Томер Ахароні, генеральний директор і співзасновник Nagish – Інтерв’ю серії

Томер Ахароні, генеральний директор і співзасновник Nagish, об’єднує сильну технічну основу зі своєї роботи інженером-програмістом у Bloomberg, досліджень у сфері NLP і IoT у Колумбійському університеті, а також раніше досвід роботи у сфері технологічної розвідки в Ізраїльських оборонних силах, все це рухоме його пристрастю до доступності та перетину технологій і комунікації.

Nagish – це платформа комунікації, що використовує штучний інтелект, призначена для того, щоб зробити телефонні дзвінки повністю доступними для людей, які глухі або мають порушення слуху. Додаток забезпечує функції реального часу, такі як підписи та текст-у-голос, при цьому дозволяючи користувачам зберігати свій існуючий номер телефону, підтримувати повну приватність та керувати розмовами за допомогою функцій, таких як персоналізовані словники, збережені транскрипції та безшовна інтеграція пристроїв.

Який момент або висновок змусив вас спрямувати свій досвід на створення Nagish?

Під час моїх студентських років у Колумбійському університеті я сидів на занятті, коли мені прийшов дзвінок. Я не міг відповісти, оскільки це б перервало весь клас, і це змусило мене подумати, як можна здійснювати телефонні дзвінки, якщо ви не можете чути чи говорити? Це призвело до більшої питання: як люди, які глухі або мають порушення слуху, спілкуються по телефону?

Це було 2019 рік, і ми (Алон Езер, мій співзасновник, і я) виявили, що глуха спільнота сильно залежала від тлумачів і асистентів з підписами. Ми подумали, що це безглуздо, тому ми почали зв’язуватися з людьми з місцевої глухої спільноти, і те, що ми почули, було для нас дуже дивним. “Я просто кладу трубку, коли хтось мені дзвонить”, “Я не використовую телефон”, або “Я прошу свого брата зателефонувати за мене” – це були лише деякі відповіді, які ми отримали, коли запитали людей, як вони використовують телефон.

Пізніше того літа я проходив стажування інженером-програмістом у Bloomberg. У моєї команди був інший стажер, який був глухим. Кожен раз, коли я хотів зустрітися з ним, мені доводилося узгоджувати графік з ним і двома тлумачами. Спонтанна розмова, щоб вирішити щось, була просто неможливою. Після розмови з відділом кадрів я дізнався, що знайти цих двох тлумачів, які були знайомі з технічними термінами, було майже неможливо, і що ми використовуємо їх, коли вони доступні, але вони не доступні повний робочий день.

Чим більше ми дізнавалися, тим більше стало ясно, що ці речі не були ізольованими незручностями, а частиною великої закономірності. Навіть сьогодні, з прогресом, який покращив доступність, все ще є багато викликів і областей, які потрібно вирішити. У Nagish ми нещодавно провели опитування та опублікували звіт Вплив технологій комунікації на емпавермент глухих і людей з порушеннями слуху, який показав, що 65% глухих осіб сказали, що їм потрібно допомога від слухача щонайменше раз на тиждень, щоб ефективно спілкуватися. Ця залежність створює реальні бар’єри на робочому місці, відображені в тому, що 62% глухих респондентів сказали, що проблеми комунікації вплинули на їхні кар’єрні рішення та обмежили їхню здатність займатися або просуватися на певних посадах.

Ці переживання, а також моя зростаюча зв’язок з глухими людьми, змусили мене створити першу ітерацію Nagish. У нас є одна віра, яка не змінилася – комунікація повинна бути доступною та приватною.

Алон і я створили прототип, і реакція була неймовірною. Ми зрозуміли, наскільки життєво важливим може бути Nagish. Потім прийшов COVID, і потреба вибухнула, оскільки світ перейшов у віддалений режим, і відсутність доступності в тому, як люди спілкуються, стала真正 очевидною.

Чи можете ви поділитися тим, як були перші дні Nagish, і які виклики ви зустріли при об’єднанні цілей доступності з передовими технологіями штучного інтелекту?

Перші дні Nagish припали на період пандемії, тому в нашому житті нічого іншого не відбувалося, крім роботи. Алон і я жили за блоком один від одного і мали багато часу, щоб мозолити, створювати прототипи та впроваджувати останні технології. Ми працювали з наших квартир по 12+ годин на день протягом місяців.

Ми мали багато часу, щоб спілкуватися з нашими користувачами та розуміти їхні потреби. Ми не хотіли робити припущень. На той момент у нас ще не було наміру зробити це компанією. Те, що давало нам імпульс, було те, що ми чули від користувачів про їхні труднощі та знали, що ми мали шанс вирішити їх за допомогою технологій.

Як технологія штучного інтелекту Nagish зв’язує комунікацію між глухими або людьми з порушеннями слуху та слухачами у спосіб, який існуючі інструменти не можуть?

Nagish використовує штучний інтелект, щоб зв’язати комунікаційні пробіли. Наші двигуни перетворюють мовлення у текст, текст назад у мовлення, а жестову мову в текст (і навпаки) в реальному часі. Це означає, що глуха або людина з порушеннями слуху може просто побачити, що кажуть під час дзвінка, і відповісти, набравши текст або промовивши, тоді як слухач на іншому кінці просто переживає стандартний телефонний дзвінок. До того, як з’явилася така технологія штучного інтелекту, люди мали покладатися на людські релей-сервіси, де третя особа сиділа на лінії та робила всю транскрипцію.

З Nagish немає релей-оператора, немає тлумача, якого потрібно бронювати, і немає очікування, поки хтось інший буде доступний. Додаток повертає миттєвість, приватність та незалежність у телефонні дзвінки, чого традиційні релей-сервіси просто не можуть запропонувати.

Оскільки Nagish використовує штучний інтелект, він може масштабуватися до будь-якого типу дзвінка: робочих зустрічей, сімейних перевірок, надзвичайних ситуацій та дзвінків служби підтримки клієнтів. Додаток розроблений для легкої інтеграції у звичайне життя: користувачі можуть зберігати свій номер, отримувати реальні підписи та використовувати той самий додаток для телефонних дзвінків та розмов вживу. Все досвід розроблено для зменшення тертя та зробити комунікацію такою ж природною та безшовною, як можливо.

Яким чином ваша платформа виходить за рамки стандартної транскрипції або підписів, щоб зробити взаємодію більш природною та інклюзивною?

Ми знаємо, що мова не складається лише з слів, а й культури, ідентичності та нюансів. Це особливо вірно для жестових мов, які залежать від виразу обличчя, емоцій та регіональних варіацій. Щоб зробити взаємодію природною, а не механічною, ми співпрацюємо безпосередньо з глухими лінгвістами та експертами з жестової мови. Вони допомагають формувати, як наш штучний інтелект вчиться та поводиться, щоб технологія була розроблена спільнотою, а не просто навчена на їхніх даних.

Стандартні інструменти транскрипції часто зупиняються на “ось слова, які були сказані”. Наша мета – підтримувати справжню розмову. Ми впроваджуємо агентів штучного інтелекту, які можуть надавати контекст та керувати потоком дзвінка за межами простих підписів або читання тексту вголос. Крім того, Nagish пропонує реальні підписи, оптимізовані для потоку розмови, з функціями, такими як налаштовувані шрифти, фільтрація спаму, транскрипція голосової пошти та можливість зберегти та переглянути транскрипції на вашому пристрої, коли ви вибирете. Все це створює еквівалентний досвід, який мають слухачі під час телефонних дзвінків.

Яку роль відіграє обробка природної мови у тому, щоб ваша платформа захоплювала не лише слова, а й намір та тон?

Обробка природної мови та розуміння природної мови знаходяться в основі того, як Nagish захоплює не лише те, що хтось говорить, а й те, що вони мають на увазі. Мовлення повне підказок, які додають контекст, таких як тон, акцент та інше, і наші моделі обробки природної мови розроблені для того, щоб сприймати ці шари, щоб користувачі отримували більше, ніж просто базову транскрипцію. Метою є зробити підписи такими ж природними, як і справжня розмова.

Оскільки Nagish розроблений для реальних ситуацій, таких як медичні дзвінки, робочі зустрічі та навіть надзвичайні ситуації, наші моделі розроблені для обробки швидкої мови, перекриваючих голосів та емоційного нюансу. Осведомленість про контекст – це велика причина, чому ми часто перевершуємо як людських транскриберів, так і інші інструменти штучного інтелекту. Система не просто здогадується про слова; вона використовує потік розмови, щоб зрозуміти намір.

Як Nagish допомагає роботодавцям створювати більш інклюзивне робоче місце, одночасно вирішуючи фінансові та логістичні бар’єри, які довго обмежували доступність?

У Nagish ми допомагаємо роботодавцям створювати більш інклюзивне робоче місце, усуваючи фінансові та логістичні бар’єри, які зробили доступність важкою для масштабування. Традиційно створення доступного робочого місця означало покладатися на призначених тлумачів, які є важливими, але не завжди практичними для щоденної комунікації, такої як швидкі дзвінки, імпровізовані зустрічі чи термінові завдання. Ці обмеження створюють затримки, додають вартість та можуть ненавмисно виключити глухих та людей з порушеннями слуху з потоку роботи.

Nagish працює над зміною цієї динаміки, надаючи працівникам можливість спілкуватися незалежно та за запитом. Коли компанії усувають ці бар’єри, люди можуть брати участь повністю, що призводить до сильніших команд, кращого утримання та більш рівноправного робочого місця.

За даними нашого недавнього опитування, понад 60% глухих та людей з порушеннями слуху респондентів сказали, що бар’єри комунікації вплинули на їхні кар’єрні рішення та професійний розвиток. Це серйозний виклик, який, навіть з усього прогресу, зробленого за останні кілька років, показує, що ще багато роботи потрібно зробити.

Ми дозволяємо роботодавцям перейти від реактивних адаптацій до проактивної інклюзивності, створюючи робоче місце, де кожен працівник може внесок незалежно та з впевненістю.

Який відгук ви отримали від глухих та людей з порушеннями слуху, і як це вплинуло на розвиток продукту?

Ми створили Nagish спільнотою глухих з дня першого, і з тих пір ми отримали суміш збудження, цікавості та в деяких випадках деякої вагання, що саме так і повинно бути. Глуха спільнота дуже уважна та допитлива щодо нової технології, і з хорошою причиною. Вони чули так багато завищених обіцянок у минулому, і ми намагаємося уникнути цього. Ми пріоритезуємо прогрес над досконалістю, що займає час – але наша кінцева мета – досконалість.

Цей підхід, орієнтований на спільноту, підтримується тим, що ми дізналися з нашого недавнього звіту. Після прийняття допоміжних технологій користувачі показали значне збільшення щоденної незалежності: кількість людей, які могли спілкуватися незалежно, зросла з 37% до 60% для глухих користувачів, і з 32,9% до 63% для людей з порушеннями слуху. Ця зміна відображається у відгуках, які ми отримуємо кожен день: люди хочуть інструменти, які роблять комунікацію легшою, більш послідовною та доступною в моменти, коли тлумачі недоступні або коли вони віддають перевагу приватності.

Коли мова йде про наші дослідження щодо створення кращих технологій жестової мови, наша мета полягає не в тому, щоб замінити людських тлумачів чи існуючі засоби комунікації, а в доданні іншого варіанту, інструменту, який робить доступність більш послідовною та доступною будь-де, будь-кому. Відгуки користувачів підтвердили, наскільки важливим є “додатковий варіант”, особливо в моменти, коли тлумач недоступний або коли хтось просто хоче приватності та незалежності. Для багатьох це створює ситуації, коли комунікація інакше відчувалася незручною, затриманою або недоступною.

Ми приймаємо підхід, орієнтований на спільноту, щоб забезпечити, щоб технологія відчувалася автентичною, точною та поважною.只要 ми продовжуватимемо будувати спільноту з користувачами жестової мови, ми віримо, що це буде сприйнято як крок вперед, який емпаверує.

Приватність є ключовим питанням у технологіях доступності – як Nagish обробляє чутливі розмови та підтримує довіру користувачів?

Приватність є критичною для місії Nagish щодо емпаверменту глухих та людей з порушеннями слуху. Перше, що потрібно згадати, полягає в тому, що з Nagish ви вже можете усунути потребу в живому транскрибері, тому вже зараз є відчуття приватності, якого раніше не було.

На технічному рівні Nagish розроблений з приватністю за замовчуванням. Ми не записуємо дзвінки та ніколи не зберігаємо транскрипції дзвінків на наших серверах поза тривалістю дзвінка. Ми також не використовуємо жодних даних дзвінків для навчальних цілей. Коли користувачі вирішують зберегти транскрипції, вони зберігаються локально на їхньому пристрої, а не в спільному хмарі. Функції, такі як безпечне підписування з кінцем до кінця та локальне зберігання транскрипцій, призначені для захисту дуже чутливих розмов – чи то про здоров’я, зайнятість чи особисті стосунки.

Як ви бачите майбутнє штучного інтелекту в області доступності за наступне десятиліття, і які пробіли ще залишаються для технологій, щоб заповнити?

Однією з найбільших проблем цифрової доступності є відсутність освіти та спостереження: інженери не реалізують альтернативний текст, дизайнери вибирають недоступні кольори, бо вони виглядають добре, а менеджери продукту приймають рішення про продукт для KPI.

Оскільки штучний інтелект стає все більш залученим до кожного аспекту розробки продукту, від інженерії до дизайну та копірайтингу, ми бачимо проактивний підхід до доступності. Штучний інтелект може змінити доступність з чогось реактивного та “залатаного” на щось проактивне та амб’єнтне. Ми побачимо нову хвилю інструментів, які будуть доповнювати комунікацію в різних умовах – не лише дзвінки, а й робочі місця, класи, транспорт та публічні послуги – так, щоб люди з порушеннями та глухі люди зокрема не мали постійно запитувати адаптації; вони просто будуть там за замовчуванням.

Як ви бачите розвиток співробітництва між людськими тлумачами та штучним інтелектом – чи один колись замінить іншого, чи вони посилюють один одного?

Тлумачі жестової мови роблять неймовірну роботу. Вони є важливими для спільноти, доступності та комунікації. Але реальність така, що просто немає достатньо тлумачів. У США, наприклад, є понад 500 000 людей, які використовують американську жестову мову як свою основну мову, і лише близько 10 000 сертифікованих тлумачів. Це означає, що велика кількість ситуацій – від відвідування лікаря, зустрічей батьків та вчителів, співбесід, тощо – часто не мають доступної комунікації.

Навіть коли тлумачі доступні, є проблеми з графіком, вартістю та географією. Хтось, хто живе в сільській місцевості, мав би значно більше труднощів з пошуком тлумача, і ця затримка може мати реальні наслідки, особливо у сфері охорони здоров’я чи надзвичайних ситуацій.

Штучний інтелект може допомогти зв’язати цю прогалину. Те, що ми будемо створювати, не призначене для заміни тлумачів, а для доповнення їхньої роботи та роблення доступності більш масштабованою. Подумайте про це як про інструмент, який вступає в дію, коли людський тлумач недоступний.

Google Translate не замінив професійних перекладачів, а зробив можливим зв’язати комунікаційні пробіли на щоденній основі.

З прогресом у галузі комп’ютерного зору та обробки природної мови штучний інтелект обіцяє почати інтерпретувати жестову мову в реальному часі. Це означає, що більше людей можуть спілкуватися миттєво, чи то через відеодзвінок, публічну касу чи службу надзвичайних ситуацій.