Томер Ахарони, генеральный директор и сооснователь Nagish – Интервью

Томер Ахарони, генеральный директор и сооснователь Nagish, объединяет сильную техническую основу, полученную им во время работы инженером-программистом в Bloomberg, исследования в области NLP и IoT в Колумбийском университете, а также ранний опыт работы в области технологической разведки в Израильских оборонных силах, все это движимо его страстью к доступности и пересечению технологий и коммуникации.

Nagish – это платформа коммуникации, работающая на основе искусственного интеллекта, предназначенная для того, чтобы сделать телефонные звонки полностью доступными для людей, которые глухи или имеют проблемы со слухом. Приложение предоставляет функции реального времени, такие как подписывание и текст-в-речь, при этом позволяя пользователям сохранять свой существующий номер телефона, поддерживать полную конфиденциальность и управлять разговорами с помощью функций, таких как персонализированные словари, сохраненные транскрипты и бесшовная интеграция с устройствами.

Какой момент или прозрение привел вас к тому, чтобы использовать ваш опыт в создании Nagish?

Во время моего обучения в бакалавриате в Колумбийском университете я сидел на занятии и получил звонок. Я не мог ответить на него, потому что это бы прервало весь класс, и это заставило меня подумать о том, как можно провести телефонный разговор, если вы не можете слышать или говорить? Это привело к более широкому вопросу: как люди, которые глухи или имеют проблемы со слухом, общаются по телефону?

Это было в 2019 году, и мы (Алон Эзер, мой сооснователь, и я) обнаружили, что глухое сообщество сильно полагалось на переводчиков и помощников по подписыванию. Мы подумали, что это безумие, и начали связываться с людьми из местного глухого сообщества, и то, что мы услышали, было действительно удивительно для нас. “Я просто бросаю трубку, когда кто-то звонит”, “Я не использую телефон”, или “Я прошу своего брата позвонить за меня” – были только некоторые ответы, которые мы получили, когда спросили людей, как они используют телефон.

Позже того же лета я стажировался в качестве инженера-программиста в Bloomberg. В моей команде был другой стажер, который был глухим. Каждый раз, когда я хотел встретиться с ней, мне приходилось согласовывать графики с ней и двумя переводчиками. Спонтанный “давайте быстро позвоним, чтобы разобраться” был просто невозможен. После разговора с отделом кадров я узнал, что найти этих двух переводчиков, знакомых с техническим жаргоном, было почти невозможно, и что мы используем их всякий раз, когда они доступны, но они не доступны полный рабочий день.

Чем больше мы узнали, тем более стало ясно, что это не были изолированные неудобства, а часть гораздо большей картины. Даже сегодня, с учетом достижений, которые улучшили доступность, все еще существует много проблем и областей, которые необходимо решить. В Nagish мы недавно провели опрос и выпустили отчет, Влияние коммуникационных технологий на расширение прав и возможностей глухих и слабослышащих, который показал, что 65% глухих людей заявили, что им нужна помощь от слышащего человека хотя бы раз в неделю, чтобы эффективно общаться. Эта зависимость создает реальные барьеры в профессиональной среде, отраженные в том, что 62% глухих респондентов заявили, что проблемы с коммуникацией повлияли на их карьерные решения и ограничили их способность занимать или продвигаться на определенные должности.

Эти переживания, а также мои растущие связи с глухими людьми, привели меня к созданию первой версии Nagish. У нас есть одна убежденность, которая не изменилась – коммуникация должна быть доступной и частной.

Алон и я построили прототип, и ответ был невероятным. Мы поняли, насколько жизнь может измениться с помощью Nagish. Затем произошла пандемия COVID, и потребность взорвалась, поскольку мир перешел на удаленную работу, и отсутствие доступности в коммуникации действительно стало очевидным.

Можете ли вы рассказать о ранних днях Nagish и о проблемах, с которыми вы столкнулись при объединении целей доступности с передовыми технологиями искусственного интеллекта?

Ранние дни Nagish были во время пандемии, поэтому в нашей жизни не было много событий, кроме работы. Алон и я жили в одном квартале и имели много времени, чтобы мозговым штурмом, создавать прототипы и реализовывать последние технологии. Мы работали из наших квартир по 12 часов в день в течение месяцев.

Имея это количество времени, мы смогли провести много времени, разговаривая с нашими пользователями и понимая их потребности. Мы не хотели делать предположения. На этом этапе мы все еще не намеревались создавать компанию. То, что дало нам импульс, было слышать от пользователей о их проблемах и знать, что у нас есть шанс решить их с помощью технологий.

Как технология Nagish на основе искусственного интеллекта преодолевает коммуникационные разрывы между глухими или слабослышащими людьми и слышащим миром способами, которые существующие инструменты не могут?

Nagish использует искусственный интеллект для преодоления коммуникационных разрывов. Наши движки преобразуют речь в текст, текст обратно в речь, и язык жестов в текст (и наоборот) в реальном времени. Это означает, что глухой или слабослышащий человек может просто увидеть, что говорится во время звонка, и ответить, набирая текст или говоря, в то время как слышащий человек на другом конце просто испытывает стандартный телефонный разговор. До появления такого искусственного интеллекта люди полагались на услуги посредников, где третий человек сидел на линии и выполнял всю транскрипцию.

С Nagish нет посредника, нет переводчика, которого нужно бронировать, и нет ожидания, пока кто-то другой будет доступен. Приложение возвращает мгновенность, конфиденциальность и независимость в телефонные звонки, что традиционные услуги посредников просто не могут предложить.

Поскольку Nagish работает на основе искусственного интеллекта, он может масштабироваться до любого типа звонка: рабочих встреч, семейных проверок, чрезвычайных ситуаций и звонков обслуживания клиентов. Приложение предназначено для легкой интеграции в обычную жизнь: пользователи могут сохранять свой собственный номер, получать транскрипты в реальном времени и использовать одно и то же приложение для телефонных звонков и личных разговоров. Всему опыту предназначено уменьшить трение и сделать коммуникацию такой же естественной и бесшовной, как только возможно.

В каких способах ваша платформа выходит за рамки стандартной транскрипции или подписывания, чтобы сделать взаимодействия более естественными и инклюзивными?

Мы знаем, что язык не только слова, но и культура, идентичность и нюансы. Это особенно верно для языков жестов, которые полагаются на выражение лица, эмоции и региональные вариации. Чтобы сделать взаимодействия естественными, а не механическими, мы сотрудничаем напрямую с глухими лингвистами и экспертами по языку жестов. Они помогают формировать, как наш искусственный интеллект учится и ведет себя, поэтому технология строится вместе с сообществом, а не только обучается на их данных.

Стандартные инструменты транскрипции часто останавливаются на “вот слова, которые были сказаны”. Наша цель – поддержать реальный разговор. Мы реализуем агентов искусственного интеллекта, которые могут предоставить контекст и управлять потоком звонка за пределами простого предоставления транскрипций или чтения текста вслух. Кроме того, Nagish предлагает транскрипты в реальном времени, оптимизированные для потока разговора, с функциями, такими как регулируемые шрифты, фильтрация спама, транскрипция голосовой почты и возможность сохранять и просматривать транскрипты на вашем устройстве, когда вы выберете. Все это создает эквивалентный опыт тому, который слышащие люди имеют во время телефонных звонков.

Какая роль отводится обработке естественного языка в обеспечении того, что ваша платформа захватывает не только слова, но и намерение и тон?

Обработка естественного языка и понимание естественного языка являются核心 того, как Nagish захватывает не только то, что кто-то говорит, но и то, что он имеет в виду. Речь полна подсказок, которые добавляют контекст, таких как тон, акцент и многое другое, и наши модели обработки естественного языка предназначены для того, чтобы уловить эти слои, чтобы пользователи получили больше, чем просто базовую транскрипцию. Цель – сделать транскрипты такими же естественными, как только возможно.

Поскольку Nagish построен для реальных ситуаций, таких как медицинские звонки, рабочие встречи и даже чрезвычайные ситуации, наши модели обучены обрабатывать быструю речь, перекрывающиеся голоса и эмоциональные нюансы. Осведомленность о контексте – это большая причина, почему мы часто превосходим как человеческих транскрипторов, так и другие инструменты искусственного интеллекта. Система не просто угадывает слова; она использует поток разговора, чтобы понять намерение.

Как Nagish помогает работодателям создавать более инклюзивные рабочие места, решая финансовые и логистические барьеры, которые долгое время ограничивали доступность?

В Nagish мы помогаем работодателям создавать более инклюзивные рабочие места, удаляя финансовые и логистические барьеры, которые сделали доступность трудной для масштабирования. Традиционно создание доступного рабочего места означало полагаться на запланированных переводчиков, которые являются важными, но не всегда практичными для повседневной коммуникации, такой как быстрые звонки, спонтанные встречи или срочные задачи. Эти ограничения создают задержки, добавляют стоимость и могут непреднамеренно исключить глухих и слабослышащих сотрудников из потока работы.

Nagish работает над изменением этой динамики, давая сотрудникам возможность общаться самостоятельно и по требованию. Когда компании удаляют эти барьеры, люди могут участвовать полностью, что приводит к более сильным командам, лучшему удержанию и более справедливому рабочему месту.

Согласно недавнему опросу, который мы провели, более 60% глухих и слабослышащих респондентов заявили, что барьеры коммуникации повлияли на их карьерные решения и профессиональный рост. Это серьезная проблема, которая, даже с учетом всех достижений последних лет, показывает, что vẫn много работы предстоит сделать.

Мы позволяем работодателям перейти от реактивных приспособлений к проактивному включению, создавая рабочие места, где каждый сотрудник может вносить свой вклад самостоятельно и уверенно.

Какой отзыв вы получили от глухих и слабослышащих пользователей, и как он повлиял на эволюцию продукта?

Мы построили Nagish вместе с глухим сообществом с первого дня, и с тех пор мы получаем смесь волнения, любопытства и в редких случаях некоторого колебания, что именно так и должно быть. Глухое сообщество очень осведомлено и любопытно о новых технологиях, и с хорошей причиной. Они слышали так много обещаний в прошлом, и мы пытаемся избежать этого. Мы ставим прогресс выше совершенства, что требует времени – но наша конечная цель – совершенство.

Это сообщество-ориентированный подход подкрепляется тем, что мы узнали из нашего недавнего отчета. После принятия вспомогательных технологий пользователи показали значительный рост ежедневной независимости: количество людей, которые могли общаться самостоятельно, увеличилось с 37% до 60% для глухих пользователей и с 32,9% до 63% для слабослышащих пользователей. Этот сдвиг отражает отзыв, который мы слышим каждый день: люди хотят инструменты, которые делают коммуникацию проще, более последовательной и доступной в моменты, когда переводчики недоступны или когда они предпочитают конфиденциальность.

Когда речь идет о наших исследованиях по созданию лучших технологий интерпретации языка жестов, наша цель не состоит в том, чтобы заменить человеческих переводчиков или существующие методы коммуникации, а в том, чтобы добавить еще один вариант, инструмент, который делает доступность более последовательной и доступной везде, всегда. Отзыв пользователей подкрепил, насколько важен “дополнительный вариант”, особенно в моменты, когда переводчик недоступен или когда кто-то просто хочет конфиденциальность и независимость. Для многих это создает ситуации, когда коммуникация бы чувствовалась неудобной, задержанной или недоступной.

Мы принимаем сообщество-ориентированный подход, чтобы обеспечить, что технология чувствуется аутентичной, точной и уважительной. Пока мы продолжаем строить с пользователями языка жестов, мы считаем, что это будет воспринято как шаг вперед.

Конфиденциальность является ключевой проблемой в технологиях доступности – как Nagish обрабатывает конфиденциальные разговоры и поддерживает доверие пользователей?

Конфиденциальность имеет решающее значение для миссии Nagish по расширению прав и возможностей глухих и слабослышащих пользователей. Первое, что стоит упомянуть, – это то, что с Nagish вы уже можете исключить необходимость в живом транскрипторе, поэтому сразу же появляется чувство конфиденциальности, которого не было раньше.

С технической стороны Nagish является частным по конструкции. Мы не записываем звонки и никогда не храним транскрипты звонков на наших серверах после завершения звонка. Мы также не используем какие-либо данные о звонках для обучения. Когда пользователи выбирают сохранить транскрипты, они хранятся локально на их устройстве, а не в общем облаке. Функции, такие как безопасное подписывание от конца до конца и локальное хранение транскриптов, предназначены для защиты высоко конфиденциальных разговоров – будь то вопросы здоровья, трудоустройства или личных отношений.

Как вы видите, как искусственный интеллект изменит доступность в ближайшее десятилетие, и какие пробелы еще остаются для технологий, чтобы заполнить их?

Одной из самых больших проблем цифровой доступности является отсутствие образования и наблюдаемости: инженеры не реализуют альтернативный текст, дизайнеры выбирают недоступные цвета, потому что они выглядят хорошо, и менеджеры продукта принимают решения о продукте для KPI.

По мере того, как искусственный интеллект становится все более вовлеченным в каждый аспект разработки продукта, от инженерии до дизайна до написания, мы видим проактивный подход к доступности. Искусственный интеллект может изменить доступность из чего-то реактивного и “заплаточного” в нечто проактивное и окружающее. Мы также увидим новую волну инструментов, которые будут дополнять коммуникацию в различных условиях – не только звонки, но и рабочие места, классы, транспорт и общественные услуги – так, чтобы люди с ограниченными возможностями, и глухие и слабослышащие люди в частности, не должны постоянно запрашивать приспособления; они просто будут там по умолчанию.

Как вы представляете себе сотрудничество между человеческими переводчиками и искусственным интеллектом – в конечном итоге заменит ли один другого, или они укрепляют друг друга?

Переводчики языка жестов выполняют невероятную работу. Они необходимы для сообщества, доступности и коммуникации. Но реальность такова, что просто не хватает их. В США, например, есть более 500 000 человек, которые используют американский язык жестов как основной язык, и только около 10 000 сертифицированных переводчиков. Это означает, что огромное количество ситуаций – от посещения врача, родитель-учительских встреч, собеседований и многого другого – часто лишены доступной коммуникации.

Даже когда переводчики доступны, есть проблемы с планированием, стоимостью и географией. Кто-то, живущий в сельской местности, будет иметь гораздо более трудное время, чтобы получить переводчика, и эта задержка может иметь реальные последствия, особенно в здравоохранении или чрезвычайных ситуациях.

Искусственный интеллект может помочь преодолеть этот разрыв. То, что мы строим, не предназначено для замены переводчиков, а для дополнения их работы и сделать доступность более масштабируемой. Подумайте об этом как об инструменте, который вмешивается, когда человеческий переводчик недоступен.

Google Translate не заменил профессиональных переводчиков, но сделал возможным преодоление коммуникационных разрывов на ежедневной основе.

С достижениями в области компьютерного зрения и обработки естественного языка искусственный интеллект обещает начать интерпретировать язык жестов в реальном времени. Это означает, что больше людей могут общаться мгновенно, будь то видеозвонок, общественный киоск или служба экстренного реагирования.