टोमर अहरोनी, नागिश के सीईओ और सह-संस्थापक – साक्षात्कार श्रृंखला

टोमर अहरोनी, नागिश के सीईओ और सह-संस्थापक, ब्लूमबर्ग में एक सॉफ्टवेयर इंजीनियर के रूप में अपने काम से एक मजबूत तकनीकी आधार लाते हैं, कोलम्बिया विश्वविद्यालय में एनएलपी और आईओटी में शोध, और प्रौद्योगिकी खुफिया भूमिकाओं में अपने पिछले अनुभव के साथ, सभी अपने संचार और प्रौद्योगिकी के चौराहे के लिए जुनून से प्रेरित हैं।

नागिश एक एआई-संचालित संचार मंच है जो फोन कॉल को बहरे या कम सुनने वाले लोगों के लिए पूरी तरह से सुलभ बनाने के लिए डिज़ाइन किया गया है। ऐप वास्तविक समय में कैप्शनिंग और टेक्स्ट-टू-स्पीच क्षमताएं प्रदान करता है, जबकि उपयोगकर्ताओं को अपना मौजूदा फोन नंबर रखने, पूर्ण गोपनीयता बनाए रखने और व्यक्तिगत शब्दकोश, सहेजे गए लिपियों और उपकरण एकीकरण जैसी सुविधाओं के माध्यम से बातचीत को प्रबंधित करने की अनुमति देता है।

आपको ब्लूमबर्ग में काम करने और कोलम्बिया में एनएलपी शोध करने का अनुभव है, तो क्या कोई पल या अंतर्दृष्टि थी जिसने आपको नागिश बनाने के लिए उस अनुभव को चैनल करने के लिए प्रेरित किया?

कोलम्बिया में अपने स्नातक अध्ययन के दौरान, मैं एक दिन कक्षा में बैठा था जब मुझे फोन आया। मैं इसे नहीं उठा सकता था क्योंकि इससे पूरी कक्षा बाधित हो जाती, और इससे मुझे यह सोचने पर मजबूर किया कि आप फोन पर कैसे बात कर सकते हैं अगर आप सुन नहीं सकते या बोल नहीं सकते? यह विचार एक बड़े प्रश्न में बदल गया: बहरे और कम सुनने वाले लोग फोन पर कैसे संवाद करते हैं?

यह 2019 था, और हम (मेरे सह-संस्थापक अलोन एज़र और मैं) खोज करते हुए पाया कि बहरे समुदाय व्याख्याकारों और कैप्शन सहायकों पर बहुत अधिक निर्भर था। हमने सोचा कि यह पागलपन है, इसलिए हम स्थानीय बहरे समुदाय के लोगों से संपर्क करना शुरू किया, और जो हमने सुना वह वास्तव में हमारे लिए आश्चर्यजनक था। “मैं बस फोन उठाता हूं जब कोई मुझे कॉल करता है,” “मैं फोन का उपयोग नहीं करता,” या “मैं अपने भाई से कहता हूं कि मेरे लिए कॉल करें,” कुछ ऐसे उत्तर थे जो हमें मिले जब हमने लोगों से पूछा कि वे फोन का उपयोग कैसे करते हैं।

बाद में उस गर्मियों में, मैंने ब्लूमबर्ग में एक सॉफ्टवेयर इंजीनियर के रूप में इंटर्न किया। मेरी टीम में एक और इंटर्न था जो बहरा था। हर बार जब मुझे उससे मिलना होता था, तो मुझे उसके और दो व्याख्याकारों के साथ समय-सारणी का समन्वय करना होता था। “आइए जल्दी से कॉल पर मिलकर इसे सुलझा लेते हैं” जैसी बातें असंभव थीं। एचआर के साथ बात करने के बाद, मुझे पता चला कि उन दो व्याख्याकारों को खोजना जो तकनीकी जargon से परिचित थे, लगभग असंभव था और हम उनका उपयोग तब तक करते थे जब तक वे उपलब्ध थे, लेकिन वे पूर्णकालिक उपलब्ध नहीं थे।

जितना अधिक हम सीखते गए, यह स्पष्ट हो गया कि ये अलग-अलग असुविधाएं नहीं थीं, बल्कि एक बहुत बड़े पैटर्न का हिस्सा थीं। आज भी, उन्नति के बावजूद जो सुलभता में सुधार हुआ है, अभी भी कई चुनौतियाँ और क्षेत्र हैं जिन्हें संबोधित किया जाना है। नागिश में, हमने हाल ही में एक सर्वेक्षण किया और एक रिपोर्ट जारी की, बहरे और कम सुनने वाले लोगों को सशक्त बनाने में संचार प्रौद्योगिकी का प्रभाव, जिसमें पाया गया कि 65% बहरे व्यक्तियों ने कहा कि उन्हें प्रभावी ढंग से संवाद करने के लिए कम से कम एक बार सप्ताह में एक सुनने वाले व्यक्ति से सहायता की आवश्यकता होती है। यह निर्भरता पेशेवर सेटिंग्स में वास्तविक बाधाएं पैदा करती है, जो इस तथ्य में परिलक्षित होती है कि 62% बहरे उत्तरदाताओं ने कहा कि संचार चुनौतियों ने उनके करियर के निर्णयों और कertain भूमिकाओं में आगे बढ़ने की उनकी क्षमता को सीमित किया है।

इन अनुभवों ने, और बहरे व्यक्तियों के साथ मेरे बढ़ते संबंधों ने, मुझे नागिश का पहला संस्करण बनाने के लिए प्रेरित किया। हमारा एक ही विश्वास है जो नहीं बदला है – संचार सुलभ और निजी होना चाहिए।

अलोन और मैंने एक प्रोटोटाइप बनाया, और प्रतिक्रिया अविश्वसनीय थी। हमने महसूस किया कि नागिश कितना जीवन बदलने वाला हो सकता है। फिर कोविड आया, और आवश्यकता विस्फोट हो गई क्योंकि दुनिया दूरस्थ हो गई, और संचार में सुलभता की कमी वास्तव में स्पष्ट हो गई।

आप नागिश के शुरुआती दिनों के बारे में बता सकते हैं, और आपने सुलभता लक्ष्यों को नवीनतम एआई प्रौद्योगिकी के साथ मिलाने में किन चुनौतियों का सामना किया?

नागिश के शुरुआती दिन महामारी के दौरान थे, इसलिए हमारे जीवन में काम के अलावा बहुत कुछ नहीं हो रहा था। अलोन और मैं एक-दूसरे के ब्लॉक में रहते थे और नवीनतम प्रौद्योगिकियों को ब्रेनस्टॉर्म करने, प्रोटोटाइप करने और लागू करने के लिए बहुत समय बिताते थे। हम महीनों तक अपने अपार्टमेंट से 12+ घंटे काम करते थे।

इस तरह के समय के साथ, हमने अपने उपयोगकर्ताओं से बात करने और उनकी जरूरतों को समझने में बहुत समय बिताया। हम कोई धारणा नहीं बनाना चाहते थे। उस समय, हमें अभी भी कंपनी बनाने का कोई इरादा नहीं था। जो हमें ड्राइव देता था वह उपयोगकर्ताओं से सुनने के बारे में था और जानते थे कि हम उनकी समस्याओं का समाधान करने का मौका था।

नागिश की एआई तकनीक बहरे या कम सुनने वाले व्यक्तियों और सुनने वाले दुनिया के बीच संचार को कैसे पुल करती है जिस तरह से मौजूदा उपकरण नहीं कर सकते?

नागिश एआई का उपयोग संचार अंतराल को पुल करने के लिए करता है। हमारे इंजन भाषण को पाठ में बदलते हैं, पाठ को वापस भाषण में बदलते हैं और हस्तलिपि को पाठ में (और इसके विपरीत) वास्तविक समय में बदलते हैं। इसका मतलब है कि एक बहरे या कम सुनने वाले व्यक्ति को बस कॉल पर क्या कहा जा रहा है देखना होगा और टाइप करके या बोलकर जवाब देना होगा, जबकि दूसरी ओर सुनने वाला व्यक्ति केवल एक मानक फोन कॉल का अनुभव करता है। इससे पहले कि इस तरह की एआई मौजूद थी, लोगों को मानव-संचालित रिले सेवाओं पर निर्भर रहना पड़ता था जहां एक तीसरा व्यक्ति लाइन पर बैठता था और सभी प्रतिलेखन करता था।

नागिश के साथ, कोई रिले ऑपरेटर नहीं है, कोई व्याख्याकार नहीं है जिसे निर्धारित करना है, और किसी और के लिए इंतजार नहीं करना है। ऐप तुरंता, गोपनीयता और स्वतंत्रता को फोन कॉल में वापस लाता है, जो पारंपरिक रिले सेवाएं प्रदान नहीं कर सकती हैं।

चूंकि नागिश एआई-संचालित है, यह प्रत्येक प्रकार के कॉल के लिए स्केल कर सकता है: कार्य बैठकें, परिवार के चेक-इन, आपातकालीन सेवाएं और ग्राहक सेवा कॉल। ऐप को नियमित जीवन में आसानी से एकीकृत करने के लिए डिज़ाइन किया गया है: उपयोगकर्ता अपना नंबर रख सकते हैं, वास्तविक समय कैप्शन प्राप्त कर सकते हैं और फोन कॉल और व्यक्तिगत बातचीत दोनों में एक ही ऐप का उपयोग कर सकते हैं। पूरा अनुभव संचार को यथासंभव प्राकृतिक और सहज बनाने के लिए डिज़ाइन किया गया है।

आपका मंच मानक प्रतिलेखन या कैप्शनिंग से परे जाकर इंटरैक्शन को अधिक प्राकृतिक और समावेशी बनाने के लिए किस प्रकार काम करता है?

हम जानते हैं कि भाषा केवल शब्द नहीं है, यह संस्कृति, पहचान और सूक्ष्मता भी है। यह विशेष रूप से हस्तलिपि के लिए सच है, जो चेहरे के भाव, भावना और क्षेत्रीय भिन्नता पर निर्भर करती है। बातचीत को यांत्रिक के बजाय प्राकृतिक महसूस कराने के लिए, हम सीधे बहरे भाषाविदों और हस्तलिपि विशेषज्ञों के साथ सहयोग करते हैं। वे हमारे एआई को आकार देने में मदद करते हैं कि यह कैसे सीखता है और व्यवहार करता है, ताकि प्रौद्योगिकी समुदाय के साथ बनाई जा सके, न कि केवल उनके डेटा पर प्रशिक्षित।

मानक प्रतिलेखन उपकरण अक्सर “यहाँ कहे गए शब्द हैं” पर रुक जाते हैं। हमारा लक्ष्य वास्तविक बातचीत का समर्थन करना है। हम एआई एजेंटों को लागू कर रहे हैं जो संदर्भ प्रदान कर सकते हैं और कॉल के प्रवाह को प्रबंधित कर सकते हैं जो केवल कैप्शन या पाठ को बोलते हैं। इसके अलावा, नागिश में वास्तविक समय कैप्शन हैं जो बातचीत के प्रवाह के लिए अनुकूलित हैं, जिसमें समायोज्य फ़ॉन्ट, स्पैम फ़िल्टरिंग, वॉइसमेल प्रतिलेखन और अपने डिवाइस पर लिपियों को सहेजने और समीक्षा करने की क्षमता जैसी सुविधाएं हैं। यह सभी एक समान अनुभव बनाता है जो सुनने वाले लोगों को फोन कॉल पर मिलता है।

प्राकृतिक भाषा प्रसंस्करण की भूमिका क्या है ताकि आपका मंच न केवल शब्दों को पकड़े, बल्कि इरादा और स्वर भी पकड़ ले?

प्राकृतिक भाषा प्रसंस्करण और प्राकृतिक भाषा समझना नागिश के कोर में है जो कि केवल यह नहीं बताता है कि कोई क्या कहता है, बल्कि यह भी बताता है कि वे क्या मतलब रखते हैं। भाषण में संकेतों से भरपूर होता है जो संदर्भ जोड़ते हैं, जैसे कि स्वर, जोर और अधिक, और हमारे एनएलपी मॉडल उन परतों को पकड़ने के लिए डिज़ाइन किए गए हैं ताकि उपयोगकर्ता एक मूल बातचीत के करीब महसूस करें।

चूंकि नागिश वास्तविक दुनिया की स्थितियों के लिए बनाया गया है, जैसे कि चिकित्सा कॉल, कार्य बैठकें और यहां तक कि आपातकालीन सेवाएं, हमारे मॉडल तेजी से भाषण, ओवरलैपिंग आवाजों और भावनात्मक सूक्ष्मता को संभालने के लिए प्रशिक्षित हैं। संदर्भ जागरूकता एक बड़ा कारण है कि हम अक्सर मानव प्रतिलेखकों और अन्य एआई टूल्स दोनों को पार करते हैं। सिस्टम केवल शब्दों का अनुमान नहीं लगाता है; यह बातचीत के प्रवाह का उपयोग संदर्भ को समझने के लिए करता है।

नागिश नियोक्ताओं को अधिक समावेशी कार्यस्थल बनाने में कैसे मदद कर रहा है, जबकि उन वित्तीय और लॉजिस्टिक बाधाओं को संबोधित कर रहा है जिन्होंने लंबे समय से सुलभता को सीमित किया है?

नागिश में, हम नियोक्ताओं को अधिक समावेशी कार्यस्थल बनाने में मदद कर रहे हैं जो सुलभता को स्केल करने के लिए वित्तीय और लॉजिस्टिक बाधाओं को दूर करते हैं। पारंपरिक रूप से, एक सुलभ कार्यस्थल बनाने का मतलब निर्धारित व्याख्याकारों पर निर्भर रहना था, जो आवश्यक हैं लेकिन दैनिक संचार के लिए व्यावहारिक नहीं हैं, जैसे कि त्वरित कॉल, अनौपचारिक बैठकें या समय-संवेदनशील कार्य। ये सीमाएं देरी, लागत जोड़ती हैं और अनजाने में बहरे और कम सुनने वाले कर्मचारियों को काम के प्रवाह से बाहर कर देती हैं।

नागिश इस गतिविधि को बदलने का प्रयास कर रहा है, कर्मचारियों को स्वतंत्र रूप से और मांग पर संवाद करने की क्षमता प्रदान करता है। जब कंपनियां इन बाधाओं को दूर करती हैं, तो लोग पूरी तरह से भाग ले सकते हैं, जिससे मजबूत टीमें, बेहतर प्रतिधारण और अधिक समान कार्यस्थल बनता है।

हमारे द्वारा हाल ही में किए गए एक सर्वेक्षण के अनुसार, 60% से अधिक बहरे और कम सुनने वाले उत्तरदाताओं ने कहा कि संचार बाधाएं उनके करियर के निर्णयों और पेशेवर विकास पर प्रभाव डालती हैं। यह एक गंभीर चुनौती है जो दिखाती है कि पिछले कुछ वर्षों में हुई प्रगति के बावजूद अभी भी बहुत काम करना बाकी है।

हम नियोक्ताओं को प्रतिक्रियावादी समायोजन से आगे बढ़कर सक्रिय समावेशन में ले जाने में सक्षम बनाते हैं, जिससे ऐसे कार्यस्थल बनते हैं जहां हर कर्मचारी स्वतंत्र रूप से योगदान कर सकता है।

बहरे और कम सुनने वाले उपयोगकर्ताओं से आपको किस तरह की प्रतिक्रिया मिली है, और यह उत्पाद के विकास को कैसे प्रभावित करता है?

हमने नागिश को बहरे समुदाय के साथ मिलकर बनाया है, और तब से हमें उत्साह, जिज्ञासा और दुर्लभ मामलों में कुछ हिचकिचाहट मिली है, जो कि बिल्कुल सही है। बहरे समुदाय नई प्रौद्योगिकी के प्रति बहुत जागरूक और जिज्ञासु है, और अच्छे कारण के साथ। उन्होंने अतीत में इतने सारे वादों को सुना है, और हम उन्हें टालने की कोशिश कर रहे हैं। हम प्रगति पर पूर्णता को प्राथमिकता दे रहे हैं, जो समय लेता है – लेकिन हमारा अंतिम लक्ष्य पूर्णता है।

यह समुदाय-पहला दृष्टिकोण हमारी हाल की रिपोर्ट से पुष्टि की जाती है। सहायक प्रौद्योगिकी को अपनाने के बाद, उपयोगकर्ताओं ने दैनिक स्वतंत्रता में एक बड़ी वृद्धि दिखाई: बहरे उपयोगकर्ताओं के लिए स्वतंत्र रूप से संवाद करने वाले लोगों की संख्या 37% से 60% तक बढ़ गई, और कम सुनने वाले उपयोगकर्ताओं के लिए 32.9% से 63% तक। यह परिवर्तन हमें हर दिन जो प्रतिक्रिया मिलती है उसका प्रतिबिंब है: लोग उन उपकरणों की मांग कर रहे हैं जो संचार को आसान, अधिक सुसंगत और उन क्षणों में उपलब्ध बनाते हैं जब व्याख्याकार उपलब्ध नहीं होते हैं या जब वे गोपनीयता पसंद करते हैं।

जब हम बेहतर हस्तलिपि व्याख्या प्रौद्योगिकियों के निर्माण के बारे में अपने शोध की बात करते हैं, तो हमारा लक्ष्य मानव व्याख्याकारों या मौजूदा संचार विधियों को प्रतिस्थापित करना नहीं है, बल्कि एक और विकल्प जोड़ना है, एक उपकरण जो सुलभता को अधिक सुसंगत और कहीं भी, कभी भी उपलब्ध बनाता है। उपयोगकर्ताओं से प्रतिक्रिया ने पुष्टि की है कि “एक अतिरिक्त विकल्प” कितना महत्वपूर्ण है, विशेष रूप से तब जब व्याख्याकार उपलब्ध नहीं होते हैं या जब कोई व्यक्ति गोपनीयता और स्वतंत्रता चाहता है। कई लोगों के लिए, यह स्थितियों का निर्माण करता है जहां संचार औरначе असहज, देरी से या दूर का महसूस होगा।

हम समुदाय-पहले दृष्टिकोण का पालन कर रहे हैं ताकि यह सुनिश्चित किया जा सके कि प्रौद्योगिकी प्रामाणिक, सटीक और सम्मानजनक महसूस हो। जब तक हम हस्तलिपि उपयोगकर्ताओं के साथ निर्माण करते हैं, हम मानते हैं कि यह एक सशक्तिकरण कदम के रूप में प्राप्त किया जाएगा।

सुलभता प्रौद्योगिकी में गोपनीयता एक प्रमुख चिंता है — नागिश संवेदनशील बातचीत को कैसे संभालता है और उपयोगकर्ता विश्वास बनाए रखता है?

गोपनीयता नागिश के मिशन के लिए महत्वपूर्ण है जो बहरे और कम सुनने वाले उपयोगकर्ताओं को सशक्त बनाने के लिए है। पहली बात यह है कि नागिश के साथ, आप पहले से ही एक लाइव प्रतिलेखक की आवश्यकता को समाप्त कर सकते हैं, इसलिए तुरंत ही एक गोपनीयता की भावना है जो पहले संभव नहीं थी।

तकनीकी पक्ष पर, नागिश डिज़ाइन द्वारा निजी है। हम कॉल रिकॉर्ड नहीं करते हैं और कॉल की अवधि से परे हमारे सर्वर पर कॉल प्रतिलेख संग्रहीत नहीं करते हैं। हम कॉल डेटा का उपयोग प्रशिक्षण उद्देश्यों के लिए भी नहीं करते हैं। जब उपयोगकर्ता प्रतिलेख सहेजना चुनते हैं, तो वे अपने डिवाइस पर स्थानीय रूप से संग्रहीत होते हैं, न कि साझा क्लाउड में। विशेष रूप से संवेदनशील बातचीत की रक्षा के लिए सुविधाएं जैसे कि अंत-से-अंत सुरक्षित कैप्शनिंग और प्रतिलेखों का स्थानीय भंडारण हैं।

आप आगामी दशक में सुलभता में एआई की भूमिका को कैसे देखते हैं, और प्रौद्योगिकी को अभी भी कौन से अंतराल भरने हैं?

डिजिटल सुलभता के साथ एक बड़ा मुद्दा शिक्षा और दृश्यता की कमी है: इंजीनियर ऑल्ट-टेक्स्ट को लागू नहीं करते हैं, डिज़ाइनर असुलभ रंग चुनते हैं क्योंकि वे अच्छे लगते हैं, और उत्पाद प्रबंधक उत्पाद निर्णय लेते हैं जो केवल केपीआई के लिए होते हैं।

जैसा कि एआई उत्पाद विकास के प्रत्येक पहलू में शामिल हो जाता है, इंजीनियरिंग से लेकर डिज़ाइन तक और कॉपीराइटिंग तक, हम सुलभता के प्रति एक सक्रिय दृष्टिकोण देख रहे हैं। एआई सुलभता को प्रतिक्रियावादी और “पैच्ड ऑन” से आगे बढ़कर एक सक्रिय और पर्यावरणीय बना सकता है। हम विभिन्न सेटिंग्स में संचार को बढ़ाने वाले नए उपकरणों की एक नई लहर देखेंगे – न केवल कॉल, बल्कि कार्यस्थल, कक्षाएं, परिवहन और सार्वजनिक सेवाएं – ताकि लोगों को विकलांगता के साथ, और विशेष रूप से बहरे और कम सुनने वाले लोग, बिना सुलभता के अनुरोध किए बिना संवाद कर सकें।

आप मानव व्याख्याकारों और एआई के बीच सहयोग को कैसे देखते हैं – क्या एक दिन दूसरे को प्रतिस्थापित करेगा, या वे एक दूसरे को मजबूत करते हैं?

हस्तलिपि व्याख्याकार अद्भुत काम करते हैं। वे समुदाय, सुलभता और संचार के लिए आवश्यक हैं। लेकिन वास्तविकता यह है कि उनमें से पर्याप्त नहीं हैं। उदाहरण के लिए, संयुक्त राज्य अमेरिका में, जहां 500,000 से अधिक लोग अमेरिकी हस्तलिपि को अपनी प्राथमिक भाषा के रूप में उपयोग करते हैं, वहीं केवल 10,000 प्रमाणित व्याख्याकार हैं। इसका मतलब है कि कई स्थितियों में – डॉक्टर के दौरे, माता-पिता की बैठकें, नौकरी के साक्षात्कार, और अधिक – अक्सर सुलभ संचार की कमी होती है।

यहां तक कि जब व्याख्याकार उपलब्ध होते हैं, तो अनुसूची बनाने, लागत और भूगोल के बारे में चुनौतियां होती हैं। ग्रामीण क्षेत्र में रहने वाला कोई व्यक्ति व्याख्याकार प्राप्त करने में बहुत अधिक कठिनाई का सामना करेगा, और यह देरी वास्तविक दुनिया के परिणामों का कारण बन सकती है, विशेष रूप से स्वास्थ्य सेवा या आपातकालीन सेटिंग्स में।

एआई इस अंतर को पाटने में मदद कर सकता है। जो हम बना रहे हैं वह व्याख्याकारों को प्रतिस्थापित नहीं करना है, बल्कि उनके काम को पूरक बनाना और सुलभता को अधिक स्केलेबल बनाना है। यह एक ऐसा उपकरण है जो तब काम करता है जब मानव व्याख्याकार उपलब्ध नहीं होता है या जब कोई व्यक्ति गोपनीयता और स्वतंत्रता चाहता है।

गूगल अनुवाद पेशेवर अनुवादकों को प्रतिस्थापित नहीं करता है, लेकिन यह दैनिक संचार के लिए संचार को पुल करने का एक तरीका बनाता है।

कंप्यूटर दृष्टि और प्राकृतिक भाषा प्रसंस्करण में प्रगति के साथ, एआई वास्तविक समय में हस्तलिपि की व्याख्या करने में सक्षम होने का वादा करता है। इसका अर्थ है कि अधिक लोग तुरंत संवाद कर सकते हैं, चाहे वह वीडियो कॉल, सार्वजनिक कियोस्क या आपातकालीन सेवा के माध्यम से हो।