ACM通信
研究突出了
技术角度:计算(内部)动作所在的位置
SoundWatch是一个原型系统，它可以检测音频事件，并通过智能手表的屏幕向聋人和听力困难的人显示音频事件的描述。除了系统本身之外，SoundWatch还提供了一个案例，分析了随着计算继续向交互发生的地方靠拢，我们可能会遇到的机遇和挑战。
接入技术一直以来都是通向未来的窗口，所以我们可以从SoundWatch这样的原型中学到很多东西。举例来说，语音识别现在是主流，但长期依赖它的人是那些发现用其他方式打字很难的人。主流用户界面关注于一小部分模式，而易访问性则必须探索超越常见能力假设的交互。
获取技术的感觉，而不是试图理解。举个例子，想想SoundWatch告诉用户“去开门”和提醒用户可能听到“门铃”的区别。两者都可能导致用户检查门，但后一种消息可以更好地保护用户代理，并使人类用户能够更好地弥补系统的限制。如果我没有门铃，或者我不在家，那么如果SoundWatch显示它听到了门铃的声音，我就能更好地推断出其他哪些声音事件可能是可信的。
早期的接入技术非常庞大。它们的效果也不好。它们速度慢，不准确，而且在它们能做的事情上受到严重限制。然而，当它们比其他方法更有价值时，它们有时会被采用。早期的声音识别系统只能探测到少量的声音，它们被插在墙上，是昂贵的特殊用途设备。如今，基本的声音识别已成为智能手机的标配。
计算，尤其是机器学习，一般都在向交互发生的地方靠近。智能手机让互动变得移动，可穿戴电脑的原型已经存在了几十年;相比之下，商用智能手表似乎只是一小步，但它们极大地改变了互动的可能性。智能手表的屏幕总是一目了然，而手机通常藏在口袋或包里。手机必须随身携带，而且易碎，而智能手表则是与人相连的，很难忘记或掉落。太笨重、太奇怪或太难看的设备会被抛在后面(这是一个众所周知的设计考虑因素)，而智能手表将计算引入了一个有200年历史、被广泛接受的形式因素。
智能手表还没有足够的计算能力成为一个人的唯一设备，性能好的ML模型体积大，计算成本高。模型压缩和高效的ML研究正在解决这些问题。无论如何，在任何给定的时间，对于最有趣的现实世界问题，性能最好的模型将需要比人们经常使用的最低功耗设备更多的计算。SoundWatch可以识别20种声音，但是如果我们想要识别1000或10000种声音，转录语音，或者更能识别噪音呢?这些功能将首先在更强大的设备上使用。
计算机科学家喜欢在设计架构时权衡不同的计算能力和延迟。SoundWatch指出，这必须包括我们身体上的多个计算设备。SoundWatch用智能手表、智能手机和远程服务器探索了一个网络;在不久的将来，当这些权衡必须考虑到许多可穿戴设备(如耳机、戒指、隐形眼镜和用户所穿的鞋子)上可用的计算时，需要做些什么准备呢?计算越接近用户交互，它的功能就越弱，这是一种新的以人为中心的权衡，目标不容易或不普遍定义。
人机交互(HCI)研究在设计这些架构中扮演着至关重要的角色，因为决定在哪里进行计算不仅是一个技术问题，也是一个人的问题。SoundWatch的研究提供了一个例子。通过与SoundWatch互动，潜在用户能够提供更多生态上有效的反馈，告诉他们哪些声音需要快速检测(例如，那些与安全有关的声音)，哪些声音需要更长时间(例如，环境声音)。SoundWatch没有探索的一个挑战是，如何设计性能和能力随底层架构变化而变化的可用系统(例如，当我有手机时，而不是没有手机时)。需要更多的HCI研究!
SoundWatch邀请我们展望近期的未来，它不仅将塑造可访问性，还将广泛地塑造我们与技术互动的方式。人们可能一直专注于等待增强人类的科幻愿景，而我们错过了现在无处不在的计算。从我们的手机、手表、左右耳机，到许多其他设备，现在都能够进行计算——哪些交互可以有效地本地化，人们期望的性能是什么，以及需要哪些跨计算机科学的创新来支持它们?SoundWatch的直接目的是提高可访问性，但像这样的原型最终会推动我们推动计算的每个领域。
数字图书馆是由计算机协会出版的。版权所有©2022 ACM股份有限公司
没有发现记录