Камера может прочитать ценник, микрофон — превратить разговор в текст, а синтезированный голос — озвучить набранную фразу. Для миллионов людей искусственный интеллект уже стал повседневным инструментом независимости.

Для одного человека камера смартфона — способ сохранить фотографию. Для другого — возможность прочитать ценник, узнать номер автобуса или понять, что находится перед ним. Микрофон может записывать голосовые сообщения, а может превращать чужую речь в текст для того, кто плохо слышит. Синтезированный голос способен озвучить набранную фразу, когда собственная речь становится недоступной.

В таких ситуациях искусственный интеллект перестаёт быть модной технологией. Он превращается в практический инструмент, помогающий человеку самостоятельно решать повседневные задачи.

По данным Всемирной организации здравоохранения, сегодня вспомогательные технологии необходимы более чем 2,5 миллиарда человек. К 2050 году их число может вырасти до 3,5 миллиарда. Речь идёт не только о специализированных устройствах, но и о цифровых решениях: распознавании речи, автоматических субтитрах, экранных дикторах и программах, способных описывать окружающее пространство.

Камера, которая объясняет увиденное

Приложения с компьютерным зрением могут распознавать печатный текст, отдельные предметы и изображения, попавшие в объектив смартфона.

Например, человек с нарушением зрения наводит камеру на упаковку и получает голосовое описание. Телефон может прочитать надпись, помочь различить товары или рассказать, что изображено на фотографии. Google Lookout определяет текст и объекты, а Microsoft Seeing AI умеет читать документы, описывать снимки и распознавать некоторые товары.

Раньше подобные задачи часто требовали помощи другого человека. Теперь часть из них можно выполнить самостоятельно: прочитать письмо, проверить этикетку, разобрать меню или понять содержание изображения, присланного в сообщении.

Современные модели способны составлять более подробные описания, чем прежние системы распознавания. Они пытаются определить не отдельный предмет, а общий смысл сцены: где находятся люди, что они делают и какие объекты расположены вокруг.

Однако такое описание нельзя считать безошибочным. Алгоритм может перепутать лекарственные упаковки, неправильно прочитать мелкий текст или не заметить опасное препятствие. Поэтому ИИ помогает ориентироваться, но не должен становиться единственным источником информации там, где ошибка угрожает здоровью или безопасности.

Разговор, который появляется на экране

Для людей с нарушением слуха распознавание речи превращает разговор в текст почти в реальном времени.

Функция Live Transcribe на Android выводит на экран сказанное собеседником и некоторые окружающие звуки. Live Caption создаёт субтитры для видео, подкастов, голосовых сообщений и поддерживаемых звонков. Телефон также может сообщить вибрацией или вспышкой о дверном звонке, плаче ребёнка, сирене или сработавшей пожарной сигнализации.

Такой инструмент полезен не только при полной или значительной потере слуха. Автоматические субтитры помогают пожилым людям, пользователям в шумных помещениях, пациентам после заболеваний и всем, кому сложно различать быструю или тихую речь.

Качество распознавания зависит от языка, произношения, фонового шума и микрофона. Незнакомые имена и профессиональные термины система нередко записывает неправильно. Поэтому в медицинском кабинете, банке или при оформлении документов важные сведения следует перепроверять.

Возможность говорить своим голосом

Некоторые заболевания постепенно лишают человека возможности говорить. В таких случаях технологии синтеза речи позволяют заранее создать цифровую версию собственного голоса.

Функция Personal Voice на устройствах Apple формирует персональный синтезированный голос на основе записанных фраз. Затем человек может набрать текст, а Live Speech озвучит его во время личного разговора или поддерживаемого телефонного звонка.

Смысл такой технологии выходит далеко за рамки удобства. Голос связан с личностью, привычной манерой общения и отношениями с близкими. Возможность сохранить его звучание помогает человеку продолжать общение более естественным для себя способом.

При этом цифровой голос относится к чувствительным биометрическим данным. Нельзя передавать записи сомнительным сервисам, создавать копию чужого голоса без согласия или использовать её для розыгрышей. Чем убедительнее работает технология, тем выше ответственность за её применение.

Управление без прикосновения к экрану

Голосовое управление помогает людям, которым трудно пользоваться сенсорным экраном или клавиатурой. Командами можно открывать приложения, набирать сообщения, переходить между элементами меню и выполнять другие действия.

Для человека с ограниченной подвижностью это означает возможность самостоятельно написать близким, вызвать такси, найти информацию или включить нужную функцию телефона. Технология не устраняет физические ограничения, но сокращает число ситуаций, в которых приходится просить о помощи.

Здесь особенно важна правильная настройка. Слишком сложный интерфейс, мелкие кнопки или элементы без голосовых обозначений способны сделать полезную функцию практически недоступной. Хорошая технология начинается не с количества возможностей, а с того, насколько уверенно ими может управлять сам пользователь.

Самостоятельность не означает одиночество

Ассистивные системы не должны вытеснять человеческую поддержку. Их задача — дать человеку больше выбора: попросить о помощи или справиться самому, позвонить или написать, услышать текст или прочитать его на экране.

Самостоятельность проявляется в обычных действиях, которые другие люди почти не замечают. Выбрать товар. Прочитать сообщение. Ответить на звонок. Узнать, кто стоит у двери. Подготовить документ. Поддержать разговор без посредника.

Именно поэтому разработчики должны создавать подобные решения вместе с теми, кто будет ими пользоваться. Всемирная организация здравоохранения отдельно подчёркивает необходимость привлекать пользователей и их семьи на всех этапах внедрения вспомогательных технологий. Функция, придуманная без понимания реальных потребностей, может выглядеть впечатляюще на презентации и оказаться бесполезной в жизни.

Что можно попробовать уже сейчас

Многие инструменты не требуют отдельного дорогостоящего устройства. Они находятся в разделе «Специальные возможности» смартфона или компьютера.

• автоматические субтитры для видео и звонков;
• преобразование разговора в текст;
• голосовое управление экраном;
• озвучивание текста и элементов интерфейса;
• распознавание предметов и печатных надписей камерой;
• уведомления о важных окружающих звуках;
• ввод текста с последующим озвучиванием.

Название функции и набор поддерживаемых языков зависят от модели устройства, версии операционной системы и страны. Перед использованием также стоит проверить, где обрабатываются фотографии и аудиозаписи — непосредственно на устройстве или на удалённом сервере. Медицинские документы, банковские данные и другие конфиденциальные материалы не следует загружать в сервис, если его правила хранения информации непонятны.

Настраивать инструмент лучше под конкретную задачу. Одному человеку требуется крупный текст и контрастный экран, другому — голосовые команды, третьему — субтитры или описание изображения. Универсальный режим редко бывает удобен всем.

Технология, которая оставляет решение человеку

ИИ не возвращает утраченное зрение, слух или подвижность. Он переводит информацию из одной формы в другую: изображение превращает в описание, речь — в текст, набранные слова — в голос, а голосовую команду — в действие.

В этой способности и заключается его практическая ценность. Алгоритм не проживает жизнь вместо человека и не принимает за него все решения. Он убирает часть барьеров между намерением и действием.

Пожалуй, лучший результат работы искусственного интеллекта выглядит совсем не фантастически. Человеку просто удаётся сделать самому то, для чего ещё недавно обязательно требовалась чужая помощь.

Графическое сопровождение статьи создано с использованием технологий искусственного интеллекта.

Автор: Евгения Кадырова