Razvoj I Evaluacija Modela Zasnovanog Na Veštačkoj Inteligenciji Za Prepoznavanje Slova Srpskog Znakovnog Jezika

Primenom veštačke inteligencije ostvaruju se raznolike i brojne koristi koje su već implementirane u raznim sektorima. Međutim, efikasnost tih rešenja, kao i vreme potrebno za njihovu izradu, variraju. Trendovi upućuju na metode koje omogućavaju brža i preciznija rešenja. Nažalost, slušno oštećena zajednica sa srpskog govornog područja ne uživa značajnu podršku tehnološke naučne zajednice. Postojeći radovi i aktivnosti manje su usmereni ka razvoju interaktivnih alata koji bi olakšali svakodnevni život ove zajednice. Glavni problem sa kojim se slušno oštećeni suočavaju je nedostatak efikasne komunikacije sa čujućom zajednicom, što otežava obavljanje svakodnevnih obaveza, poslovnih poduhvata i svih drugih aktivnosti za koje je komunikacija neophodna. Do sada dostupna tehnološka rešenja, kao što su internet portali i programi, nisu pružila korisnicima mogućnost interakcije korišćenjem srpskog znakovnog jezika. Ovaj rad ima za cilj da olakša komunikaciju i razmenu informacija u ovoj zajednici kako bi se unapredio socijalni i poslovni aspekt njihovog života. Znakovni jezici su specifični, a nedostatak univerzalno priznatog jezika zahteva od regionalnih i lokalnihzajednica slušno oštećenih osoba da izazove sa kojima se susreću kako u privatnom tako i u poslovnom okruženju prevazilaze samostalno. Glavni fokus ovog istraživanja jeste unapređenje interaktivne edukacije, poboljšanje opšte komunikacije i proširenje angažovanosti ove zajednice u poslovnim aktivnostima. Korišćenjem metoda mašinskog učenja, kreirana je obimna baza podataka zasnovana na pokretima srpskog znakovnog jezika. Preko 40 učesnika je demonstriralo gestove ispred kamere, snimajući preko 10.000 video snimaka za 30 slova azbuke srpskog jezika. Specijalno kreirani Python kôd je prepoznavao ključne tačke na rukama i telu u numeričke koordinate i beležio dobijene rezultate u bazu kreiranu namenski za tu svrhu. Na osnovu kreirane baze podataka, korišćenjem metoda mašinskog učenja, projektovano je i evaluirano više različitih modela, od kojih je za primenu odabran 5najprecizniji respektujući stopu tačnosti predviđanja rezultata. Funkcionisanje i karakteristike ovog modela su predstavljene u finalnom eksperimentalnom istraživanju. Za potrebe istraživanja, kreiran je funkcionalni računarski program koji impliciramogućnosti, tačnost i pouzdanost praktične primene modela mašinskog učenja zasnovanog na prethodno generisanoj bazi podataka. Demonstriranjem gestova slova srpskog znakovnog jezika ispred kamere, računar i model mašinskog učenja prepoznaju slova srpske azbuke i prikazuju prognozirane rezultate. Prepoznati gestovi se konvertuju u numeričke koordinate formirajući tako bazu podataka. Postavljanjem ove sveobuhvatne i kompleksne baze podataka slova srpskog znakovnog jezika na internet, omogućen je dalji razvoj modela mašinskog učenja za srpsko govorno područje. Ovaj pristup predstavlja osnovu za razvoj i implementaciju sličnih platformi drugih znakovnih jezika sa ciljem da se obezbedi podrška i drugim slušno oštećenim zajednicama.