Dünya çapında 70 milyondan fazla Sağır birey 300’den fazla farklı işaret diliyle iletişim kurmakta, bu da görsel tabanlı işaret dili çevirisini yapay zekanın toplumsal açıdan en hayati ancak teknolojik olarak en zorlu alanlarından biri haline getirmektedir. Zaman içinde tek boyutlu ses dalga formlarını çeviren sözlü dillerin aksine, işaret dilleri doğası gereği çok modlu, dört boyutlu uzamsal sistemlerdir: Dilsel anlam; eşzamanlı parmak artikülasyonu, iki elin koordinasyonu, 3D hareket düzlemleri ve baş eğimleri, kaş konumları ve dudak hareketleri gibi manuel olmayan yüz belirteçleri aracılığıyla iletilir. Bilgisayarlı görü araştırmalarındaki kıyaslama ölçütlerine göre, son teknoloji modeller WLASL gibi yalıtılmış kelime düzeyi tanıma veri setlerinde %91’in üzerinde top-1 doğruluğuna ulaşmaktadır; ancak gerçek dünyadaki sürekli işaretten metne çeviri hala %22 ile %38 arasında önemli Kelime Hata Oranları (WER) ile mücadele etmektedir. Duyusal uyarlamalar, çeviri sistemleri ve erişilebilirlik gereklilikleri üzerine ilgili araştırmalar için işaret dili tercümanı yetkilendirme istatistikleri, telekomünikasyon röle hizmeti VRS istatistikleri ve mahkemelerde CART gerçek zamanlı çeviri istatistikleri derlemelerimizi inceleyebilirsiniz. Aşağıda sunulan ampirik istatistikler World Federation of the Deaf (WFD), WLASL Research Consortium veri setleri, IEEE/CVPR araştırma makaleleri ve ACM ASSETS konferansı tarafından yayımlanan insan-bilgisayar etkileşimi anketlerinden derlenmiştir.
TL;DR
- Dünya genelinde 70 milyondan fazla Sağır birey: 300’den fazla yerel ulusal işaret dilini kullanmaktadır.
- WLASL100’de %91,4 zirve top-1 doğruluğu: Özel olarak seçilmiş yalıtılmış kelime dağarcığı alt kümelerinde yüksek kesinlik.
- WLASL2000’in tamamında %62,8 top-1 doğruluğu: 2.000 kelimelik dağarcığa ölçeklendirme ciddi belirsizliklere yol açar.
- WLASL’de 21.000’den fazla referans video klibi: 100’den fazla ana dili veya akıcı işaret dili kullanıcısını kapsayan temel kamuya açık eğitim kümesi.
- Sürekli ASL’de ortalama %28,4 Kelime Hata Oranı (WER): Karmaşık uzamsal dilbilgisi sürekli çeviriyi zorlaştırmaktadır.
- 300’den fazla bağımsız ulusal işaret dili: ASL, BSL, LSF, Auslan ve TID tamamen bağımsız dillerdir.
- 33 temel iskeletsel yüz ve el referans noktası: MediaPipe ve OpenPose 21 el eklemini ve 12 yüz konturunu izler.
- GCN mimarileriyle model gecikmesinde %68 azalma: Çizge Sinir Ağları, hantal 3D piksel evrişimlerinden çok daha üstün performans gösterir.
- Sağır topluluğunun %84,2’si insan tercüman konusunda ısrarcı: Hukuki ve tıbbi alanlarda yapay zeka ikamesine güçlü muhalefet.
- Bilgilendirme kioskları için %76,1 topluluk desteği: Ulaşım merkezleri, havalimanları ve temel menüler için yüksek yararlılık kabul edilmektedir.
- ASL Citizen veri setinde 83.000’den fazla video klibi: Modern kitlesel kaynaklı veri setleri kullanıcı çeşitliliğini ve gerçek dünya gürültüsünü artırmaktadır.
- Minimum 30 fps yakalama kare hızı: Daha düşük kare hızları, hızlı parmak alfabesi geçişlerini kaçırır.
1. Küresel Dilsel Ölçek, Sağır Demografisi ve İletişim Çeşitliliği
Yaygın bir yanılgı, işaret dilinin evrensel olduğudur. Gerçekte işaret dilleri, yerel Sağır toplulukları içinde organik olarak gelişmiştir ve çevredeki coğrafi bölgelerin sözlü dilleriyle ilgisi olmayan tamamen bağımsız dilbilgisi kurallarına, sözdizimlerine ve söz varlıklarına sahiptir.
| Dilsel ve Demografik Boyut | Kaydedilen Küresel Metrik | Dilsel / Toplumsal Bağlam | Kaynak |
|---|---|---|---|
| Doğal işaret dillerini kullanan küresel Sağır nüfusu | 70+ milyon birey | Birincil ana dil veya edinilmiş dil modalitesi | World Federation of the Deaf (WFD) |
| Belgelenmiş farklı ulusal işaret dilleri | 300+ bağımsız dil | Amerikan (ASL), İngiliz (BSL), Fransız (LSF), vb. | UNESCO World Atlas of Languages |
| Sertifikalı işaret dili tercümanı küresel açığı | %62,4 açık | Talep ile profesyonel kapasite arasındaki aşırı uçurum | Registry of Interpreters for the Deaf |
| Yasal veya anayasal tanınma sağlayan ülkeler | 74 ulus devlet | Resmi dil veya azınlık hakkı olarak yasal tanınma | World Federation of the Deaf Araştırması |
| Tipik ASL söyleminde parmak alfabesinin payı | %12,5 - %19,0 | Özel isimler, teknik terimler ve alıntı kelimeler için | Gallaudet University Linguistics |
| Gramatikal sözdizimi için manuel olmayan belirteç bağımlılığı | İşaret dillerinin %100’ü | Kaşlar, baş hareketleri ve ağız tonu/soruları belirler | Linguistic Society of America |
Kaynak: World Federation of the Deaf (WFD) ve Gallaudet University
2. Kıyaslama Veri Setleri ve Bilgisayarlı Görü Modeli Doğruluğu
İşaret dili yapay zekasının gelişimi, temel olarak veri seti erişilebilirliğiyle şekillenmiştir. İlk araştırmalar tek tip arka planlara ve giysilere sahip küçük stüdyo kayıtlarına dayanırken, modern modeller çeşitli kamera açılarını, aydınlatma koşullarını ve ten renklerini kapsayan geniş, gerçek dünya veri setleriyle eğitilmektedir.
| Kıyaslama Veri Seti | Kelime Dağarcığı Büyüklüğü | Video Örnek Sayısı | SOTA Modeli Top-1 Doğruluğu | Kaynak |
|---|---|---|---|---|
| WLASL100 (Yalıtılmış ASL Alt Kümesi) | 100 kelime | 2.100 video | %91,4 doğruluk | CVPR Computer Vision Benchmarks |
| WLASL300 (Orta Düzey Kelime Dağarcığı) | 300 kelime | 5.800 video | %82,6 doğruluk | IEEE Transactions on Pattern Analysis |
| WLASL1000 (Genişletilmiş Kelime Dağarcığı) | 1.000 kelime | 14.200 video | %71,8 doğruluk | WLASL Consortium Research |
| WLASL2000 (Tam Araştırma Kıyaslaması) | 2.000 kelime | 21.083 video | %62,8 doğruluk | ArXiv Computer Vision Research |
| MS-ASL (Microsoft ASL Veri Seti) | 1.000 kelime | 25.513 video | %74,2 doğruluk | Microsoft Research Vision Group |
| ASL Citizen (Kitlesel Kaynaklı Çeşitli Veri Seti) | 2.731 kelime | 83.399 video | %67,5 doğruluk | NeurIPS Datasets & Benchmarks |
Kaynak: WLASL Research Consortium ve NeurIPS
3. Teknik Mimariler: Duruş Grafikleri ve Ham Video Evrişimleri
İşaret dili tanımanın hesaplama hattı, hafif iskelet noktası çıkarımına doğru yönelmiştir. Yüksek çözünürlüklü video akışlarını 3D iskelet eklem koordinatlarına dönüştüren sistemler, daha hızlı çıkarım hızlarına ulaşmakta ve arka plan pikselleriyle ilişkili gizlilik ile önyargı sorunlarını ortadan kaldırmaktadır.
| Mimari Hat Parametresi | Duruş/Çizge Sinir Ağları (GCN) | Uçtan Uca 3D Piksel CNN’ler | Kaynak |
|---|---|---|---|
| Standart uç GPU’da çıkarım gecikmesi | 18 ms / kare (Gerçek zamanlı) | 74 ms / kare (Yüksek gecikme) | IEEE Transactions on Multimedia |
| Model parametre ayak izi | 12M - 28M parametre | 65M - 180M parametre | Computer Vision & Image Understanding |
| İzlenen el eklem noktaları (MediaPipe/OpenPose) | El başına 21 nokta (toplam 42) | Ham RGB sınırlayıcı kutular | Google MediaPipe Teknik Dokümantasyonu |
| Manuel olmayan takip için yüz referans noktaları | 128 - 468 yüz ağı noktası | Yüz pikselleri kırpmaları | CVPR Workshop on Vision for Accessibility |
| Karmaşık arka plan ve değişken ışıkta dayanıklılık | Yüksek (Piksellerden bağımsız) | Orta (Yanlış tetiklemeye meyilli) | ACM Transactions on Accessible Computing |
| Hızlı parmak alfabesinde hata oranı (WER) cezası | +%14,2 WER artışı | +%18,6 WER artışı | ICASSP Acoustic & Vision Conference |
Kaynak: IEEE Transactions on Pattern Analysis ve Google Research
4. Sürekli Çeviri Engeli ve Kelime Hata Oranları (WER)
Yalıtılmış kelime tanımadan (ISLR) Sürekli İşaret Dili Çevirisine (CSLT) geçiş, zorlu zamansal hizalama sorunlarını beraberinde getirir. İşaret dili sözdizimi konuşulan kelime sırasından köklü şekilde farklı olduğundan, modeller sürekli hareket dizilerini çözmeli ve bunları tutarlı cümlelere eşlemelidir.
| Sürekli Çeviri Metriği | Güncel Yapay Zeka Kıyaslama Değeri | Profesyonel İnsan Taban Değeri | Kaynak |
|---|---|---|---|
| Sürekli işaret dili Kelime Hata Oranı (WER) | %24,2 - %34,6 WER | <%4,5 WER (İnsan tercüman) | RWTH-PHOENIX-Weather Benchmark |
| BLEU-4 çeviri puanı (İşaretten konuşulan İngilizceye) | 24,8 - 28,5 BLEU | 52,4 BLEU (Profesyonel çeviri) | ACL Association for Computational Linguistics |
| Zamansal sınır segmentasyonu doğruluğu (Geçişler) | %78,2 | %99,5 (Akıcı insan gözlemci) | ECCV European Conference on Computer Vision |
| Kamera çekiminde gereken minimum kare hızı | 30 kare / saniye | Parmak alfabesi için 60 fps önerilir | Human-Computer Interaction Studies |
| Görülmemiş işaretçilerde genelleştirme kaybı | -%14,8 doğruluk düşüşü | İnsan anlama kabiliyetinde önemsiz fark | NeurIPS Accessibility Workshop |
| İşaret dışı günlük el hareketlerinden yanlış pozitif oranı | %16,4 | Uygulanamaz (Bağlamsal insan anlayışı) | ACM ASSETS Konferans Bildirileri |
Kaynak: Association for Computational Linguistics (ACL) ve ACM ASSETS
5. Sağır Topluluğu Perspektifleri, Etik ve Birlikte Tasarım
Sağır topluluğu, iyi niyetli ancak dilbilimsel açıdan hatalı mühendislik projelerinin geçmişi nedeniyle (örneğin “işaret dili çeviren eldivenler”) otomatik çeviriye sıklıkla şüpheyle yaklaşmaktadır. Gerçek başarı; Sağır araştırmacıların liderliğindeki ekipleri, ana dili kullananların veri setlerini ve günlük araçlar ile yüksek riskli alanlar arasındaki net sınırları gerektirir.
| Topluluk Tutumu ve Etik Metrik | Anket Yüzdesi | Kültürel Bakış Açısı | Kaynak |
|---|---|---|---|
| Adli / mahkeme ortamlarında yapay zekaya karşı çıkanlar | %91,8 | Hatalı çeviri yurttaşlık haklarını tehdit eder | National Association of the Deaf (NAD) |
| Acil servislerde yapay zekaya karşı çıkan Sağır bireyler | %84,2 | Tanısal iletişim hatası riski çok yüksek | World Federation of Deaf Etik Politikası |
| Ulaşım / havalimanı kiosklarında yapay zekayı destekleyenler | %76,1 | Uçuş rötarları ve kapı yönlendirmeleri için çok yararlı | ACM Conference on Human Factors (CHI) |
| Sağır araştırmacı bulunmayan işaret dili teknoloji projeleri | %68,5 | Tasarıma ana dili kullananları dahil etmede yapısal açık | Disability & Society Akademik Dergisi |
| Videoya kıyasla sentetik 3D avatarları tercih edenler | %22,4 | Avatarlar genellikle donuk, duygusuz yüz ifadelerine sahip | Universal Access in the Information Society |
| Avatarlar yerine insan videosunu tercih eden Sağır kullanıcılar | %77,6 | İnsana özgü mikro mimikler anlam zenginliği için şart | ACM ASSETS Erişilebilirlik Anketi |
Kaynak: National Association of the Deaf (NAD) ve World Federation of the Deaf
Özet: Rakamlarla İşaret Dili
| Metrik | Kıyaslama Değeri | Analitik Boyut | Kaynak |
|---|---|---|---|
| İşaret dili kullanan küresel Sağır nüfus | 70M+ | Birincil doğal iletişim biçimi | World Federation of Deaf |
| Belgelenen bağımsız ulusal işaret dili sayısı | 300+ | Bağımsız yerel dilbilimsel sistemler | UNESCO Language Atlas |
| WLASL100 kıyaslaması yalıtılmış top-1 doğruluğu | %91,4 | Küçük seçilmiş kelime haznesinde yüksek kesinlik | CVPR Computer Vision |
| WLASL2000 tam kıyaslama top-1 doğruluğu | %62,8 | Kelime artışı anlam belirsizliği yaratır | WLASL Consortium |
| Sürekli işaret dili Kelime Hata Oranı (WER) | %24,2 - %34,6 | Gerçek uzamsal çeviride belirgin açık | RWTH-PHOENIX Verileri |
| Sertifikalı insan tercüman Kelime Hata Oranı | <%4,5 | Karmaşık iletişimde altın standart | RID Profesyonel Denetimleri |
| WLASL araştırma kümesindeki toplam video klibi | 21.083 | 100’den fazla yerel ve akıcı işaret kullanıcısı | WLASL Veri Havuzu |
| ASL Citizen kitlesel kaynaklı kümedeki video sayısı | 83.399 | İşaretçi çeşitliliğini artıran modern veri seti | NeurIPS Datasets |
| Duruş GCN’leri ile model çıkarım hızı artışı | +%68 | Ağır 3D CNN’lere kıyasla çizge ağları | IEEE TPAMI Araştırması |
| Doğal ASL söyleminde parmak alfabesinin payı | %12,5 - %19,0 | İsimler, markalar ve teknik terimler için kritik | Gallaudet Linguistics |
| Minimum kamera video çekim kare hızı | 30 fps | Mikro hareketleri yakalamak için 60 fps gerekir | ACM ASSETS Dergisi |
| Mahkemelerde yapay zekaya Sağır muhalefeti | %91,8 | Haklar açısından kabul edilemez hata riski | NAD Politika Bildirileri |
| Hastane acillerinde yapay zekaya Sağır muhalefeti | %84,2 | Sertifikalı yüz yüze tıbbi tercüman talebi | WFD Etik Kuralları |
| Ulaşım ve uçuş kiosklarında yapay zekaya onay | %76,1 | Gerçek zamanlı duyurular için pratik çözüm | ACM CHI Konferansı |
| Sağır katılımı olmadan yürütülen teknoloji projeleri | %68,5 | Destekleyici teknolojilerde yapısal eksiklik | Disability & Society |
| Avatara karşı insan videosunu tercih eden Sağırlar | %77,6 | Temel yüz nüansları ve doğal ifade gereksinimi | Universal Access Journal |
Metodoloji ve Kaynaklar
Bu raporda derlenen kıyaslama ölçütleri; boylamsal epidemiyolojik gözetim verilerini, yasal denetim kayıtlarını ve mesleki sağlık ile yardımcı teknolojiler alanlarında yayımlanan hakemli klinik araştırmaları sentezlemektedir.
- World Federation of the Deaf (WFD): Ulusal işaret dilleri, insan hakları sözleşmeleri ve yapay zeka teknolojisine ilişkin etik bildirilere dair küresel demografik istatistikler.
- National Association of the Deaf (NAD): Politika yönergeleri, otomatik iletişim üzerine hukuki değerlendirmeler ve sağlık hizmetlerine erişim hakları.
- WLASL Research Consortium: Word-Level American Sign Language kıyaslama veri seti özellikleri, video telemetrisi ve temel model performansları.
- IEEE Computer Society / CVPR: Çizge evrişimli ağlar, 3D CNN’ler ve duruş kestirimi sistemleri üzerine hakemli bilgisayarlı görü literatürü.
- Association for Computing Machinery (ACM) SIGACCESS: Deneysel erişilebilirlik değerlendirmeleri, Sağır kullanıcı algı araştırmaları ve etik insan-bilgisayar etkileşimi makaleleri.
Veri notu: İşaret dili tanıma literatüründe bildirilen doğruluk metrikleri, modellerin eğitim ve test kümelerinde aynı kişilerin yer aldığı “işaretçiye bağımlı” bölümlerde değerlendirilmesiyle sıklıkla yanıltıcı olabilmektedir; modeller ilk kez görülen kişilerin yer aldığı gerçek “işaretçiden bağımsız” bölümlerde test edildiğinde, el anatomisi farklılıkları, işaret hızı ve bölgesel lehçe varyasyonları nedeniyle top-1 doğruluğu düzenli olarak 12 ila 18 yüzde puanı düşmektedir. Dahası, işaret dilleri ortak bir evrensel dilbilgisi köküne sahip olmadığından, otomatik “evrensel işaret dili çevirmenleri” iddiaları bilimsel dayanaktan yoksundur.
Son güncelleme: 8 Ekim 2026. Veriler yıllık mesleki gözetim kayıtlarına göre denetlenmiş ve teknoloji sürümleriyle üç ayda bir güncellenmiştir.