هوش مصنوعی چگونه به کمک افراد نابینا میآید؟ از تحلیل تصاویر تا پیدا کردن وسایل گمشده
هوش مصنوعی به نابینایان کمک میکند محیط اطراف را بشناسند، اسناد را بخوانند، مسیرها را پیدا کنند و بسیاری از کارهای روزمره را بدون کمک دیگران انجام دهن
هوش مصنوعی به نابینایان کمک میکند محیط اطراف را بشناسند، اسناد را بخوانند، مسیرها را پیدا کنند و بسیاری از کارهای روزمره را بدون کمک دیگران انجام دهن
تشخیص رنگ لباس، خواندن تاریخ انقضای مواد غذایی یا پیدا کردن وسیلهای که روی زمین افتاده، از کارهایی هستند که دریافت اطلاعات دیداری میتواند انجامشان را آسانتر کند. افراد نابینا سالهاست با استفاده از فناوریهای کمکی، روشهای مختلفی برای انجام مستقل فعالیتهای روزمره دارند. اکنون هوش مصنوعی امکانات تازهای به این مجموعه اضافه کرده است؛ از توصیف تصاویر و محیط اطراف گرفته تا خواندن اسناد و کمک به انجام کارهای دیجیتال.
به مناسبت ۱۵ اکتبر، روز جهانی عصای سفید، کاربردهای هوش مصنوعی در زندگی افراد نابینا را بررسی کردهایم. بخش مهمی از این مقاله براساس تجربه واقعی یکی از کاربران نابینای فناوری نوشته شده است که درباره استفاده از هوش مصنوعی در زندگی روزمره، آموزش و محیط کار با زومیت صحبت کرده است. در کنار این تجربه، ابزارهای موجود و پژوهشهای تازه را نیز بررسی کردهایم تا مشخص شود کدام امکانات همین حالا قابلاستفادهاند و کدامیک هنوز محدودیت دارند.
یکی از کاربردهای مهم هوش مصنوعی، تبدیل اطلاعات تصویری به توضیحات صوتی است. برنامههای قدیمیتر هم میتوانستند برخی اشیا یا نوشتهها را تشخیص دهند، اما مدلهای چندوجهی جدید امکان گفتوگو درباره محتوای تصویر را فراهم کردهاند.
برای مثال، فرد نابینا میتواند دوربین گوشی را به سمت محصولی بگیرد و از هوش مصنوعی بخواهد تاریخ انقضای آن را بخواند. هنگام انتخاب لباس نیز میتواند درباره رنگ آن سؤال کند یا از مدل بخواهد بررسی کند آیا لکهای روی لباس دیده میشود.
این تعامل میتواند ادامه پیدا کند. اگر مدل وجود چند وسیله روی میز را تشخیص دهد، کاربر میتواند بپرسد کدامیک نزدیکتر است یا شیء مشخصی در کدام قسمت تصویر قرار دارد.
گوگل در اول اکتبر ۲۰۲۶ قابلیت Guided Vision را برای دستگاههای اندرویدی سازگار معرفی کرد. این قابلیت در Gemini Live با استفاده از تصویر دوربین، توضیحات گفتاری درباره محیط ارائه میدهد و هنگام جستوجوی اشیا میتواند کاربر را برای تغییر جهت دوربین راهنمایی کند. Guided Vision با مشارکت افراد نابینا و کمبینا طراحی شده است. بااینحال، گوگل تأکید میکند که این ابزار برای مسیریابی ایمن یا تشخیص موانع هنگام حرکت طراحی نشده و جایگزین عصای سفید و سایر ابزارهای حرکتی نیست.
چنین ابزارهایی بهخصوص برای بررسی موقعیتهای ناآشنا یا شناسایی وسایل خانه کاربرد دارند؛ هرچند هنوز امکان اشتباه در تشخیص اشیا و جزئیات تصاویر وجود دارد.
بخش بزرگی از اطلاعات اینترنت در قالب تصویر ارائه میشود. عکسهای شبکههای اجتماعی، نمودارها، اینفوگرافیکها و اسکرینشاتها ممکن است بدون توضیح متنی منتشر شوند. در این شرایط، صفحهخوان بهتنهایی نمیتواند تمام اطلاعات تصویر را منتقل کند.
هوش مصنوعی میتواند تصویر را تحلیل و محتوای آن را توصیف کند. این قابلیت هنگام مطالعه گزارشهای آماری اهمیت بیشتری پیدا میکند؛ زیرا کاربر میتواند نموداری را بارگذاری کند و بهجای دریافت یک توضیح کلی، درباره دادههای آن سؤال بپرسد.
برای مثال، اگر گزارشی شامل نمودار تغییرات قیمت مسکن در چند سال گذشته باشد، کاربر میتواند بپرسد قیمتها در چه سالی بیشترین افزایش را داشتهاند یا روند کلی نمودار چگونه بوده است.
امکان تحلیل اسکرینشاتها نیز کاربرد دارد. گاهی یک وبسایت یا اپلیکیشن از دکمههایی استفاده میکند که برای صفحهخوان برچسب مناسبی ندارند. هوش مصنوعی ممکن است بتواند با بررسی تصویر صفحه، جایگاه یا عملکرد برخی عناصر رابط کاربری را توضیح دهد.
بااینحال، این قابلیت جایگزین طراحی دسترسپذیر نیست. سازندگان وبسایتها همچنان باید تصاویر را با متن جایگزین مناسب منتشر کنند و دکمهها و فرمها را بهگونهای طراحی کنند که صفحهخوان بتواند آنها را بهدرستی تشخیص دهد.
خواندن یک نامه کاغذی، قبض یا سند چاپی، یکی دیگر از کاربردهای هوش مصنوعی برای افراد نابینا است. با استفاده از دوربین گوشی میتوان تصویر یک صفحه را ثبت کرد و از مدل خواست متن آن را بخواند.
تفاوت مهم ابزارهای امروزی با نرمافزارهای قدیمی تشخیص متن، امکان پرسیدن سؤال درباره محتوای سند است. فرض کنید فردی نامهای اداری دریافت کرده که در آن چندین تاریخ، شماره پرونده و دستورالعمل وجود دارد. بهجای شنیدن تمام متن، میتواند از هوش مصنوعی بخواهد فقط مهلت مراجعه یا مدارک موردنیاز را پیدا کند.
برنامه Seeing AI مایکروسافت این امکان را فراهم میکند که کاربران علاوهبر شنیدن متن اسناد، درباره محتوای آنها سؤال بپرسند. این ابزار در برخی زبانها قابلیت تشخیص دستخط را هم دارد؛ بااینحال پشتیبانی از زبان فارسی در توضیحات آن ذکر نشده است.
استفاده از هوش مصنوعی برای خواندن اسناد شخصی میتواند نیاز به کمک گرفتن از دیگران را کاهش دهد. بااینحال، در متنهای حساس مانند قراردادها، نسخههای پزشکی یا اطلاعات بانکی، احتمال خطا در تشخیص نوشتهها و اعداد باید جدی گرفته شود.
بخش زیادی از آموزش، بهویژه در درسهایی مانند ریاضی، هندسه و علوم، به شکلها و نمودارهای تصویری وابسته است. گاهی توضیح معلم یا محتوای کتاب بر چیزی تکیه دارد که باید دیده شود.
هوش مصنوعی میتواند مفاهیم بصری را به توضیحات متنی و صوتی تبدیل کند. برای مثال، هنگام آموزش هندسه میتوان از مدل خواست مفهوم یک شکل را بدون اتکا به عبارتهایی مانند «همانطور که میبینید» توضیح دهد.
کاربر همچنین میتواند شیوه تدریس را متناسب با نیازش تغییر دهد؛ از هوش مصنوعی بخواهد مراحل حل مسئله را جداگانه بیان کند، مثالهای متفاوت ارائه دهد یا یک مفهوم دشوار را دوباره توضیح دهد. این انعطافپذیری در موضوعاتی مانند برنامهنویسی، زبانآموزی و تحلیل داده نیز کاربرد دارد.
بااینحال، هوش مصنوعی در توضیح مفاهیم علمی و حل مسائل ریاضی مصون از خطا نیست. بهتر است پاسخهای مهم با منابع معتبر آموزشی بررسی شوند و ابزارهای تخصصی، از جمله منابع بریل و نمایشهای لمسی، همچنان در فرایند آموزش حضور داشته باشند.
فرض کنید وسیلهای از دستتان روی زمین افتاده است. دوربین گوشی میتواند به فرد نابینا کمک کند بخشهای مختلف محیط را بررسی کند و از هوش مصنوعی بخواهد آن را پیدا کند.
این کاربرد به توصیف عمومی محیط محدود نمیشود. برخی ابزارهای تخصصی برای یافتن یک شیء مشخص طراحی شدهاند و میتوانند با صدا یا لرزش، کاربر را به سمت آن راهنمایی کنند.
برای مثال، پژوهشگران دانشگاه ایالتی پنسیلوانیا اپلیکیشن آزمایشی NaviSense را توسعه دادهاند که با ترکیب هوش مصنوعی، صدا و بازخورد لرزشی به افراد نابینا برای پیدا کردن اشیا کمک میکند. این ابزار در آزمایشهای اولیه نتایج امیدوارکنندهای داشته، اما هنوز نسخه عمومی آن برای دانلود معرفی نشده است.
این توانایی میتواند برای پیدا کردن وسایل روی میز، شناسایی جای یک محصول در قفسه یا تشخیص موقعیت اشیا در اتاق مفید باشد.
باید میان پیدا کردن یک شیء و مسیریابی ایمن تفاوت گذاشت
البته باید میان پیدا کردن یک شیء و مسیریابی ایمن تفاوت گذاشت. مدلی که میتواند محل تقریبی وسیلهای را تشخیص دهد، لزوماً برای شناسایی همه موانع و هدایت فرد در محیطهای خطرناک قابلاعتماد نیست.
یکی دیگر از کاربردهای فناوری هوشمند، تشخیص محصولات و اسکناسها است. بستهبندی بسیاری از کالاها از نظر شکل و اندازه شبیه یکدیگر است. هوش مصنوعی میتواند با بررسی تصویر بستهبندی یا خواندن بارکد به شناسایی محصول کمک کند.
برای مثال، کاربر میتواند از برنامه بخواهد تشخیص دهد کالایی که در دست دارد شامپو است یا نرمکننده مو. هنگام خرید مواد غذایی نیز میتوان اطلاعات روی بستهبندی را بررسی کرد.
برنامه Google Lookout قابلیتی برای شناسایی مواد غذایی بستهبندیشده از طریق بارکد یا تصویر روی بستهبندی دارد. Seeing AI مایکروسافت نیز میتواند بارکد محصولات را اسکن کند و در صورت دسترسی به اطلاعات محصول، نام و مشخصات آن را اعلام کند.
بااینحال، امکانات این دو برنامه برای کاربران ایرانی محدودیتهایی دارند. فارسی در فهرست رسمی زبانهای پشتیبانیشده آنها وجود ندارد و قابلیت تشخیص محصولات نیز به کشور و اطلاعات موجود در پایگاه داده وابسته است. بنابراین نباید انتظار داشت تمام کالاهای ایرانی یا نوشتههای فارسی روی بستهبندیها بهدرستی شناسایی شوند. ابزارهای عمومی هوش مصنوعی که امکان تحلیل تصاویر و گفتوگو به فارسی دارند، میتوانند گزینه دیگری برای بررسی بستهبندی باشند، اما پاسخ آنها نیز ممکن است اشتباه باشد.
چنین ابزارهایی میتوانند در خرید روزمره کمککننده باشند، اما تشخیص کالا یا خواندن برچسب بهتنهایی برای بررسی ایمنی مواد غذایی و داروها کافی نیست.
مسیریابی یکی از حوزههایی است که پژوهشگران برای استفاده از هوش مصنوعی در آن تلاش میکنند. برخلاف ابزارهای معمول مسیریابی که بیشتر اطلاعات نقشه و موقعیت مکانی را در اختیار کاربر قرار میدهند، بعضی سامانههای جدید میکوشند موانع و ویژگیهای مسیر را نیز شناسایی کنند.
در پژوهشی که سال ۲۰۲۶ در نشریه Nature Biomedical Engineering منتشر شد ، محققان اپلیکیشنی به نام Mobilio را معرفی کردند. این ابزار با ترکیب یادگیری ماشینی، دادههای حسگرهای گوشی و راهنمای صوتی شخصیسازیشده، برای کمک به جهتیابی افراد نابینا و کمبینا در محیطهای بیرونی توسعه یافته است.
در آزمایش روی ۱۴ شرکتکننده، افرادی که از Mobilio همراه با عصای سفید استفاده کردند، در مقایسه با استفاده از گوگلمپ و عصای سفید، مسیر آزمایشی را بهطور میانگین ۱۳ درصد سریعتر پیمودند و ۴۱ درصد تماس کمتری با موانع محیطی داشتند.
بااینحال، این نتایج مربوط به شرایط پژوهش است و بهمعنای تضمین ایمنی در مسیرهای واقعی نیست. Mobilio نیز در مقاله بهعنوان یک سامانه پژوهشی معرفی شده است، نه اپلیکیشنی که کاربران بتوانند آن را مانند برنامههای عمومی از فروشگاههای نرمافزاری دریافت کنند.
در محیطهای داخلی نیز پژوهشهایی در جریان است که از ترکیب دوربین، هوش مصنوعی و اطلاعات فضایی برای راهنمایی کاربران در ساختمانهای ناآشنا استفاده میکنند.
در محیط کار، هوش مصنوعی میتواند بخشی از فعالیتهایی را سادهتر کند که به خواندن حجم زیادی از اطلاعات یا تعامل با رابطهای تصویری نیاز دارند.
خلاصهکردن فایلها، استخراج اطلاعات از گزارشها، تهیه پیشنویس ایمیل و کمک به تحلیل دادهها از جمله کاربردهای عمومی هوش مصنوعی هستند که برای افراد نابینا نیز میتوانند مفید باشند.
برای مثال، کارمندی که باید یک گزارش طولانی دارای جدول و نمودار را بررسی کند، میتواند از هوش مصنوعی برای استخراج اطلاعات مشخص یا توضیح بخشهای تصویری کمک بگیرد.
حفظ حریم خصوصی به سیاستهای سرویس نیز بستگی دارد
جنبه دیگر این امکانات کاهش وابستگی به دیگران هنگام انجام کارهای شخصی است. اگر فرد برای خواندن نامهای خصوصی یا بررسی اطلاعات شخصی ناچار به کمک گرفتن از فرد دیگری باشد، استفاده از یک ابزار هوشمند ممکن است امکان انجام مستقل آن کار را فراهم کند.
البته حفظ حریم خصوصی به سیاستهای سرویس نیز بستگی دارد. اطلاعاتی که برای پردازش در اختیار ابزارهای هوش مصنوعی قرار میگیرند، ممکن است به سرورهای شرکت سازنده ارسال شوند. به همین دلیل، بارگذاری اسناد محرمانه باید با آگاهی از شرایط نگهداری و استفاده از دادهها انجام شود.
بعضی وبسایتها و اپلیکیشنها هنوز برای استفاده با صفحهخوان مناسب نیستند. دکمههای بدون برچسب، فرمهای پیچیده و ساختار نامناسب صفحات میتوانند انجام یک کار ساده را دشوار کنند.
عاملهای هوش مصنوعی یا AI Agents میتوانند راه دیگری برای تعامل با خدمات دیجیتال فراهم کنند. برخی از این ابزارها قادرند براساس درخواست کاربر، صفحات وب را بررسی کنند، اطلاعاتی را پیدا کنند یا مراحلی از یک کار را انجام دهند.
این قابلیت برای افرادی که با وبسایتها و اپلیکیشنهای فاقد دسترسپذیری مناسب مواجه میشوند، میتواند کاربرد داشته باشد. بااینحال، عاملهای هوشمند هنوز نمیتوانند با اطمینان روی همه سایتها کار کنند. ممکن است گزینه اشتباهی را انتخاب کنند یا اطلاعات نادرستی وارد کنند؛ بنابراین عملیات حساس، از جمله پرداخت یا ثبت اطلاعات شخصی، باید با نظارت و تأیید کاربر انجام شود.
ایجنتها مسئولیت توسعهدهندگان را برای ساخت وبسایتهای سازگار با صفحهخوان از بین نمیبرد
البته این قابلیت هنوز برای تمام سایتها و عملیات قابلاعتماد نیست. استفاده از ایجنتها نیز مسئولیت توسعهدهندگان را برای ساخت وبسایتهای سازگار با صفحهخوان از بین نمیبرد.
بیشتر کاربردهایی که تا اینجا بررسی کردیم، با گوشی هوشمند انجام میشوند. اما بعضی دستگاههای پوشیدنی نیز میتوانند اطلاعات تصویری را دریافت و به توضیحات صوتی تبدیل کنند.
برای مثال، عینکهای هوشمند مجهز به دوربین و دستیار هوش مصنوعی این امکان را فراهم میکنند که کاربر بدون گرفتن گوشی در دست، درباره آنچه روبهرویش قرار دارد سؤال بپرسد.
متا در سال ۲۰۲۵ قابلیت ارائه توضیحات تصویری مفصلتر را برای عینکهای Ray-Ban Meta معرفی کرد. این شرکت همچنین با Be My Eyes همکاری کرده است تا کاربران نابینا و کمبینا بتوانند از طریق دوربین عینک با داوطلبان بینا ارتباط برقرار کنند.
مزیت مهم این شکل از تعامل، آزادماندن دستها هنگام استفاده از ابزار است. بااینحال، عمر باتری، هزینه دستگاه، پشتیبانی از زبانها و دقت تشخیص تصویر همچنان از محدودیتهای آن به شمار میروند.
امروزه ابزارهای مختلفی به افراد نابینا و کمبینا کمک میکنند تا تصاویر و محیط اطراف را بهتر بشناسند، نوشتهها را بخوانند، اطلاعات موردنیازشان را پیدا کنند و بخشی از کارهای روزمره را مستقل انجام دهند. بعضی از این ابزارها مخصوص افراد نابینا طراحی شدهاند و برخی دیگر دستیارهای عمومی هوش مصنوعی هستند که امکانات کاربردی برای دسترسپذیری دارند.
در جدول زیر، کاربرد اصلی هر ابزار، سیستمعاملهای پشتیبانیشده و لینک رسمی دریافت آن را آوردهایم.
توصیف تصاویر با هوش مصنوعی، دریافت کمک تصویری از داوطلبان، بررسی اسناد و محتوای صفحه کامپیوتر
خواندن متن و اسناد، شناسایی اشیا، تشخیص برچسب محصولات غذایی و برخی اسکناسها، توصیف تصاویر
خواندن متنهای چاپی، تشخیص برخی نوشتههای دستنویس، توصیف تصاویر، اسکن بارکد کالاها و پرسش درباره اسناد
گفتوگوی صوتی، بررسی تصاویر و محیط اطراف با دوربین در دستگاههای سازگار، پاسخ به پرسشهای تصویری و کمک به یادگیری
توصیف و تحلیل تصاویر، خواندن فایلها، گفتوگوی صوتی، آموزش شخصیسازیشده و کمک به انجام بعضی کارهای دیجیتال
همه این ابزارها از زبان فارسی پشتیبانی یکسانی ندارند. Google Lookout و Seeing AI فارسی را در فهرست رسمی زبانهای پشتیبانیشده خود ندارند؛ بنابراین خواندن نوشتههای فارسی یا شناسایی محصولات ایرانی با آنها تضمینشده نیست. در مقابل، ابزارهای عمومی مانند چتجیپیتی و جمنای امکان گفتوگو به فارسی را دارند.
همچنین بعضی امکانات، مانند اشتراکگذاری زنده تصویر دوربین، ممکن است به اشتراک پولی، دستگاه سازگار یا فعالبودن قابلیت در منطقه کاربر نیاز داشته باشند. برای نمونه، قابلیت اشتراکگذاری ویدیو در حالت صوتی پیشرفته چتجیپیتی برای کاربران واجد شرایط در اپلیکیشن موبایل ارائه میشود.
هرچند هوش مصنوعی تواناییهای تازهای فراهم کرده، هنوز محدودیتهای مهمی دارد. مدلهای تصویری ممکن است اشیا را اشتباه تشخیص دهند، اطلاعاتی را از یک تصویر نادیده بگیرند یا در توضیح موقعیت مکانی وسایل دچار خطا شوند.
این اشتباهها بهخصوص در موقعیتهایی که با ایمنی افراد ارتباط دارند، اهمیت بیشتری پیدا میکنند.
به همین دلیل، هوش مصنوعی نباید جایگزین عصای سفید، آموزش جهتیابی و حرکت یا سایر ابزارهای ایمنی شود . استفاده از فناوریهای کمکی مختلف در کنار یکدیگر، متناسب با نیاز و ترجیح هر فرد، راه مناسبتری است.
در دنیای دیجیتال نیز صفحهخوانها همچنان از مهمترین ابزارهای دسترسپذیری هستند. برای مثال، NVDA یک صفحهخوان رایگان و متنباز برای ویندوز است که به کاربران نابینا امکان میدهد با استفاده از خروجی صوتی یا نمایشگر بریل با رایانه کار کنند. NVDA اساساً یک صفحهخوان است، نه یک دستیار هوش مصنوعی مولد.
گوگلمپ نیز قابلیتی به نام Detailed Voice Guidance دارد که هنگام مسیریابی پیاده، اطلاعات صوتی بیشتری درباره مسیر، فاصله تا پیچ بعدی و برخی تغییرات مسیر ارائه میکند. این قابلیت برای اندروید و آیفون عرضه شده و گوگل در سال ۲۰۲۴ از گسترش جهانی آن به زبانهای پشتیبانیشده خبر داده است. بااینحال، پشتیبانی مشخص آن از راهنمای صوتی فارسی تأیید نشده است. Detailed Voice Guidance از اطلاعات مسیریابی استفاده میکند و مانند یک سامانه بینایی ماشین، موانع فیزیکی را از طریق دوربین تشخیص نمیدهد.
امکانات هوش مصنوعی زمانی بیشترین فایده را دارند که خودِ ابزارها و خدمات دیجیتال نیز دسترسپذیر باشند.
شرکتهایی مانند گوگل، مایکروسافت و اپل برای محصولات مختلف خود راهنماهای دسترسپذیری ارائه میکنند و امکاناتی مانند صفحهخوان، کنترل صوتی و روشهای جایگزین تعامل با دستگاهها دارند.
برخی شرکتها حتی کانالهای پشتیبانی تخصصی برای مسائل دسترسپذیری ایجاد کردهاند. برای مثال، مایکروسافت خدمات Disability Answer Desk را ارائه میکند که در آن کاربران دارای معلولیت میتوانند درباره استفاده از ویندوز، آفیس و فناوریهای کمکی کمک دریافت کنند.
بااینحال، وجود راهنما و ابزار دسترسپذیری در محصولات شرکتهای بزرگ به این معنا نیست که تمام امکانات آنها برای همه کاربران نابینا بدون مشکل کار میکنند. دسترسپذیری نیازمند آزمایش مداوم، دریافت بازخورد کاربران و برطرفکردن موانع است.
هوش مصنوعی زمانی بیشترین فایده را دارد که خودِ ابزارها و خدمات دیجیتال نیز دسترسپذیر باشند
در روز جهانی عصای سفید، یکی از کارهایی که همه ما میتوانیم انجام دهیم، توجه بیشتر به دسترسپذیری محتوایی است که منتشر میکنیم. نوشتن متن جایگزین مناسب برای تصاویر، توضیحدادن دادههای نمودارها و استفاده از ساختار درست تیترها در صفحات وب، از اقدامهای سادهای هستند که دسترسی افراد بیشتری را به اطلاعات امکانپذیر میکنند.
اگر نابینا یا کمبینا هستید، هوش مصنوعی در چه کارهایی بیشترین کمک را به شما کرده است؟ آیا برنامهای را میشناسید که بتواند زندگی روزمره را آسانتر کند یا تجربهای از محدودیتهای این ابزارها دارید؟ تجربهها و پیشنهادهای خود را در بخش نظرات زومیت با دیگران به اشتراک بگذارید.