم راستا با هدف ۱۰ توسعه پایدار سازمان ملل، کاهش نابرابری ها ارائه می دهد.

کلیدواژه ها:

هوش مصنوعی ، تشخیص زبان اشاره ، تشخیص ژست ، یادگیری عمیق ، بینایی کامپیوتری ، دسترس پذیری ، ترجمه بلادرنگ ، یادگیری چندوجهی ، فناوری فراگیر