トメル・アハロニ、NagishのCEO兼共同創設者 – インタビュー・シリーズ

トメル・アハロニ、NagishのCEO兼共同創設者は、ブルームバーグでのソフトウェア・エンジニアとしての経験、コロンビア大学でのNLPとIoTの研究、 以前イスラエル国防軍でのテクノロジー・インテリジェンスの役割など、強力な技術的基盤を持ち、さらにアクセシビリティとテクノロジーとコミュニケーションの交差点に対する情熱によって動かされています。

Nagishは、聴覚障害者や難聴者向けに完全にアクセス可能な電話を提供するために設計されたAI駆動のコミュニケーション・プラットフォームです。 このアプリは、リアルタイムのキャプションとテキスト・トゥ・スピーチの機能を提供しながら、ユーザーが既存の電話番号を保持し、完全なプライバシーを維持し、個人用辞書、保存されたトランスク립ト、シームレスなデバイス統合などの機能を介して会話を管理できるようにします。

あなたはブルームバーグで働き、コロンビア大学でNLPの研究を行った経験があるが、あなたがNagishを作成するきっかけとなった瞬間や洞察は何だったのか？

コロンビア大学での学部生のとき、ある日クラスを受けているときに電話がかかってきたのですが、クラスの中で電話に出ることができなかったので、電話をどうやって行うのかと考えるようになったのです。聴覚障害者や難聴者は電話でコミュニケーションをとる方法は何だろうかという疑問に至りました。

それは2019年でした。当時、私と共同創設者のアロン・エーザーは、聴覚障害コミュニティが通訳やキャプション・アシスタントに大きく依存していることを発見しました。私たちはそれが信じられないと思いました。そこで、地元の聴覚障害コミュニティの人々に声をかけて、彼らのニーズを理解しようとしました。私たちが聞いた答えは驚くべきものでした。「電話がかかってきたらすぐに切る」、「電話を使わない」、「兄弟に電話をかけてもらう」などでした。

その夏、私はブルームバーグでソフトウェア・エンジニアとしてインターンしました。私のチームには、難聴のインターンがもう1人いました。彼女と会うたびに、2人の通訳とスケジュールを調整しなければなりませんでした。気軽に「ちょっと電話で相談しよう」ということができませんでした。人事部に相談したところ、技術用語に精通した2人の通訳を見つけることはほぼ不可能であり、利用可能なときにのみ使用していることがわかりました。

さらに調べると、これらは孤立した不便さではなく、より大きなパターンの一部であることが明らかになりました。現在でも、進歩がアクセシビリティを改善したにもかかわらず、まだ多くの課題や改善すべき点があることがわかりました。Nagishでは最近調査を行い、聴覚障害者と難聴者のエンパワーメントにおけるコミュニケーション・テクノロジーの影響という報告書を公開しました。その報告書では、65％の聴覚障害者の回答者が、有効なコミュニケーションを行うために、少なくとも1週間に1回は聴覚者の支援が必要であると答えました。そうした依存は、実際的な障壁を生み出し、62％の聴覚障害者の回答者がコミュニケーションの課題がキャリアの決定や特定の役割への参加や昇進を制限したと答えました。

これらの経験と、私が聴覚障害者の個人のつながりを深めるにつれて、私はNagishの最初のバージョンを構築するようになりました。私たちが変えなかった1つの信念があります。つまり、コミュニケーションはアクセス可能でプライベートであるべきです。

アロンと私はプロトタイプを構築し、反応は信じられないほどでした。Nagishがどれほど生活を変えることができるかを実感しました。次にCOVID-19が発生し、需要が爆発的に増加しました。世界がリモート化され、コミュニケーションのアクセシビリティの欠如が明らかになりました。

Nagishの初期の日々はどのようなものでしたか？また、AI技術とアクセシビリティ・目標を統合する際にどのような課題に直面しましたか？

Nagishの初期の日々は、パンデミックの最中でした。私たちの生活では仕事以外のことはほとんどありませんでした。アロンと私は近所に住んでいて、毎日12時間以上、最新の技術をブレインストーミングし、プロトタイプを構築し、実装していました。

そのような時間を持つことができたので、ユーザーと話をし、彼らのニーズを理解することに多くの時間を費やすことができました。私たちは仮定を立てることを望みませんでした。まだ会社にする意図はありませんでした。私たちを駆り立てたのは、ユーザーが直面している課題について聞くことであり、技術でそれを解決できる機会があることを知ることでした。

NagishのAI技術は、聴覚障害者または難聴者と聴覚者の間のコミュニケーションをどのようにして既存のツールではできない方法で橋渡ししていますか？

NagishはAIを使用してコミュニケーションのギャップを橋渡しします。私たちのエンジンは、スピーチをテキストに、テキストをスピーチに、手話をテキストに（およびその逆）をリアルタイムで変換します。つまり、聴覚障害者または難聴者は、ただ電話の会話を表示してタイプまたは話すだけで、聴覚者は標準的な電話会話を体験できます。AIが存在する以前は、人間が操作するリレー・サービスに依存しなければなりませんでした。第三者が会話をすべて書き留める人です。

Nagishでは、リレー・オペレーターは不要です。通訳をスケジュールする必要もありません。待たされることもありません。アプリは、即時性、プライバシー、独立性を電話会話に戻します。従来のリレー・サービスでは提供できないものです。

NagishはAI駆動であるため、すべてのタイプの電話会話に拡張できます。仕事のミーティング、家族のチェックイン、緊急事態、カスタマー・サービス・コールなどです。アプリは、簡単に日常生活に統合できるように設計されています。ユーザーは自分の番号を保持し、リアルタイムのキャプションを取得し、同じアプリを使用して電話会話と対面会話を行うことができます。全体の体験は、摩擦を減らし、コミュニケーションを自然でシームレスに感じさせるように設計されています。

あなたのプラットフォームは、標準的なトランスクリプションやキャプションを超えて、どのようにしてインタラクションをより自然で包括的にしていますか？

私たちは、言語は単に言葉だけではなく、文化、アイデンティティ、ニュアンスでもあることを理解しています。特に手話の場合は、顔の表情、感情、地域の変異に依存します。機械的な代わりに自然な感じのインタラクションを作るために、私たちは直接、聴覚障害者の言語学者や手話の専門家と協力しています。彼らは、私たちのAIがどのように学習し、行動するかを形作るのを助けてくれます。つまり、技術はコミュニティと一緒に構築され、単にデータでトレーニングされたのではなく、行動しています。

標準的なトランスクリプション・ツールは、単に「ここに言った言葉があります」というところで止まります。私たちの目標は、実際の会話をサポートすることです。私たちは、会話の流れを管理し、キャプションやテキストを読み上げるだけでなく、コンテキストを提供するAIエージェントを実装しています。さらに、Nagishは、会話の流れに最適化されたリアルタイムのキャプションを提供し、調整可能なフォント、スパム・フィルタリング、音声メールのトランスクリプション、デバイス上でトランスクリプトを保存して後で確認する機能など、機能を提供します。すべてが、聴覚者の電話会話と同等の体験を作ります。

自然言語処理は、単に言葉だけではなく、意図とトーンをキャプチャすることを保証する上でどのような役割を果たしていますか？

自然言語処理と自然言語理解は、Nagishが何を言っているのかだけでなく、どのように言っているのかをキャプチャする上で核心的な役割を果たしています。スピーチは、トーン、強調、さらに多くのヒントを含み、コンテキストを追加するものです。私たちのNLPモデルは、会話の層を理解するように設計されており、ユーザーは基本的なトランスクリプト以上のものを得ることができます。目標は、キャプションが可能な限り自然な会話に近づけることです。

実世界の状況、たとえば医療の電話会話、仕事のミーティング、さらには緊急事態に対応するために、Nagishは構築されています。私たちのモデルは、速いスピーチ、重なり合う声、感情のニュアンスを処理するようにトレーニングされています。コンテキストの認識は、私たちが人間のトランスクリプターや他のAIツールを上回る理由の1つです。システムは単に言葉を推測しません。会話の流れを使用して意図を理解します。

Nagishは、従来のアクセシビリティの財務的および論理的障壁を解決しながら、より包括的な職場環境を作るために企業をどのように支援していますか？

Nagishでは、従来のアクセシビリティの財務的および論理的障壁を取り除くことで、企業がより包括的な職場環境を作るのを支援しています。従来、包括的な職場環境を作ることは、スケジュールされた通訳に頼ることを意味しましたが、日常のコミュニケーション、たとえば気軽な電話会話、即席のミーティング、時間厳守のタスクには実用的ではありません。そうした制限は遅延を生み出し、コストを加え、意図せずして聴覚障害者や難聴者の従業員を仕事の流れから除外することがあります。

Nagishは、そのダイナミクスを変えるために取り組んでいます。従業員が自立して、随時コミュニケーションを行えるようにします。企業がそうした障壁を取り除くとき、人は完全に参加し、チームが強化され、従業員の離職率が改善され、より公平な職場環境が実現します。

私たちが最近実施した調査によると、60％以上の聴覚障害者および難聴者の回答者が、コミュニケーションの障壁がキャリアの決定や職業上の成長に影響を与えたと答えました。まだ多くの課題があることを示す、深刻な課題です。

私たちは、企業が、対応的な対応から予防的な包括性へと移行するのを支援します。そうすることで、すべての従業員が自立して貢献できる職場環境が生まれます。

あなたは聴覚障害者や難聴者のユーザーからどのようなフィードバックを受けていますか？また、それは製品の進化にどのように影響していますか？

私たちは、聴覚障害コミュニティと協力してNagishを構築しました。以来、興奮、好奇心、まれに躊躇も見られますが、当然のことです。聴覚障害コミュニティは、新しいテクノロジーに対して非常に注意深く、質問を投げかけてきます。彼らは過去に多くの過大な約束を聞いてきました。私たちはそれを避けたいと思います。私たちは、完璧さよりも進歩を優先していますが、最終目標は完璧さです。

コミュニティ・ファーストのアプローチは、私たちが最近行った調査結果によって裏付けられています。支援技術を採用した後、ユーザーは日常生活での独立性の大幅な増加を示しました。聴覚障害者の場合、独立してコミュニケーションができる人の割合は37％から60％に、難聴者の場合、32.9％から63％に増加しました。そうした変化は、私たちが毎日聞くフィードバックと同じです。人々は、コミュニケーションをより簡単にし、より一貫性があり、利用可能なツールを望んでいます。

手話の解釈技術の開発に関する私たちの研究では、人間の通訳や既存のコミュニケーション方法を置き換えるのではなく、もう1つの選択肢、いつでもどこでもアクセス可能なツールを追加することを目指しています。ユーザーのフィードバックは、その「追加の選択肢」の重要性を強調しています。特に、通訳が利用できない場合や、プライバシーと独立性を望む場合には、コミュニケーションが不便になる、遅れる、または到達できない状況を作り出すことがあります。

私たちは、コミュニティ・ファーストのアプローチを取り入れ、テクノロジーが本物で正確で敬意に満ちたものであることを保証しています。手話のユーザーと一緒に構築し続ける限り、私たちは、これが前向きな一歩であると考えています。

アクセシビリティ・テクノロジーにおけるプライバシーは重要な懸念事項です。Nagishは、デリケートな会話をどのようにして保護し、ユーザーの信頼を維持していますか？

プライバシーは、Nagishの聴覚障害者や難聴者のユーザーをエンパワーメントする使命において、極めて重要です。最初に言及すべきことは、Nagishを使用することで、既存の必要性である、生のトランスクリプターの必要性を排除できることです。すでに、以前はなかったプライバシーの感覚が得られます。

技術的な側面では、Nagishはプライバシーによって設計されています。電話会話を録音せず、会話中のみに制限され、サーバー上に会話のトランスクリプトを保存しません。また、会話データをトレーニング目的で使用しません。ユーザーがトランスクリプトを保存することを選択した場合、それらは共有クラウドではなく、デバイスのローカルに保存されます。エンド・ツー・エンドのセキュア・キャプションやトランスクリプトのローカル・ストレージなどの機能は、非常にデリケートな会話、たとえば健康、雇用、または個人的な関係についての会話を保護するために提供されています。

あなたは、次の10年でAIがアクセシビリティをどのように変えることを予想していますか？また、テクノロジーが埋めなければならないギャップはまだ何がありますか？

デジタル・アクセシビリティの大きな問題の1つは、教育と観察の欠如です。エンジニアはaltテキストの実装を怠り、デザイナーはアクセスできない色を選択し、プロダクト・マネージャーはKPIのためにプロダクトの決定を下します。

AIが製品開発の各側面、エンジニアリング、デザイン、コピーライティングにさらに関与するにつれて、プロアクティブなアクセシビリティへのアプローチを見ています。AIは、アクセシビリティを、反応的なものから、プロアクティブで周囲に存在するものへと変える可能性があります。さらに、コミュニケーションを補助する新しいツールの波が来るでしょう。電話会話だけでなく、職場、教室、交通、公共のサービスなど、さまざまな状況で、障害を持つ人や特に聴覚障害者や難聴者が、常にアクセスを要求する必要がなくなり、デフォルトでアクセス可能になるでしょう。

人間の通訳とAIのコラボレーションは、どのように進化することを想定していますか？どちらかが最終的に他方を置き換えるでしょうか？それとも、互いに強化しますか？

手話の通訳者は不可欠な仕事をしています。コミュニティ、障害者へのアクセス、コミュニケーションにとって非常に重要です。しかし、現実は、十分な数の通訳者がいないということです。アメリカでは、約50万人がアメリカ手話を第一言語として使用していますが、認定通訳者は約1万人しかいません。つまり、医師の訪問、保護者と教師の会議、仕事の面接など、多くの状況でアクセス可能なコミュニケーションが不足しています。

通訳者が利用可能であっても、スケジュールやコスト、地理的な制限など、課題があります。農村部に住む人は、通訳者を手配するのがはるかに難しいでしょう。そうした遅延は、特に医療や緊急事態の状況では、現実的な結果をもたらす可能性があります。

AIは、そのギャップを埋めるのに役立ちます。私たちが構築しているものは、通訳者を置き換えるものではありません。通訳者の仕事を補完し、アクセシビリティをよりスケーラブルにするツールです。人間の通訳者が利用できないときに、または誰かがプライバシーと独立性を望むときに、ステップインするツールです。

Google Translateは、プロの翻訳者を置き換えませんでしたが、日常のコミュニケーションのギャップを埋めることができました。

コンピュータ・ビジョンと自然言語処理の進歩により、AIは、手話をリアルタイムで解釈できるようになることを約束しています。つまり、より多くの人が、ビデオ通話、公共のキオスク、緊急サービスを介して瞬時にコミュニケーションをとることができるようになります。