托默·阿哈罗尼，Nagish 的 CEO 和联合创始人 – 采访系列

托默·阿哈罗尼，Nagish 的 CEO 和联合创始人，拥有强大的技术基础，曾在彭博社担任软件工程师，在哥伦比亚大学从事 NLP 和 IoT 研究，并在以色列国防军担任技术情报角色，所有这些都驱动着他对无障碍和技术与通信交叉点的热情。

Nagish 是一个 AI 驱动的通信平台，旨在使电话通话对聋人或听力障碍者完全可访问。该应用程序提供实时字幕和文本转语音功能，同时允许用户保留现有的电话号码，保持完全的隐私，并通过诸如个性化词典、保存的转录和无缝设备集成等功能来管理对话。

您曾在彭博社工作，并在哥伦比亚大学进行 NLP 研究，您是什么时候决定将这些经验转化为创建 Nagish 的想法？

在我哥伦比亚大学的本科生涯中，我有一天在课堂上接到一个电话。我无法接听，因为那样会打扰整个班级，这让我思考如何在不能听或说话的情况下进行电话通话？这让我产生了一个更大的疑问：聋人和听力障碍者如何通过电话进行交流？

那是 2019 年，我们（我的联合创始人 Alon Ezer 和我）发现聋人社区严重依赖口译员和字幕助理。我们认为这很疯狂，所以我们开始联系当地聋人社区，收到的答案让我们感到惊讶。 “我挂断电话”，“我不使用电话”，或“我让我的兄弟替我打电话”，只是我们询问人们如何使用电话时收到的几个答案。

后来那个夏天，我在彭博社担任软件工程师实习生。我的团队里有另一个实习生是聋人。每次我想与她见面，我都必须与她和两名口译员安排时间。随时可以通过电话解决问题的想法是不可能的。与人力资源部讨论后，我了解到找到两名熟悉技术术语的口译员几乎是不可能的，我们使用他们的时间是有限的，只有在他们可用时才会使用他们。

我们了解得越多，就越清楚这些问题不是孤立的，而是更大模式的一部分。即使在今天，尽管在无障碍方面取得了进步，仍然存在许多挑战和需要解决的问题。在 Nagish，我们最近进行了一项调查并发布了一份报告，聋人和听力障碍者通过通信技术的赋权影响，发现 65% 的聋人表示他们至少每周需要一次听力人士的帮助才能有效地交流。这种依赖在职业环境中造成了真正的障碍，如 62% 的聋人受访者表示，交流挑战影响了他们的职业决定，并限制了他们在某些角色中追求或晋升的能力。

这些经历和我与聋人个人的日益增长的联系，促使我建立了 Nagish 的第一个版本。我们有一个从未改变的信念，即交流应该是可及的和私密的。

阿龙和我建立了一个原型，反应非常好。我们意识到 Nagish 可以改变人们的生活。然后，COVID 爆发了，需求激增，因为世界变得远程，而人们在交流中的无障碍缺乏变得明显起来。

您能分享 Nagish 早期的情况和您在将无障碍目标与尖端 AI 技术相结合时面临的挑战吗？

Nagish 的早期是在大流行期间，所以我们的生活中除了工作之外没有发生太多事情。阿龙和我住在同一个街区，相距不远，我们有很多时间来集思广益、制作原型和实施最新的技术。我们每天在公寓里工作 12 小时以上，持续数月。

拥有这么多时间让我们能够花很多时间与用户交谈，了解他们的需求。我们不想做出假设。在那时，我们仍然没有打算把它变成一家公司。驱动我们的动力是来自用户的反馈和他们的挣扎，我们知道我们有机会通过技术来解决这些问题。

Nagish 的 AI 技术如何弥合聋人或听力障碍者与听力人之间的交流差距，超越现有工具的能力？

Nagish 使用 AI 来弥合交流差距。我们的引擎可以实时将语音转换为文本、文本转换为语音以及手语转换为文本（反之亦然）。这意味着聋人或听力障碍者可以简单地看到对方在通话中说了什么，然后通过输入或说话来回应，而对方则体验到标准的电话通话。以前，人们不得不依赖人工操作的中继服务，第三方人员会坐在电话线上并进行所有的转录。

使用 Nagish，就不需要中继操作员，也不需要安排口译员，不需要等待别人可用。该应用程序将即时性、隐私和独立性带回电话通话，这些是传统中继服务无法提供的。由于 Nagish 是 AI 驱动的，因此它可以扩展到每种类型的通话：工作会议、家庭联系、紧急情况和客户服务通话。该应用程序旨在轻松集成到日常生活中：用户可以保留自己的电话号码、获得实时字幕，并在电话通话和面对面对话中使用相同的应用程序。整个体验旨在减少摩擦，使交流感觉尽可能自然和无缝。

您的平台如何超越标准的转录或字幕，使互动更加自然和包容？

我们知道语言不仅仅是文字，还包括文化、身份和细微差别。这对于手语来说尤其如此，手语依赖于面部表情、情感和地区差异。为了使互动感觉自然而不是机械，我们直接与聋人语言学家和手语专家合作。他们帮助塑造我们的 AI 如何学习和行为，因此该技术是与社区一起构建的，而不仅仅是训练他们的数据。

标准的转录工具通常在“这里是所说的话”上止步。我们的目标是支持实际的对话。我们正在实施 AI 代理，可以提供上下文并管理通话流程，超越简单的字幕或文本转语音。此外，Nagish 提供了针对对话流程优化的实时字幕，具有可调字体、垃圾邮件过滤、语音邮件转录和在您选择时在设备上保存和查看转录的功能。所有这些都为听力人士在电话通话中创造了等效的体验。

自然语言处理在确保您的平台捕捉不仅仅是文字而且是意图和语气方面起着什么作用？

自然语言处理和自然语言理解是 Nagish 捕捉不仅仅是所说的话，而是所说的话的含义的核心。语音中充满了为上下文添加的线索，例如语气、强调等，我们的 NLP 模型旨在捕捉这些层次，以便用户获得比基本转录更丰富的体验。目标是使字幕感觉尽可能自然地像对话一样。

由于 Nagish 面向现实世界场景（例如医疗电话、工作会议，甚至紧急情况），我们的模型经过训练，可以处理快速语音、重叠声音和情感细微差别。上下文感知是我们通常优于人类转录员和其他 AI 工具的主要原因。系统不仅仅是猜测单词；它使用对话流程来理解意图。

Nagish 如何帮助雇主建立更具包容性的工作场所，同时解决长期以来限制无障碍的财务和后勤障碍？

在 Nagish，我们正在帮助雇主通过消除使无障碍难以扩展的财务和后勤障碍来建立更具包容性的工作场所。传统上，创建无障碍工作场所意味着依赖预定的口译员，这对于日常交流（例如快速通话、临时会议或时间敏感任务）来说并不实用。这些限制会造成延迟、增加成本，并可能无意中将聋人和听力障碍员工排除在工作流程之外。

Nagish 正在改变这种动态，为员工提供独立和按需交流的能力。当公司消除这些障碍时，人们可以充分参与，导致团队更强大，员工留存率更高，工作场所更加公平。

根据我们最近进行的一项调查，超过 60% 的聋人和听力障碍受访者表示，交流障碍影响了他们的职业决定和职业成长。这是一个严重的挑战，尽管近年来取得了进步，但仍然有很多工作需要做。

我们使雇主能够从被动的适应转变为主动的包容，创造一个工作场所，让每个员工都可以独立和自信地贡献。

您从聋人和听力障碍用户那里收到了什么样的反馈，您又是如何利用这些反馈来影响产品的演进？

我们从第一天开始就与聋人社区一起建立了 Nagish，并且自那时以来，我们收到了兴奋、好奇和在某些情况下一些犹豫的混合反馈，这正是我们所期望的。聋人社区对新技术非常谨慎和好奇，并且他们有充分的理由。他们听到了很多夸大其词的承诺，我们正在努力避免这种情况。我们优先考虑进展而不是完美，这需要时间，但我们的最终目标是完美。

这种社区优先的思维方式得到了我们最近的报告所支持。在采用辅助技术后，用户在日常独立性方面表现出显著的提高：能够独立交流的聋人用户比例从 37% 增加到 60%，听力障碍用户比例从 32.9% 增加到 63%。这种转变反映了我们每天收到的反馈：人们想要使交流更容易、更一致和更广泛的工具。

在我们研究更好的手语解释技术时，我们的目标不是取代人类口译员或现有的交流方法，而是添加另一个选项，一个可以随时随地提供无障碍的工具。用户的反馈强调了“另一个选项”的重要性，特别是在口译员不可用或有人只想要隐私和独立的情况下。对于很多人来说，这创造了交流的机会，否则会感到不方便、延迟或无法实现。

我们正在采取社区优先的方法，以确保技术感觉真实、准确和尊重。只要我们继续与手语用户一起构建，我们相信这将被视为赋予他们权力的进步一步。

隐私是辅助技术中的一个关键问题 —— Nagish 如何处理敏感对话并保持用户信任？

隐私对于 Nagish 的使命至关重要，即赋予聋人和听力障碍者权力。首先，使用 Nagish，您已经可以消除对现场转录员的需求，这样就有了隐私的感觉，这在以前是不可能的。

从技术上讲，Nagish 的设计就是私密的。我们不记录通话，也不会在通话期间以外将通话记录存储在我们的服务器上。我们也不使用任何通话数据进行训练。用户选择保存转录记录时，它们会存储在他们的设备上，而不是存储在共享云中。诸如端到端安全字幕和本地转录存储等功能旨在保护高度敏感的对话，无论是关于健康、就业还是个人关系。

您如何看待 AI 在未来十年中重塑无障碍，并且技术仍然需要填补哪些空白？

数字无障碍的一个主要问题是缺乏教育和可见性：工程师没有实施 alt 文本，设计师选择不可访问的颜色，因为它们看起来很好，产品经理做出产品决策以满足 KPI。随着 AI 在产品开发的各个方面（从工程到设计到文案）变得更加普遍，我们看到了一种主动的无障碍方法。AI 可以将无障碍从反应性和“补丁”变为主动和环境性的。我们将看到一波新的工具，它们将在各种环境中增强交流，不仅仅是通话，还包括工作场所、教室、交通和公共服务，这样，残疾人、尤其是聋人和听力障碍者，不需要不断要求适应；它们将默认存在。

您如何看待人类口译员和 AI 之间的合作演变 —— 一方最终会取代另一方，还是它们会相互增强？

手语口译员做着令人难以置信的工作。他们对社区、无障碍和交流至关重要。但是，现实是，他们的人数远远不够。在美国，例如，有超过 50 万人使用美国手语作为他们的主要语言，但只有大约 10,000 名认证口译员。这意味着在许多情况下，例如医生访问、家长会、工作面试等，往往缺乏无障碍的交流，即使口译员可用，也存在排班、成本和地理位置的问题。住在农村地区的人将更难获得口译员，这种延迟可能会在医疗或紧急情况下产生现实世界的后果。

AI 可以帮助弥合这一差距。我们正在构建的东西不是旨在取代口译员，而是补充他们的工作，使无障碍更加可扩展。可以把它看作一种工具，当人类口译员不可用时，它可以介入。

Google Translate 没有取代专业翻译员，但它使得日常交流成为可能。随着计算机视觉和自然语言处理的进步，AI 有望开始实时解释手语。这意味着更多的人可以立即交流，无论是通过视频通话、公共服务终端还是紧急服务。