ACM通信

人工智能和易用性

根据世界卫生组织的数据，全球有超过10亿人患有残疾。残疾研究领域通过社会视角来定义残疾;人们的残疾程度已经达到了社会制造无障碍障碍的程度。人工智能技术提供了消除许多无障碍障碍的可能性;例如，计算机视觉可以帮助盲人更好地感知视觉世界，语音识别和翻译技术可以为听力不好的人提供实时字幕，新的机器人系统可以增强行动不便的人的能力。考虑残疾用户的需求可以帮助技术人员确定具有高影响力的挑战，这些挑战的解决方案可以促进所有用户的人工智能状态;然而，必须考虑诸如包容性、偏见、隐私、错误、期望设置、模拟数据和社会可接受性等伦理挑战。

回到顶部

包容性

人工智能系统的包容性是指它们是否对不同的用户群体有效。关于培训数据中缺乏性别和种族多样性的问题越来越多地被讨论;然而，与残疾有关的包容性问题尚未成为讨论的话题，尽管这类问题普遍存在。^4，16例如，由于虚拟助手而普及的语音识别系统，对于有语言障碍的人，如构音障碍、失聪口音和其他情况的人来说，效果并不好，因为训练数据通常不包括来自这类人群的样本。⁶计算机视觉的进步已经促使几个小组提出使用这种算法为盲人识别物体，但今天的视觉到语言算法是在由视力正常的用户拍摄的图像组成的数据集上训练的，这限制了它们应用于盲人用户拍摄的图像时的效果，这些图像的质量往往要低得多。²这些包容性问题可能会使残疾人无法与下一代计算技术进行交互。为提高对数据集来源和局限性的认识而提出的方法^3.是提高数据集透明度的起点。努力直接从代表性不足的用户群体中获取数据，例如VizWiz数据集，⁵其中包含了由盲人拍摄的数千张图片和相关问题，这是朝着正确方向迈出的一步。

没有找到条目

登录阅读全文