تخيّل أنك أصمّ وتستخدم لغة الإشارة الأمريكية كلغة أولى، وتريد أن تكتب رسالة بريد أو تبحث في جوجل أو تسأل مساعداً ذكياً. حتى يوم قريب كان عليك أن تكتب بلغة إنجليزية مكتوبة، وهي بالنسبة لك لغة ثانية، تماماً كما يواجه السامعون صعوبة في كتابة لغة لا يسمعونها. في 12 أغسطس 2026 غيّرت Google DeepMind هذه المعادلة جذرياً عندما أعلنت عن نموذج SL2T لترجمة لغة الإشارة إلى نص، وهو تقنية تحوّل حركات يديك ووجهك مباشرة إلى كلمات مكتوبة، وتصل الآن إلى هواتف Pixel 11 ضمن لوحة مفاتيح Gboard وتطبيق Live Transcribe دون أي تكلفة إضافية.
هذه ليست ميزة رفاهية ولا عرضاً تسويقياً عابراً. إنها أول مرة تصل فيها ترجمة لغة الإشارة بالذكاء الاصطناعي إلى أجهزة المستهلكين بشكل عملي، وننظر في هذا المقال المتعمّق إلى ما أعلنته DeepMind بالضبط، وكيف تعمل التقنية، ولماذا تعني هذه خطوة الكثير لمستخدمي المنطقة العربية ولغة الإشارة العربية في المستقبل القريب.
ما هي تقنية SL2T من DeepMind؟
SL2T اختصار لـ Sign Language to Text، وهو نموذج ترجمة طوّرته Google DeepMind لتحويل لغة الإشارة إلى نص مكتوب مباشرة. الفرق الجوهري بينه وبين محاولات سابقة كثيرة في هذا المجال أنه لا يحتاج إلى وسيط، إذ يترجم إشارات المستخدم إلى نص إنجليزي مباشرة دون المرور بمرحلة الكتابة الصوتية أو الترميز الوسيط المعروف باسم Gloss، وهو نظام كان يجعل الترجمة بطيئة وغير دقيقة لأنه يفرض على النموذج أن يفكك اللغة المرئية إلى كلمات منفصلة قبل إعادة تركيبها.
النموذج يدمج القدرة على الفهم والترجمة في خطوة واحدة، ويعمل بتدفق مباشر، أي أن النص يظهر أثناء الإشارة وليس بعد انتهاء الجملة، تماماً كما تظهر الكلمات على الشاشة أثناء الكتابة الصوتية. وهو أيضاً مصمم ليتعامل مع واقع المستخدمين الحقيقي: يتعرف على الإشارة باليد اليسرى بالإضافة إلى اليمنى، ويتعامل مع من يستخدمون يد واحدة فقط، ولا يهلوس نصاً عندما لا يكون المستخدم يوقّع أصلاً، وهي مشكلة كانت تواجه الأنظمة السابقة التي تحاول ترجمة أي حركة إلى كلمات حتى لو لم تكن لغة إشارة.
كيف يعمل النموذج تقنياً؟
الأمر الأكثر ذكاءً في التصميم هو طبقة الخصوصية. لا يرسل الهاتف الفيديو الخام إلى أي خادم. بدلاً من ذلك، يعمل تتبع الوضعيات على الجهاز نفسه عبر تقنية MediaPipe Holistic، فتستخرج إحداثيات معالم الجسم واليدين والوجه فقط، وهذه الإحداثيات هي ما يُرسل للترجمة. بمعنى آخر: النظام يرى حركة المفاصل والهيكل العظمي الرقمي، لا وجهك ولا غرفة بيتك.
وقد درّبت DeepMind النموذج على أكثر من 100,000 ساعة من البيانات تغطي أكثر من 50 لغة إشارة، كانت لغة الإشارة الأمريكية ASL تمثل حوالي 25% منها، ولهذا السبب فإن الإصدار الأول يخدم مستخدمي ASL المتجهين إلى الإنجليزية. وعلى مقياس FLEURS-ASL للمرجعية حقق النموذج درجة 70 BLEURT في التقييم صفر الفرص، أي دون تدريب خاص على الاختبار، وهي درجة تصفها DeepMind بأنها أعلى من أي نتيجة معلنة سابقاً على هذا المقياس.
أين تجدها على هاتفك الآن؟
الخدمة متوفرة ابتداءً من هاتف Pixel 11 دون تكلفة إضافية، وتعمل في مكانين عمليين:
- Gboard: لوحة مفاتيح جوجل على أندرويد، حيث تحصل على خاصية الإملاء بالإشارة، فتوقّع أمام الكاميرا الأمامية ويظهر النص في أي حقل كتابة، سواء كنت تكتب رسالة واتساب أو بريداً إلكترونياً أو تعبير بحث في جوجل أو سؤالاً لمساعد Gemini.
- Live Transcribe: تطبيق النسخ الفوري لجوجل المخصص للصمّ، حيث يمكنك الآن الرد على المحادثة بالإشارة بدل الكتابة، فيتحول ردك إلى نص يظهر للطرف الآخر.
المصدر: Google DeepMind
وقد أكدت DeepMind أن هذه البداية فقط، مع وعد بأجهزة إضافية ولغات إشارة جديدة قادمة. وهذا التلميح تحديداً هو ما يجعل الخبر مهماً لملايين المستخدمين خارج الولايات المتحدة.
الفيديو الرسمي من DeepMind
شاهد العرض الرسمي للتقنية من قناة Google DeepMind: SL2T: Sign Language AI on Pixel
لماذا ترجمة لغة الإشارة أصعب بكثير مما تبدو؟
من يتابع تقدم الذكاء الاصطناعي قد يظن أن ترجمة الإشارة مسألة روتينية بعد أن أتقنت النماذج ترجمة النصوص بين مئات اللغات. الحقيقة أن التحدي هنا من طراز مختلف تماماً، وفهمه يفسر لماذا استغرق الوصول إلى منتج حقيقي كل هذا الوقت.
لغة الإشارة ليست كلمات منطوقة تُؤدى باليدين. هي لغة كاملة قواعدها ثلاثية الأبعاد: موقع اليد في الفضاء أمام الجسم يغير المعنى، وتعبير الوجه يقدم معلومات نحوية لا توجد في حركة اليدين نفسها، وسرعة الأداء وتكراره تعديل للمعنى كما تفعل صيغة المضارع المستمر في العربية. ولأن كل هذا يحدث في الفضاء والزمان معاً وليس في سطر مكتوب، فإن النموذج يحتاج إلى فهم تسلسل بصري كامل، لا صورة واحدة ولا كلمة منفصلة.
من هنا تأتي أهمية قرار DeepMind بالقفز فوق مرحلة الوسيط. الأنظمة الأكاديمية السابقة كانت تعتمد على Gloss، وهو تمثيل نصي يكتب كل إشارة ككلمة أو رمز، ثم تترجم الوسيط إلى إنجليزية. المشكلة أن الوسيط يفقد تعابير الوجه والمواقع المكانية ويحول لغة طبيعية سلسة إلى قائمة إشارات متقطعة، فتخرج الترجمة ركيكة وتفقد الدقة. نموذج SL2T يتعلم مباشرة من التسلسل البصري إلى الجملة الإنجليزية، تماماً كما تتعلم نماذج الترجمة العصبية الحديثة من نص إلى نص دون قواعد وسيطة مكتوبة يدوياً.
التحدي الآخر هو ما يسميه الباحثون مقاومة الهلوسة. كاميرا الهاتف تعمل باستمرار، والمستخدم قد يرفع يده ليشرب القهوة أو يسلم على أحدهم، والنظام الذي يحاول ترجمة أي حركة سيخرج نصاً هراءً محرجاً. تعامل النموذج مع المدخلات غير الإشارية بتجاهلها بدل ترجمتها هو تفصيل هندسي يفرق بين منتج قابل للاستخدام اليومي وعرض تجريبي يصلح للفيديوهات فقط.
قصة الرحلة من المختبر إلى جيب المستخدم
الطريق من ورقة بحثية إلى ميزة داخل لوحة مفاتيح يمر ببوابات لا يراها المستخدم. النموذج يحتاج أولاً إلى بيانات بمقياس غير مسبوق، وهنا جاءت أكثر من 100,000 ساعة من المحتوى الموثق بأكثر من 50 لغة إشارة، وهي كتلة بيانات ضخمة قياساً بأي جهد سابق في هذا المجال. ثم يحتاج إلى عدالة في التغطية: نحو 10% من مستخدمي لغة الإشارة يوقّعون بيدهم اليسرى، ونموذج يتدرب على يمينيين فقط سيفشل مع ملايين المستخدمين، لذا وثّقت DeepMind عملها على تغطية الموقعين.
ثم تأتي بوابة الأداء على الجهاز. تتبع الوضعيات عبر MediaPipe Holistic يعمل على معالج الهاتف نفسه، وهذا القرار له ثمن هندسي: يجب أن يكون النموذج خفيفاً بما يكفي للعمل بسلاسة دون استنزاف البطارية، ودقيقاً بما يكفي ليكون مفيداً. التوازن بين هذين الشرطين هو ما حسم نجاح مشاريع مشابهة سابقاً في مرحلة النموذج الأولي ولم تصل المتاجر أبداً.
وأخيراً بوابة الخصوصية التنظيمية. إرسال فيديو خام لخوادم الترجمة كان سيعني تعقيدات قانونية لا تنتهي في قضية تتعلق ببيانات وجه مستخدمين من مجتمع حساس. قرار إخراج إحداثيات المعالم فقط من الجهاز، وليس الفيديو، جعل المنتج قابلاً للإطلاق العالمي من اليوم الأول.
لمن هذه التقنية تحديداً؟
ثلاث فئات ستلمس الفرق فوراً:
- المستخدم الأصمّ الذي يستخدم ASL كلغة أولى: بدل الكتابة بلغة ثانية، يكتب بلغته الأم عبر الإشارة، سواء في الرسائل السريعة أو البحث أو صياغة المستندات الطويلة.
- محيط المستخدم الأصمّ: العائلة والزملاء السامعون يحصلون على قناة رد أسرع، فبدل الانتظار حتى يكتب الطرف الأصمّ رده على الهاتف، يوقّع فيتحول فوراً إلى نص في Live Transcribe.
- المؤسسات الخدمية: موظف الاستقبال في بنك أو مستشفى لا يحتاج مترجم إشارة متاحاً على مدار الساعة لكل موعد، بل هاتفاً يتيح تواصلاً أساسياً كريماً لحظة الوصول.
ماذا يعني هذا لك في المنطقة العربية؟
الإصدار الحالي يغطي لغة الإشارة الأمريكية إلى الإنجليزية، أي أنه لا يشمل لغة الإشارة العربية بعد. لكن القراءة الصحيحة للخبر ليست في اللغة الأولى التي اختارتها DeepMind، بل في البنية التحتية التي بُنيت:
- النموذج درّب على أكثر من 50 لغة إشارة، وهذا يعني أن إضافة لغات جديدة أصبحت مسألة توسيع بيانات وتحسين، لا بناء نظام جديد من الصفر. عندما تقول الشركة إن المزيد من اللغات قادم فهي تبني على أساس موجود فعلاً.
- المنصة جاهزة: تتبع الوضعيات على الجهاز، وخط الإملاء في Gboard، وقناة الرد في Live Transcribe، كلها مكونات تعمل مع أي لغة إشارة يدرّب عليها النموذج لاحقاً.
- لغة الإشارة العربية ليست لغة واحدة، فلكل دولة عربية لغتها أو لهجتها الإشارية، مثل لغة الإشارة المصرية والخليجية والأردنية، وترسانة بيانات DeepMind متعددة اللغات بطبيعتها مصممة لهذا التنوع تحديداً.
- الاتجاه العام واضح: كبرى شركات التقنية تتنافس على ذكاء اصطناعي متعدد الوسائط يفهم الفيديو والصوت والنص، كما رأينا في نموذج Gemini Robotics ER 2 لفهم الفيديو وفي أبحاث جوجل الطبية مثل نظام AMIE للاستشارات المرئية. ترجمة لغة الإشارة هي التطبيق الطبيعي التالي لهذه الموجة، والمستفيد الأكبر منها مجتمع يضم نحو 70 مليون شخص أصمّ أو ضعيف السمع حول العالم يستخدمون أكثر من 200 لغة إشارة.
- لأصحاب الأعمال والجهات في الخليج: إذا كنت تدير خدمة حكومية أو بنكية أو صحية، فمعايير الوصول الرقمي تتشدد عالمياً، ووجود قدرات ترجمة إشارة جاهزة من جوجل يعني أن دمجها في تطبيقاتكم مسألة وقت. الجهات التي تبدأ اليوم بتجربة هذه الواجهات ستكون جاهزة عندما تتوفر اللغات العربية رسمياً.
مقارنة سريعة: SL2T مقابل الحلول السابقة
| المعيار | الترجمة البشرية عبر مترجم | تطبيقات الترجمة الإشارية السابقة | SL2T من DeepMind |
|---|---|---|---|
| السرعة | تحتاج حجز مترجم وانتظاره | ثوانٍ لكن بدقة متذبذبة | تدفق فوري أثناء الإشارة |
| الدقة على معايير مرجعية | عالية لكن مكلفة | غير معلنة غالباً | 70 BLEURT على FLEURS-ASL |
| الخصوصية | كشف المحتوى لمترجم بشري | إرسال فيديو غالباً للخادم | إحداثيات معالم فقط تخرج من الجهاز |
| التغطية اللغوية | أي لغة بشرط توفر مترجم | لغة واحدة أو اثنتان | درّب على أكثر من 50 لغة إشارة |
| التكلفة للمستخدم | مرتفعة | اشتراكات وإعلانات | مجاناً على Pixel 11 |
الفارق الحاسم ليس رقمياً فقط، بل بنيوياً: الحل يعمل داخل نظام الهاتف نفسه وليس تطبيقاً من طرف ثالث قد يتوقف أو يغيّر أسعاره.
حدود التقنية الحالية بصراحة
من المهم عدم المبالغة في قراءة الإعلان، فهذه بداية لا نهاية:
- اللغة الوحيدة المدعومة حالياً هي ASL إلى الإنجليزية، ولا يوجد إعلان رسمي عن موعد لغة إشارة عربية محددة.
- الأجهزة محصورة في Pixel 11 حتى إشعار آخر، وهو هاتف غير منتشر بكثافة في معظم الأسواق العربية.
- الترجمة اتجاه واحد: من الإشارة إلى النص، أي أن الطرف السامع ما زال يحتاج وسيلة أخرى ليرد عليه المستخدم الأصمّ فهماً كاملاً داخل المحادثة.
- درجة 70 BLEURT ممتازة لكنها ليست 100: الترجمة الآلية للغات الإشارية ما تزال أصعب من ترجمة النصوص المكتوبة بسبب الفروقات النحوية العميقة بين لغة بصرية ولغة مكتوبة.
- بيانات التدريب نفسها اعترفت DeepMind بتحيزها: 25% من 100 ألف ساعة هي ASL، وهذا يعكس تركيز السنة الأولى على السوق الأمريكية.
أسئلة شائعة
هل تدعم التقنية لغة الإشارة العربية؟
ليس بعد. الإصدار الأول يدعم لغة الإشارة الأمريكية إلى الإنجليزية على Pixel 11، لكن DeepMind درّبت النموذج على أكثر من 50 لغة إشارة وأعلنت أن لغات وأجهزة إضافية قادمة، وهو ما يفتح الباب عملياً للغات الإشارية العربية مستقبلاً دون موعد محدد.
هل ترسل التقنية فيديو وجهي إلى جوجل؟
لا. تتبع الوضعيات يجري على الجهاز عبر MediaPipe Holistic، وما يغادر الهاتف هو إحداثيات معالم الجسم واليدين والوجه فقط، وليس الفيديو الخام، بحسب ما وثّقت DeepMind في إعلانها الرسمي.
كم تكلف خدمة ترجمة لغة الإشارة الجديدة؟
لا شيء فوق سعر الهاتف. الخدمة متوفرة دون تكلفة إضافية على Pixel 11 ضمن Gboard وLive Transcribe وفق إعلان DeepMind في 12 أغسطس 2026.
ما الفرق بين SL2T وميزة الإملاء الصوتي؟
الإملاء الصوتي يحول كلامك المنطوق إلى نص ويفيد من لا يستطيع أو لا يفضل الكتابة، أما SL2T فيحوّل لغة الإشارة المرئية إلى نص، وهو موجه لمن تستخدم لغة الإشارة لغتهم الأولى، وغالباً تكون اللغة المكتوبة لديهم لغة ثانية.
هل التقنية مناسبة للاعتماد عليها في السياقات الرسمية مثل المواعيد الطبية؟
في حالتها الحالية الأفضل استخدامها للاستخدامات اليومية، فالنموذج جديد والتغطية لغة واحدة، والسياقات الحرجة مثل الطب والقانون ما تزال تحتاج مترجمين معتمدين، وهو ما تنبه إليه حتى أبحاث جوجل نفسها في مشاريعها الطبية.
متى تصل الخاصية إلى هواتف غير Pixel؟
لم تحدد DeepMind قائمة أجهزة أو جدولاً زمنياً، واكتفت بالقول إن المزيد من الأجهزة قادمة. عملياً، خصائص Gboard وLive Transcribe التي تبدأ على Pixel تتوسع لاحقاً إلى هواتف أندرويد الأخرى عبر تحديثات تطبيقات جوجل، لكن أي توقع بتاريخ محدد سيكون تخميناً لا نملك ما يسنده.
ما الذي نراقبه في الأشهر القادمة؟
ثلاث إشارات ستخبرنا بسرعة نضج هذا الاتجاه: أولاً، ظهور لغة إشارة ثانية أو ثالثة على المنصة، لأن ذلك سيكشف أن خط التدريب متعدد اللغات يعمل فعلاً وليس بيانات تدريب مجمعة للاستعراض. ثانياً، إعلان شراكات مع جهات خارج جوجل، مثل مزودي الخدمات الصحية أو التعليمية، لأن دخول القطاع المؤسسي هو مؤشر الجدية الحقيقية. وثالثاً، رد الفعل من المنافسين، فمايكروسوفت وأبل وميتا تستثمر منذ سنوات في ذكاء اصطناعي للإمكانية والوصول، وسباق الوصول إلى المزيد من لغات الإشارة سيتحرك خلال أشهر لا سنوات.
الخلاصة
إعلان SL2T هو لحظة انتقالية في تاريخ تقنيات المساعدة: أول نموذج ترجمة إشارة يصل إلى هاتف المستهلك بدرجة دقة معلنة وموثقة، وبنية خصوصية تحترم المستخدم. وللمشاهد العربي الرسالة الأهم هي أن الباب فُتح تقنياً لأي لغة إشارة تالية، والمنافسة بين كبار اللاعبين ستسرّع وصولها. نتابع التطورات القادمة في تغطيتنا المستمرة لأخبار الذكاء الاصطناعي على أدوات الذكاء الاصطناعي في truescho.
المصادر:
- إعلان Google DeepMind الرسمي: Putting sign language AI into users' hands
