Vakok láthatják önmagukat a magyarul is tudó, mesterségesintelligencia-tükör segítségével

„A vak embereknek egész életükben meg kell küzdeniük azzal a gondolattal, hogy képtelenek látni önmagukat” – mondja Lucy Edwards világtalan tartalomkészítő. „Most hirtelen hozzáférünk ezekhez az információkhoz magunkról, és ez megváltoztatja az életünket.”

Forrás: Nano Banana Pro

A világtalanok álma önmaguk „látása”, és most ez valóra vált: már Európában is elérhetőek azok a mesterséges intelligenciával működő megoldások, amelyek segítenek virtuális tükörben megpillantani magukat.

Egy indiai származású vezérigazgató cége, az Envision a képfelismerés és az intelligens adatfeldolgozás segítségével ért el jelentős technológiai áttörést. „Tükrük” nem csupán leírja a képet, hanem visszajelzést, összehasonlításokat és tanácsokat is nyújt világtalan használóinak.

Karthik Mahadevan, az Envision vezére a BBC-nek elmondta, a 2017-ben kezdődött fejlesztés az évek során folyamatosan fejdődött. „Amikor elkezdtük, a rendszer csupán egy rövid, két-három szavas mondatot tudott megfogalmazni” – magyarázza egy terjedelmes angol nyelvű videóban.

Az Envision eredetileg okostelefonos alkalmazásként indult, amely lehetővé tette a vakok számára, hogy karakterfelismerés (OCR) segítségével hozzáférjenek a nyomtatott szövegekben található információkhoz.

Az évek során fejlett mesterségesintelligencia-modelleket integráltak okosszemüvegeikbe, és létrehoztak egy digitális asszisztenst, amely segít a világtalan felhasználóknak tájékozódni a vizuális világban.

Vannak, akik olyan praktikus célokra használják, mint például a levelek elolvasása vagy a vásárlás, de minket is meglepett, hogy mennyi vásárló hívja segítségül a szoftvert a sminkeléshez vagy az öltözékének összeállításához.

Lucy Edwards, a bevezetőben említett világtalan tartalomkészítő a BBC-nek elmondta, hogy mindez mennyire megváltoztatta az életét. „Tizenkét éve nem láttam az arcomat. Most csak készítek egy fotót róla, és megkérem a mesterséges intelligenciát, hogy írja le az összes részletet, vagy akár pontozza a megjelenésemet egy tízes skálán.”

Nem olcsó, de elérhető

Az Envision Ally okoseszköz és az Ally Solos technológia beszerzése Európából, így Magyarországról is megoldható, ám a hardver és a szoftver elérhetősége eltérő. Az „MI tükör” funkció okosszemüveg nélkül is használható, az alkalmazás letölthető az Apple App Store-ból vagy a Google Play Áruházból.

Az alapfunkciók ingyenesek, a teljes körű, interaktív Ally-asszisztens – amely a „tükör” funkciót is biztosítja – előfizetéses rendszerben, Ally Pro néven működik.

Az Ally Solos okosszemüveg, amiről a friss hírek szólnak, az Envision Store oldalán rendelhető meg. A holland központú cég Magyarországra is szállít, ára az előrendeléstől és a konstrukciótól függően 399 és 699 dollár között várható.

Tud magyarul!

Az Envision rendszere (legyen szó az alkalmazásról vagy a szemüvegről) több mint 60 nyelv, köztük a magyar támogatásával rendelkezik. Anyanyelvünkön érhető el a kezelőfelület, a rendszer képes a magyar szövegfelismerésre és a hangbemondásra is.

A szövegfelismerés és felolvasás a gyakorlatban azt jelenti, hogy ha a felhasználó a kamera elé tesz egy magyar nyelvű könyvet, levelet vagy étlapot, a rendszer felismeri a karaktereket, és magyar hangon felolvassa azokat. A képleírásért és az MI-asszisztensért (Ally) – azaz a „tükör” funkcióért – felelős szoftverben, ha megkérdezi az MI-t: „Hogy néz ki az ingem?”, a rendszer magyarul fogja elemezni és leírni a látottakat (például: „Egy kék, csíkos inget viselsz, a gallérja kissé félrecsúszott”). Mivel az Ally funkció fejlett nyelvi modellekre épül, folyékonyan tud magyarul diskurálni.

Természetesen a készülék menüje, a beállítások és az összes navigációs utasítás szintén elhangzik magyarul. Ha a viselője például valamely más nyelvet akar tanulni, a beállításokban bármikor átváltható a kívánt nyelvre is.

Veszélyes elfogultságok

A kedvező fejlemények mellett azonban aggasztó jelenségek is megfigyelhetők: a mesterséges intelligencia által működtetett rendszerek hajlamosak az elfogult szépségideálok közvetítésére és a pontatlan visszajelzésekre. Az MI-modelleket ugyanis gyakran idealizált nyugati testalkati szabványokon képezik ki – figyelmeztet a TechRepublic.

Ezek a torzítások könnyen azt sugallhatják, hogy a felhasználó megjelenése nem megfelelő. Ami különösen sebezhetővé teszi a világtalanokat, hiszen nekik szinte lehetetlen objektív perspektívából szemlélni a valóságról közvetített gépi leírásokat.

Emellett számolni kell az MI-hallucinációival is, amelyek pontatlan vagy hamis információkat mutatnak be abszolút igazságként. A mesterséges intelligencia időnként rosszul írja le a hajszínt, vagy tévesen semlegesnek írja le a felhasználó arckifejezéseit, holott az illető valójában mosolyog.

Mégis sokkal több a semminél

A nehézségek ellenére a vak felhasználók szívesen használják ezeket a technológiákat. Lucy Edwards így fogalmaz: „A mesterséges intelligencia minden egyes, az interneten található fotót le tud írni, sőt azt is meg tudja mondani, hogyan néztem ki a férjem mellett az esküvőm napján.”

Edwards szerint mindez túlmutat a kényelmen, mivel az alapvető emberi méltóságra is kihat. A mesterségesintelligencia-tükrök nem csak plusz függetlenséget kínálnak, hanem segítenek a látássérülteknek megérteni a helyüket a vizuális világban.