به مناسبت روز جهانی عصای سفید؛ فناوری‌های هوشمند در مسیر استقلال نابینایان
هوش مصنوعی چشم دوم می‌شود
محبوبه ستارزاده
گروه علم و فناوری
یک منو روی میز است؛چند خط نوشته، چند قیمت و ده‌ها انتخاب. برای بیشتر آدم‌ها، انتخاب غذا شاید چند دقیقه بیشتر طول نکشد اما برای کسی که نابینا است، همین منوی ساده هم می‌تواند به معنای نیاز به کمک دیگران برای خواندن آن باشد. که البته این یار کمکی، می تواند فناوری باشد. حالا دیگر نابینایان در بسیاری از کشورهای جهان می‌توانند دوربین گوشی را روی منو، زوم کنند تا هوش مصنوعی، نوشته‌ها را بخواند و در عرض چند ثانیه، این اطلاعات به صدا و گفتار تبدیل شود. این، فقط داستان خواندن یک منوی رستوران نیست. داستان نامه‌ای است که دیگر فرد نابینا لازم نیست برای خواندنش منتظر کسی بماند؛ برچسب دارویی است که می‌تواند اطلاعاتش را بشنود؛ تابلویی است که می‌تواند محتوایش را بفهمد و حتی چهره آدمی است که می‌تواند او را بدون دیدن، بشناسد.
از صفحه‌خوان تا هوش مصنوعی
بر اساس آمارهای سازمان جهانی بهداشت، بیش از ۲.۲ میلیارد نفر در جهان با نوعی اختلال بینایی زندگی می‌کنند و حدود ۴۳ میلیون نفر کاملاً نابینا هستند. با این حال، دسترسی به فناوری‌های کمکی هنوز عادلانه نیست و در بسیاری از کشورهای کم‌درآمد و متوسط، تنها بخشی از افرادی که به چنین ابزارهایی نیاز دارند، واقعاً به آنها دسترسی پیدا می‌کنند. داستان فناوری برای نابینایان البته از هوش مصنوعی شروع نشده است. سال‌هاست نرم‌افزارهای صفحه‌خوان مانند JAWS و NVDA به کاربران نابینا امکان کار با رایانه را می‌دهند. این نرم‌افزارها نوشته‌ها و عناصر موجود روی صفحه را به گفتار تبدیل می‌کنند و کاربر می‌تواند با فرمان‌های صفحه‌کلید، میان منوها، فایل‌ها، ایمیل‌ها و صفحات وب حرکت کند. نرم‌افزارهایی مانند ZoomText Fusion نیز با ترکیب قابلیت بزرگ‌نمایی صفحه و صفحه‌خوان JAWS، امکان استفاده هم‌زمان از خروجی دیداری، صوتی و بریل را فراهم می‌کنند؛ ابزاری که به‌ویژه برای افراد کم بینا کاربرد دارد. بعد نوبت تلفن‌های هوشمند رسید. قابلیت‌هایی مانند VoiceOver در آیفون و TalkBack در اندروید، تلفن همراه را برای میلیون‌ها کاربر نابینا و کم‌بینا قابل استفاده‌تر کردند. اما یک محدودیت مهم همچنان وجود داشت؛ این ابزارها عمدتاً با دنیای دیجیتال سر و کار داشتند و تنها می‌توانستند آنچه روی صفحه گوشی یا رایانه اتفاق می‌افتد را روایت کنند، نه لزوماً آنچه در دنیای واقعی مقابل کاربر قرار دارد. اینجا بود که هوش مصنوعی وارد میدان شد؛ فناوری‌ای که می‌تواند تصویر را تحلیل کند و نتیجه را به زبان طبیعی توضیح دهد. به این ترتیب، گوشی هوشمند از ابزاری برای دسترسی به اطلاعات دیجیتال، به وسیله‌ای برای تفسیر دنیای اطراف تبدیل شد.
گوشی‌هایی که چشم کاربر می‌شوند
اپلیکیشن‌ها حالا یکی از ابزارهای مهم افزایش استقلال افراد نابینا هستند. یکی از نمونه‌های شناخته‌شده، Seeing AI مایکروسافت است؛ برنامه‌ای که با استفاده از دوربین گوشی و هوش مصنوعی، اطلاعات بصری محیط را برای کاربر توصیف می‌کند. کاربر می‌تواند از محیط اطراف خود تصویر بگیرد و برنامه به او بگوید چه چیزی در مقابلش قرار دارد. خواندن متن و اسناد، تشخیص برخی اشیا، توصیف صحنه‌ها و کمک به یافتن اطلاعات مورد نیاز، بخشی از قابلیت‌هایی است که این فناوری در اختیار کاربران قرار می‌دهد. Be My Eyes نیز مسیر متفاوت اما مکملی را دنبال می‌کند. این سرویس سال‌هاست کاربران نابینا و کم‌بینا را به داوطلبان بینا متصل می‌کند، اما حالا هوش مصنوعی نیز وارد این چرخه شده و با قابلیت Be My AI می‌تواند تصاویر را تحلیل کند و درباره محتوای آنها توضیح دهد؛ قابلیتی که در بسیاری از موقعیت‌های روزمره می‌تواند وابستگی کاربر به دیگران را کاهش دهد. در کنار اپلیکیشن‌ها، ابزارهایی مانند LyriQ نیز با تبدیل متن چاپی به خروجی صوتی، تلاش می‌کنند دسترسی افراد نابینا به اطلاعات روزمره را آسان‌تر کنند. این دستگاه‌ها با تکیه بر فناوری تشخیص متن و هوش مصنوعی، نوشته‌های چاپی را به گفتاری قابل فهم تبدیل می‌کنند.
عینک‌هایی که می‌بینند
گوشی هوشمند هنوز وسیله‌ای دستی است؛ باید آن را از جیب بیرون آورد، دوربین را فعال کرد و تصویر گرفت. نسل جدید فناوری‌های کمکی و گجت‌های جدید اما یک گام جلوتر رفته و تلاش می‌کند این قابلیت‌ها را به ابزارهای پوشیدنی منتقل کند.OrCam MyEye یکی از این گجت‌هاست که با قرار گرفتن روی عینک معمولی، آن را به ابزاری هوشمند تبدیل می‌کند. این دستگاه می‌تواند اطلاعات بصری را دریافت و به شکل صوتی منتقل کند. اگر گوشی هوشمند نقش چشم را بازی می‌کند، عینک‌های هوشمند تلاش می‌کنند این چشم را همیشه همراه کاربر نگه دارند.عینک‌های هوشمند Envision با استفاده از هوش مصنوعی، قابلیت‌هایی مانند خواندن متن، تشخیص چهره و توصیف محیط را در اختیار کاربران نابینا و کم‌بینا قرار می‌دهند. این ابزارها تلاش می‌کنند بدون نیاز به در دست گرفتن گوشی، اطلاعات محیط را به شکل صوتی در اختیار فرد قرار دهند. اتصال برخی عینک‌های هوشمند به سرویس‌هایی مانند Be My Eyes نیز امکان ارتباط با یک داوطلب انسانی را فراهم کرده است. به این ترتیب، اگر هوش مصنوعی نتواند پاسخ مناسبی ارائه دهد، کاربر همچنان می‌تواند از یک انسان واقعی کمک بگیرد.
بریل هنوز زنده است
با وجود همه هیاهویی که امروز پیرامون هوش مصنوعی و ابزارهای صوتی وجود دارد، بریل همچنان جایگاه مهمی در فناوری‌های کمکی دارد. نمایشگرهای بریل قابل به‌روزرسانی، متن دیجیتال را به نقاط برجسته تبدیل می‌کنند و به کاربر اجازه می‌دهند اطلاعات را از طریق لمس کردن بخواند. این ابزارها برای مطالعه، کار، برنامه‌نویسی و ... اهمیت زیادی دارند. نسل جدید این فناوری حتی از متن فراتر رفته است. نمایشگرهایی مانند Dot Pad تلاش می‌کنند علاوه بر بریل، اطلاعات گرافیکی مانند شکل‌ها، نمودارها و تصاویر را نیز به فرم لمسی منتقل کنند؛ فناوری‌ای که می‌تواند در آموزش، ریاضیات، نقشه‌خوانی و دسترسی به اطلاعات بصری کاربرد داشته باشد. اگر هوش مصنوعی تلاش می‌کند «تصویر را به صدا» تبدیل کند، نمایشگرهای لمسی تلاش می‌کنند «تصویر را به لمس» تبدیل کنند. فناوری‌های کمکی هر روز هوشمندتر و شخصی‌تر می‌شوند؛ از گوشی و عینک گرفته تا نمایشگرهای بریل و ابزارهایی که حتی جریان یک مسابقه فوتبال را به لمس تبدیل می‌کنند. اما ارزش واقعی این فناوری‌ها در تعداد قابلیت‌هایشان نیست؛ در استقلالی است که به کاربر می‌دهند. اینکه یک فرد نابینا بتواند منوی خود را بخواند، مسیرش را پیدا کند، مسابقه را دنبال کند و درباره جهان اطرافش بدون انتظار برای کمک دیگران تصمیم بگیرد، شاید مهم‌ترین معنای پیشرفت فناوری باشد.
برش
وقتی فناوری به جام جهانی می‌رود
شاید بهترین تصویر از آینده این فناوری‌ها را بتوان در داستان «آنتونی فرارو» دید؛ ورزشکار و چهره‌ای تأثیرگذار در شبکه‌های اجتماعی با بیش از ۳.۵ میلیون دنبال‌کننده که امسال تجربه‌ای متفاوت از حضور در مسابقات جام جهانی فوتبال 2026 داشت.
این رویداد فرصتی بود تا او با وجود نابینایی، بخش‌های مختلف تجربه حضور در یک مسابقه فوتبال را مستقل‌تر تجربه کند؛ از مسیریابی در داخل ورزشگاه گرفته تا دنبال کردن لحظه‌به‌لحظه جریان بازی.
«فرارو» برای تماشای مسابقه بلژیک و مصر از دو محصول مایکروسافت یعنی اپلیکیشن Seeing AI
پیش از شروع بازی و دستگاه ورزشی لمسی
OneCourt در جریان مسابقه استفاده کرد؛هدف هر دو فناوری، افزایش دسترسی افراد نابینا و کم‌بینا به فضاهای عمومی و رویدادهای ورزشی بود.
«Seeing AI » به «فرارو» کمک کرد محیط اطرافش را بهتر بشناسد. او درباره این برنامه توضیح می‌دهد که کاربر می‌تواند از محیط اطراف خود عکس بگیرد و برنامه درباره آنچه در تصویر وجود دارد، اطلاعات ارائه کند؛ از تابلو و منو گرفته تا اشیای مختلف.
به گفته «فرارو»، اگر فردی در یک ورزشگاه به دنبال دکه فروش خوراکی یا سرویس بهداشتی باشد، این برنامه می‌تواند با اسکن محیط به او کمک کند. خواندن برچسب‌ها و نامه‌ها و حتی شناسایی اسکناس‌ها از دیگر قابلیت‌هایی است که او به آنها اشاره کرده است.
«نیل بارنت»، مدیر ارشد بخش دسترسی‌پذیری مایکروسافت نیز گفته است این شرکت
Seeing AI را با هدف کمک به افراد برای حرکت و تعامل مستقل‌تر با جهان پیرامون طراحی کرده است. تصور کنید فرد نابینایی وارد یک ورزشگاه شده، می‌خواهد جای صندلی خود را پیدا کند، غذایی سفارش دهد یا برای فرزندانش هدیه‌ای بخرد؛ فناوری می‌تواند در چنین موقعیت‌هایی بخشی از اطلاعات مورد نیاز را در اختیار او قرار دهد. اما تجربه «فرارو» در جام جهانی با Seeing AI تمام نشد.
در جریان مسابقه، او از OneCourt استفاده کرد؛ دستگاهی در ابعاد یک تبلت که داده‌های زنده مسابقات ورزشی را به بازخوردهای لمسی و صوتی تبدیل می‌کند. این دستگاه طرحی از زمین فوتبال دارد و با حرکت توپ، بازخوردهای لرزشی روی سطح آن جابه‌جا می‌شوند. کاربر می‌تواند با نوک انگشتان خود مسیر حرکت توپ و موقعیت آن در زمین را دنبال کند.
«فرارو» درباره این تجربه گفته است که با وجود نابینایی می‌تواند خط میانی، خطوط دروازه و محدوده زمین را تشخیص دهد. اتصال دستگاه به هدفون نیز اطلاعات و گزارش‌های صوتی زنده‌ای از جریان مسابقه ارائه می‌کند؛ اینکه کدام تیم در حال حمله است، توپ در اختیار کدام تیم قرار دارد و چه کسی شوت زده است.
اما شاید جذاب‌ترین بخش ماجرا، توصیف خود «فرارو» از لحظه گل باشد: تماشاگران روی لبه صندلی نشسته‌اند، توپ در زمین حرکت می‌کند، بازیکنی شوت می‌زند و ناگهان فریاد شادی از سراسر ورزشگاه بلند می‌شود. برای یک فرد نابینا، مهم این است که هم‌زمان بداند چه اتفاقی افتاده است؛ بدون اینکه مجبور باشد برای فهمیدن آن از فرد دیگری کمک بخواهد.این همان جایی است که فناوری کمکی معنای واقعی خود را پیدا می‌کند.
