2019年9月20日金曜日

「Seeing AI 3.2」リリース。日本語のリアルタイム認識が可能に。


米国Microsoftは現地時間2019年9月19日、視覚に障害を持つユーザーのための画像認識アプリ「Seeing AI」をバージョン3.2へアップデートした。現在App Storeからインストールすることができる。
主な変更点は以下の通り。

  • Siri Shortcutsに対応しました。「what does this say?」などのボイスコマンドを割り当てて、特定のChannelでアプリを起動することができます。
  • iOS 13に対応しました。
  • iOS 13のダークモードをサポートしました。
  • Short Text channelでは、最大で21言語のテキストを認識できるようになりました。ただし認識できる言語の数は、インストールされている音声の数によって異なります。
  • 写真をexplorしてオブジェクトを認識したとき、同じ名前の複数の物体が認識されると、それぞれに番号が付けられます。例えば「Chair 1」など。
  • 加えて、様々な内部的不具合の修正を行いました。

ここで、注目すべき2つの追加機能についてみてみよう。

その1:Siri Shortcuts対応

Siri Shortcutsを使って、音声コマンドからSeeing AIの特定のChannelを直接起動できるようになった。アプリを探して起動してChannelを選んで……といったてまを大幅に軽減できる。もちろん、日本語によるコマンドも登録可能だ。
設定は「Menu」>「Settings」>「Configure Siri Shortcuts」を開き、ショートカットを設定したいChannelをたっぷ、「録音を開始」をタップして音声コマンドを登録する。
これで、SiriからSeiing AIのChannelを即座に起動できるようになる。

その2:Short Textの多言語対応

今回新たにShort Textで認識できる言語の中には、日本語も含まれている。
Seeing AIを起動してShort Text Channelを選択したら、言語選択ボタンをタップして「日本語」を選択する。
これでiPhoneをかざすだけで、日本語のテキストをリアルタイムに認識して読み上げてくれる。
郵便物や商品パッケージなどで試してみたが、一般的なフォントで印刷されたテキストは、おおよその内容を判別できる程度には読み上げてくれた。
どうしても「Envision AI」と比較してしまうが、第一印象としては、レスポンスはSeeing AIが、テキストの認識精度はEnvisionの方が良いイメージを持った(iPhone 7で使用)。この辺りはもう少し時間をかけて比較する必要があるだろう。
とはいえ、日本語をリアルタイムで認識できるようになったことで、Seeing AIの利用シーンは一気に広がりそうだ。特にEnvisionのセールを逃してしまった筆者のようなユーザーにとっては……。

日本語ローカライズは今回もお預け

今回の目玉、Siri ShortcutsとShort textの日本語対応で、さらに実用的になってきたSeeing AI。まだUIは英語のままだし、紙幣やバーコードのChannelもローカライズされていないが、着実に使えるアプリに進化している。

「Seeing AIの進化によって、ライバル?である「Envision AI」の開発にも良い影響が及ぶことを期待したい。

2019年8月9日金曜日

[粗訳] Envision AIチュートリアル(v1.6.7)


画像認識アプリ「Envision AI」の英語版チュートリアルをざっくり翻訳し、ちょっと補足を加えたものです。iPhone版をベースにしています。本家の翻訳が出るまでの繋ぎとしてお使いください。
──────────

概要


Envisionは、あなたの周りにある視覚的な情報をキャプチャして、それを意味のある音声に翻訳し、読み上げるアプリです。Envisionの機能は、「文字の認識」「周りの物の認識」「スキャンして見つける」の3つのタブに収められています。

文字の認識


テキストの認識に関する機能は、すべてこのタブの中にあり、いつでも簡単にアクセスすることができます。このタブには、以下の機能が含まれます。

すぐに読み上げを始める

このボタンをタップすると、Envisionはカメラが捉えている短いテキストをリアルタイムに読み上げます。このボタンをもう一度タップすると、読み上げが停止します。
オランダ語またはその他のラテンベース言語のみを読む場合は、「ヘルプ」タブにある「オフラインでの文字認識」の設定をオンにして、さらに読み取りを高速にすることもできます。
また、Envisionは自動的に言語を検出することもできます。日常生活で複数の言語のテキストに遭遇することが多い場合は、設定にある「言語の自動認識」をオンにすることをお勧めします。1つの言語しか読まないのであれば、オフにしておくとよいでしょう。

文書の読み上げ

このボタンをタップして、この機能を有効にすると、Envisionは、ドキュメントの撮影位置を調節するための音声ガイダンスを提供します。ドキュメントの端が検出されると「全ての端を認識」とアナウンスされ、自動的に写真がキャプチャされます。また、画面中央をタップして手動で撮影することもできます。
テキストが認識されると新しい画面に表示され、以下の操作を実行できます。

  • VoiceOverコマンドを使用してテキスト内をナビゲートします。
  • 「再生」ボタンをタップしてドキュメントを読み上げます。
  • 「文章をエクスポートする」ボタンをタップしてドキュメントを共有します。
  • 「文字のサイズを変更」ボタンをタップしてフォントサイズを調整します。

その他のアクション

このボタンをタップすると、以下のオプションが表示され、複数ページの文書やPDF、画像からテキストを抽出することができます。

複数のページを読む:
このオプションをタップすると、端検出を使用して複数のページを連続してスキャンできます。

PDFをインポート:
アプリ内からPDFをインポートできます。このオプションをタップすると、iOS標準の「ファイル」アプリが開き、そこからPDFを読み込むことができます。

画像をインポート:
このオプションをタップすると、フォトライブラリから認識したい画像を直接選択して読み込むことができます。

拡大鏡

ロービジョンのユーザーであれば、この機能を使用して認識されたテキストを拡大して読むことができます。画面をピンチしてズームするか、左上の「拡大」アイコンをタップして拡大率を指定します。また、テキストをより高いコントラストで読みたい場合は、色を反転するオプションも用意されています。

周りの物の認識


風景や色といった、テキスト以外の認識機能は、このタブの中から見つけることができます。このタブでは、以下の機能が提供されています。

風景を説明する

このボタンをタップして、説明する写真を撮影します。Envisionは、その写真を解析し、最も可能性が高い説明を読み上げます。写真に写っている家族や友人の顔が、すでにEnvisionに学習されていれば、その人物の名前が説明に含まれます。
Envisionでは、風景に応じた説明も提供されます。時計を撮影すると時刻を読み上げますし、窓の写真を撮ると今の天気を教えてくれます。
解析された写真は、「画像を説明付きで保存する」をタップして、カメラロールにVoiceOverで読み上げ可能な状態で保存できます。

色を検出する

このボタンをタップして、色を認識したい物体または衣服にカメラを向けます。Envisionは、検出した色をリアルタイムに読み上げます。このボタンをもう一度タップすると、色の検出が停止します。
「ヘルプ」タブにある「色の認識」設定では、認識できる色の数を「基本(30色)」または「詳細(950色)」から選択できます。

バーコードをスキャンする

このボタンをタップして、認識したい製品にカメラを向けます。バーコードが検出されたことを示す「ピッ」という音がするまでゆっくりと移動もしくは回転させてください。効果音の鳴る間隔を参考にして、バーコードにフォーカスを合わせます。バーコードが正常にスキャンされると、「カチッ」という音が聞こえ、製品名が読み上げられます。また[詳細]をタップして、製品の詳細情報を表示することもできます。製品がデータベースに登録されていない場合は「プロダクトは見つかりませんでした」とアナウンスされます。

スキャンして見つける


このタブでは、リアルタイム認識を使用して、周囲の人や物を見つけることができます。
このタブには、以下の機能が含まれます。

人をみつける

このボタンをタップすると、Envisionは周囲をリアルタイムにスキャンし、フレーム内に人物の顔が検出されると、効果音とともに軽い振動を感じます。Envisionに人物が学習されていれば、フレームに顔が検出されるたびに人物の名前が読み上げられます。カフェや懇親会などで友人を探すときに役立ちます。

ものをみつける

この機能は、オブジェクトの場所を見つけるのに役立ちます。このボタンをタップし、「もののリスト」から探したいオブジェクトの種類を選択します。周囲をリアルタイムにスキャンしましょう。Envisionがフレーム内に選択したオブジェクトを見つけると、効果音が鳴り軽い振動を感じます。
また、頻繁に検索するオブジェクトを「お気に入り」に登録(リスト上で上下スワイプ)したり、一番下にある「何かが足りませんか?」をタップしてオブジェクトの登録をリクエストすることもできます。

Envisionに学習させる

この機能を使えば、人物の顔を学習させ、後に「人を見つける」および「風景を説明する」機能で利用できます。「顔を学習させる」ボタンをタップすると、顔を撮影する画面が開きます。デフォルトではiPhoneの背面カメラが有効になっていますが、自撮りをする場合は画面内のボタンでフロントカメラへ変更できます。この画面では、顔を正しく配置するためのガイドも提供されます。
最低でも5枚の写真を撮影する必要がありますが、より正確に認識できるように、10枚程度の写真を撮影することをお勧めします。また、これらの写真を異なる角度や背景で撮影すると、精度が向上します。
写真を撮影したら「撮影が完了しました」をタップします。ユーザーの名前を入力するよう求められます。名前を入力すると、Envisionは数秒で学習を始め、処理が成功すると「学習が成功しました」とアナウンスされ「スキャンして見つける」タブに戻ります。
「Envisionに学習させる」の画面には、[ライブラリを開く]オプションもあります。学習したすべてのデータがここに表示されます。ここではEnvisionに検出させたくない顔を削除することができます(Voiceoverローターから操作できます)。

他のアプリにある画像を認識させる


写真、Twitter、WhatsAppなどのアプリで見かける画像に含まれるテキストを読んだり認識したりするために、Envisionを使うことができます。この機能を利用するには、そのアプリ内で「共有」ボタンをタップし、アクションシートに表示されるアクションのリストから「Envision it」を選択します。
このオプションを初めて使う時は、共有シートの右下隅にある「その他」オプションをタップして、アクティビティリストから「Envision It」を追加する必要があります。

ヒント


Envisionは常に進化し続けるアプリであり、私たちはその機能と能力を改善し続けています。そのため、自動更新を有効にしておくか、新しい更新があるかどうかを毎週確認してください。ここでは、Envisionの経験を向上させ、機能を最大限に活用するために、ユーザからクラウドソースされたヒントをいくつか紹介します。

Envisionの機能の多くは、まだインターネットに依存しています。より高速な処理を目指していますが、安定したインターネット接続環境でご利用ください。お客様が撮影した画像や情報は一切保存されません。

Envisionに関するフィードバックがあれば、「ヘルプ」タブの「フィードバックを送る」から送信できます。ヘルプや説明が必要な場合は、「通話をリクエストする」からお電話をいただくこともできます。できる限り早くご連絡いたします。

Envisionのテキスト認識機能では、デフォルトでテキストの言語が自動的に検出され、読み上げられます。ただし、1つの言語のテキストしか扱わない場合、Envisionを混乱させないよう、設定から「言語の自動認識」をオフにすることができます。


設定の「スピーチ」では、VoiceOver以外のすべてのスピーチの読み上げ速度と音声を調整することもできます。これらの変更は、VoiceOverの設定には影響しません。

2019年7月28日日曜日

米ウォルマート、薬の情報を音声で提供する「ScriptTalk」。


「お薬は、用法・用量を守って正しくお使いください」
全くもってその通り。誤った服薬は病状を悪化させるだけでなく、場合によっては想像以上の健康被害をもたらす可能性がある。それだけに、視覚障害者にとって薬の管理と服薬のコントロールは重要な問題の一つだし、細心の注意が求められる。
だが多くの場合、病院や薬局で渡される薬の説明は紙に印刷されたものだけ。これでは視覚障害者はお手上げだ。結局、ヘルパーや家族に手伝ってもらい、さまざまな工夫をしなければならない。いざという時、一人で対処できない視覚障害者も少なくないだろう。

米国ウォルマートと同社が展開する会員制スーパーマーケットSam's Clubは、印刷された文字を読むことが困難な顧客を対象に、視覚障害者向けの支援機器を製造・販売するEn-Vision America社と提携し、処方薬の情報を音声で確認できる機を提供している。2012年から一部の店舗で提供を開始しており、これを全米のどの店舗からでもオンデマンドで利用できるようになると言う。

これは「ScriptTalk」と呼ばれる電子タグシステムを用いたサービスで、薬局は処方薬の容器の底面に情報を書き込んだRFIDタグを貼付。顧客は無料で貸し出される、電池駆動の読み取り端末「ScriptTalk Station」を用いることで、電子タグに書き込まれた情報を音声で聞くことができる、という仕組みだ。この情報には薬の名前、服用量や服用タイミング、注意点、薬の補充情報、医師や薬局情報などが含まれる。

ScriptTalk Stationは3つのボタンと音量ツマミと言うシンプルなインターフェイスで、薬のボトルをのせるだけで情報を合成音声で読み上げるため、電子端末の操作に慣れない高齢者でも簡単に操作できるのが特徴だ。インターネット接続も不要でQRコードのように、コードが印刷されている場所を探す必要もない。
これまでも点字ラベルを貼付したり、スマホのアプリを用いて薬の管理を行う方法はあったが、点字が読めなかったり、スマートフォンが使えない視覚障害者も少なくない。専用端末を用いる音声サービスなら、多くの顧客をカバーできるだろう。
このサービスを利用すれば、目が見えなくても自分だけで服薬のコントロールが実現するはずだ。誰の手助けも借りずにできることが増えれば、自立した生活を送る自信にも繋がってくるに違いない。

このサービスは米国全域のウォルマートとSam's Clubの薬局で無料で利用できる。現時点でおよそ1,200の店舗でサービスを提供しており、まだ準備が整っていない店舗でも、利用希望を申し出れば1週間程度で利用できるようになるとのことだ。

電子タグを用いて視覚障害者をサポートする技術としては、「WayAround」や「ものタグ」などが実用化されているが、読み取り端末としてスマートフォンが必要となるため、使えるユーザーを制限してしまうのが難点。
「ScriptTalk」のように、ICTに不慣れなユーザーでも使えるソリューションがあれば、情報の提供だけでなく、ICTや点字のレクチャーなどにも応用できそうと思うのだけど、どうですかね。
電子タグとQRコード、バーコードが読める専用端末、誰か作ってくれないかなあ。いや、きっとどこかもう作ってるはず。ご連絡ください。

関連リンク:


2019年7月26日金曜日

視覚障害者の安全な歩行を支援する未来のデバイス「Sound of Vision」。

Sound of Vision(画像引用元)

視覚障害者の単独移動において、まず優先されるべきは「安全」である。
現実世界には、看板や電信柱などの障害物はもちろん、段差や壁、工事中の道路やちょっとした窪み、さらには通行人まで、視覚障害者の安全を脅かすものが無数に存在している。場合によっては転落や交通事故など生命にも関わる自体にもなりかねない。

そこで視覚障害者は一般的に「白杖」を用いることで目の前の危険を探索して歩行する。街中で杖の先を左右に振りながら歩いている視覚障害者の姿を見かけたことがあるはずだ。晴眼者でも、暗い部屋の中では手で安全を確かめながら歩くことがあるだろう。白杖はいわば杖を用いて、一歩先を「手探り」しながら移動しているようなものだ。

ただ白杖でキャッチできる危険には限界がある。
そもそも杖が届く距離の範囲内でしか障害物を見つけられないし、せり出した樹木や看板など上半身に迫る物体は認識できない。歩きスマホしている歩行者など移動している障害物(とあえて言う)も白杖で避けられる可能性はそう高くはない。

そのような問題を解決すべく、テクノロジーによって視覚障害者の安全を確保しようとする様々なデバイスが開発されてきた。例えば「パームソナー」は超音波を用いて障害物や通過できる隙間を見つけることができるし、「Wewalk」のようなスマート白杖も、杖で地面を探索しながら上半身に迫り来る危険を知らせてくれる。
これらのデバイスは従来の白杖では見つけられなかった危険を察知する可能性を高めてくれるが、超音波を用いるため、誤認識や識別できないものも多く、あくまでも白杖の補助的な位置付けにとどまっている。
今の所、白杖と歩行訓練が最強だし、これはおそらく今後も代わりないだろう。だが、テクノロジーによる安全性の向上には、まだ進化の余地があるはずだ。

現在ルーマニア、ブカレストのPOLITEHNICA大学の研究者を中心に、アイスランド、ハンガリー、イタリア、ポーランドの大学や研究機関、当事者団体の共同プロジェクトとして開発されているウェアラブルデバイス「Sound of Vision」は、新たなアプローチで視覚障害者の安全を高めようとしている。
これは従来の超音波の代わりにコンピュータービジョンを用いるのが特徴だ。

Sound of Visionには3Dカメラが搭載されており、毎秒20フレームで周囲の環境をリアルタイムにスキャンする。スキャンされた画像はコンピュータービジョン・アルゴリズムにより解析され、周囲の物体を分析、その結果をもとに生成された立体音響と、ベルトに仕込まれた振動ユニットを通じて視覚障害者へフィードバックされる仕組みだ。
音響や振動の強さは、検知された物体との距離に応じて変化するため、物体の位置関係を把握するヒントになるという。現在、扉や階段、通行人といった主要な物体を認識することが可能なようだ。

さらに、Sound of Visionでは周囲に存在する文字情報を読み取り、音声で読み上げることもできるという。ボタンを押せば、標識や看板に書かれている情報をスキャンし、書かれている場所から擬似的に音声が聞こえてくるイメージだ。お店やレストラン、駅の入り口などを見つける時などで役立つだろう。
こうしてみると、このデバイスは単純に障害物を検知すると言うよりも、視覚障害者の空間認知を拡張してくれる可能性を持っているのかもしれない。

このデバイスはまだプロトタイプの段階で、今後2年ほどの期間をかけデバイスの小型化や屋外での物体認識性能の向上などの改良が施されるという。ユーザーの手に届くまでにはもう少し時間がかかりそうだが、開発者たちはこのデバイスをできるだけ入手しやすい価格で提供したいと考えている。またハードウェア、ソフトウェアと合わせ、このデバイスを安全に使いこなすためのトレーニングプログラムの開発にも力を入れているようだ。デバイスから発せられる3D音響と現実世界の地形を脳内で変換できるようになれば、もしかしたら白杖をズリズリ使わなくても、晴眼者と同じようにスムーズに歩行できる未来がやって来るのかもしれない。そんな妄想を掻き立ててくれるデバイスだ。

関連リンク:


2019年7月15日月曜日

[粗訳] 脳インプラントとスマートグラスで全盲者に「視覚」を与える「Orion」。


全く視力がない全盲の人々に、視力を与える技術的アプローチとして長年研究されてきたのが、インプラント手術を用いた人工視覚デバイス。これまで人工視覚といえば、眼球内部の網膜や視細胞、視神経に電極を取り付けるタイプのものがよく知られているが、最近米国で臨床試験が始まった人工視覚「Orion」は、カメラで撮影した映像を一気に「脳」に送り込む仕組みのようだ。この技術で、いったいどのような風景を見ることができるのだろうか?

※このエントリーは「Orion turns on a light in the dark for the blind」をあっさり翻訳したものです。

「Orion」は盲人の暗闇にささやかな明かりを灯す。

By Graciela Gutierrez

ベイラー医科大学の一角にある暗い部屋。
そこで被験者はブラックアウトしたコンピューター画面を見ている。そして間隔を置いて画面上の異なる場所に表示される白い正方形を指さす。
彼らは、もう何年も前から完全に目が見えなくなっているにもかかわらず、ほとんどの実験でその正方形を正しく指し示すことに成功した。

「視覚皮質補綴物」は、視覚障害者に人工的な視覚をもたらす。
手術で脳に埋め込んだ 「Orion」 と呼ばれる視覚皮質の人工器官を用いることで、眼の障害により視力を失っていても「見る」ことができるという。
OrionはSecond Sight Medical Products(カリフォルニア州ロサンゼルス)とのコラボレーションの一環として、ベイラー大学において臨床試験が行われている。
10年以上にもわたって、同大学の神経外科学の教授を務めるダニエル・ヨソール博士は、神経科学者で脳神経外科学の助教授ウィリアム・ボスキング博士、および神経外科学の教授マイケル・ボーチャンプ博士とともに、視覚皮質補綴装置を使用した研究に取り組んできた。
簡単に言えば、Orionは、デバイスの一部であるカメラで捉えた視覚情報を、損傷により機能していない視神経をバイパスして直接脳に伝送しているのだ。

「私たちは長年、脳が視覚情報をどのようにコード化するかを研究してきました。視覚というと目を思い浮かべますが、処理のほとんどは脳で行われています。網膜に投射された光のインパルスは神経信号に変換され、視神経を通って脳の一部に伝達されます。」
、ベイラー聖路加医療センターの脳神経外科部長でもあるヨソル氏は語る。
「将来的には、脳が視覚情報をどのように処理しているかを解明し、視覚補綴装置の開発によって視覚障害者に、実用的な視力を回復させたいと考えています。」

・「再び見る」ための第一歩

カリフォルニア大学ロサンゼルス校では、セカンド・サイト社と共同で、米食品医薬品局(FDA)が承認した初の視覚皮質補綴物の臨床試験を行なっている。
視覚皮質補綴物のアイデアは何年も前から存在していたが、技術がようやく進歩し、この臨床試験が現実のものとなった。
Orionは、60個の電極を埋め込んだ脳インプラント装置で構成されており、脳の視覚部分に刺激パターンを送ることができる。
中途失明者の多くは、視覚を処理する脳に損傷を受けておらず、眼から情報が伝達されていないため、その部分は活用されていない。Orionは、メガネに取り付けたカメラを使って画像を撮影し、対応する視覚画像を感じ取れるように設計された刺激パターンとして脳に直接伝送する。

ヨソール氏によると、人間の脳には明確な視野マップがあるという。
視覚世界のすべての部分には、その空間的位置を表す脳内の対応する点がある。研究者たちの間では何年も前から、脳の特定の場所を刺激すると、特定の視覚スポットに光が発生することが知られていた。これは目が見える、見えないに関わらず発生する。

「理論的には、脳に何十万もの電極があれば、豊かな視覚イメージを作り出すことができます。点描を使用した絵画を想像してみてください。点描では、何千もの小さな点が集まって完全なイメージを作成します。」
と、Yoshor氏は言う。
「脳の後頭部にある何千もの点を刺激することで、同じことができるかもしれません。」

そのためのステップとして、まず各視覚スポットをマッピングする必要がある。これがベイラーの暗い部屋で行われていることだ。
盲目の被験者はすでに「Second Sight」を使っている。

・最初の被験者

若くして視力を失い、人生の大半を暗闇の中で過ごしてきたベンジャミン・スペンサー氏は、メガネを装着して窓や戸口に近づくと、それを判別できた。
10年近く目が見えない状態が続いているポール・フィリップ氏は、妻と夕方の散歩に行くときにメガネを装着すると、歩道と芝生が交わる場所がわかると話す。また彼は、自宅の白いソファがどこにあるかを知ることができるという。

「これは初期の実行可能性調査です。
初期臨床安全性とデバイス機能性に関するデバイス設計概念を評価しています。」
とボスキング氏。
「これまでのところ、結果は有望です。被験者は、特定の物体がどこに位置しているかを識別できたと述べていますが、現時点では、物体の形や輪郭がはっきり見えているわけではなく、オブジェクトの位置に対応する少数のライトポイントが分かるだけです。」
たとえば、物体が自分の視界にあることはわかっても、その物体がマグカップなのかボールなのかはわからない、とボスキング氏は言う。

「現在ベイラー大学の研究室で行われているのは、装置と脳の間の最適なインターフェースを改善することです」
とボスキング氏。
「これにより、参加者がフォームや形状を確認できるように、デバイスに変更を加えることができます。」

「私たちが達成しようとしている目標には、まだほど遠いのです」
とヨソル氏は言う。
「現在、われわれは「動的刺激」と呼ばれる技術を使用しています。この技術では、埋め込まれた電極のアレイを横切るパターンで脳を刺激します。脳は変化を検出するのが非常に得意なので時間をかけてパターンを変化させるとより豊かな視覚体験と視覚機能の有用な回復が得られます。光の塊だけでなく形の知覚、そして最終的には鮮明な画像が得られるでしょう。」

視覚皮質補綴装置は、生まれつき視力をもっていて、その後視力を失った人にのみ有用という。先天的に盲目の人は、視覚を支える脳の部分が十分に発達しておらず、視覚情報を効果的に脳に伝えることができない。したがって、視覚皮質補綴装置は、中途失明者の使用を前提に設計されている。

ヨソル氏は言う。
「中途失明者の場合、脳の視覚機能はまだ無傷で機能しています。しかし目からは、視覚を司るニューロンを活性化させるための入力は得られません。現在はこれらのニューロンを直接活性化できる可能性が出てきました。
今、神経科学と神経技術の分野はエキサイティングな時代を迎えています。私が生きているうちに、目の不自由な人が機能的な視力を回復できるのではないかと感じています」
スペンサー氏もフィリップ氏も、この研究に参加したことを「エキサイティング」と表現している。

被験者の一人、フィリップ氏は、こう付け加えた。、
「たとえ今は、それがわずかな光の点だけであっても、

このめで何かを見られるのは、本当に素晴らしいことです」

2019年7月14日日曜日

[粗訳] なぜ「アクセシビリティ・バイアス」は無視され続けているのか?


※本エントリーは「Why Do We Fix AI Bias But Ignore Accessibility Bias?」を雑に翻訳したものです。

なぜ[AIバイアス」は修正されるのに「アクセシビリティバイアス」は無視されているのか?

By Kalev Leetaru

シリコンバレーは、いま人工知能のバイアスへの対処に夢中だ。
ディープラーニングのアルゴリズムが研究室を飛び出して現実世界に進出するにつれ、限られた西洋の訓練データがグローバル化されたデジタル世界と衝突し、ディープラーニングの生得的なバイアスの影響に対する認識が高まってきた。懐疑的になりつつある一般の人々、容赦ない報道、そして高まる政治家の関心に直面して、ディープラーニングコミュニティはそのようなバイアスにどう対処するかにフォーカスし、一連の投資とイニシアティブで対応してきた。
このようなデジタルの変化は、ますますアクセスしにくくなっているウェブをもたらし、これまで以上に障害者との間に大きなデジタルデバイドを生み出し、世界を手の届かない場所にしている。
人工知能のバイアスに対抗するため膨大なリソースが投入されているのとはまったく対照的に、アクセシビリティバイアスはほとんど注目されていない。一般に最も目に見えるバイアスだけが注目されているのだ。

かつてAIバイアスは主にアカデミックな世界の領域であり、逸話的に評価され、主流のディープラーニングのコミュニティからはほとんど関心を持たれず、主に学術的な追求として傍観的に議論されてきた。
ディープラーニングが現実の世界に進出するにつれて、これらのバイアスの意味が一般の目に明らかになってきた。特に,現代のディープラーニング時代を構築するために用いられる訓練データセットの極端なバイアスは、無数の人口統計学、文化および地理学を積極的かつ厳しく「差別するAI」という形で現れている。一般市民、報道関係者、政治家からの圧力が高まる中、シリコンバレーは人工知能のバイアスを理解し対処することに多額の投資をしてきた。
かつてないことに、現在ディープラーニングに取り組んでいるほとんどすべての大手企業は、AIアルゴリズムのバイアスを評価し軽減するために、少なくとも何らかの正式な評価プロセスを持っている。AIバイアスを主題としたカンファレンスも開催されており、ごくありふれたディープラーニングの研究論文でさえ、方法論のセクションでバイアスの問題に言及することが多くなっている。
メジャーなディープラーニング開発フレームワークでも、統合されたバイアス軽減ワークフローをリリースし始めている。これにより、開発者がバイアスを最小限に抑えるためのベストプラクティス、トレーニングデータの自動バイアス評価から、無害な変数が人種や性別などの制限された変数と予期せずに関連付けられるなどの差別的な相関を識別できる。

しかし、このようなAIバイアスへの関心と投資への高まりに対し、アクセシビリティバイ
アスへの関心と投資はほとんど見られない。
テキストのページが高解像度のリッチな画像やビデオに置き換えられるなど、Webが視覚化されるにつれて、スクリーンリーダーなどのアクセシビリティソフトウェアに依存する障害者がWebにアクセスできなくなっている。感動的な内容のテキストによるツイートは、誰にでもアクセスできる。だが「6人、立っている人」とキャプションされただけの感動的な写真は、スクリーンリーダーに依存している人々にとっては全く意味をなさない。結果、彼らはそこから取り残されてしまう。

ソーシャルメディアに対し、米国政府は、Web時代のようにアクセシビリティを義務化するのではなく、以前は神聖視されていた政府刊行物へのアクセス要件を放棄し、障害者が将来のデジタル政府を利用できない可能性を受け入れて、アクセシビリティを後退させた。
不思議なことに、AIバイアスを国際的な議論の話題に高めた政治家、企業、財団、思想的指導者たちは、アクセシビリティバイアスにはほとんど関心がないようだ。人工知能のバイアスを緩和する新しい法律を提唱している個人や組織は、なぜ同時にアクセシビリティ・バイアスに対処する既存の法律の施行に反対しているのか?そう問われても、彼らは沈黙を守っている。
AIバイアスに多大な関心とリソースを注いでいる財団、出版物、思想的リーダーは、アクセシビリティバイアスに関して言えば、言葉と資金を見失っているようだ。

AIバイアスとアクセシビリティバイアスの間の関心におけるこの明らかな違いは、残念ながらほぼ予想の範囲内である。
シリコンバレーがAIバイアスに関心を持ったのは、それ自体が意図したものではなかった。むしろ、現在の投資は、相当な世論の圧力と政府の介入の脅威の増大によって実現している。
これとは対照的に、かつてアクセシビリティのために積極的に介入していた政府は、逆にソーシャルメディアに対しては後退し、デジタル時代の差別と戦うという議会の関心が薄れていく中で、社会全体での権利剥奪を喜んで受け入れるようになった。
これらを総合すると、シリコンバレーは人工知能への偏見と戦うことに多大な投資をしているが、アクセシビリティバイアスと戦うことにはほとんど関心も投資もなされていない。

残念なことに、こうしたサポートのレベルの違いは、単純な経済性と可視性に帰着する。
AIバイアスは誰にでも影響を与え、デジタル経済を動かす広告やオンラインショッピングのような経済プロセスに特別な影響を与える。最も重要なのは、しばしば人工知能のバイアスが、明らかな形で人々に直接見えていることだ。
対照的に,アクセシビリティバイアスが影響を与えるのは人口のごく一部だ。また、先日のFacebookの画像障害のような短い瞬間を除いて、一般の人が目にすることはほぼない。

Webがもっとアクセシブルになる希望はあるのだろうか?
議会でデジタル・バイアスを警告する最大勢力のいくつかは、それ自体がアクセシビリティ・バイアスの代表である。公式なコミュニケーションでは最もアクセスしにくいメディアに大きく依存し、多様な有権者へアクセシビリティ・オプションを提供することを拒否しているという事実がある。残念ながら、状況がすぐに良くなるという楽観的な余地はほとんどないだろう。

Webをアクセシブルにするための最大の希望は、おそらく経済にある。
簡単に言えば、Webがより視覚的になることで、ソーシャルランドスケープを調節し、操作し、マイニングし、収益化するコンテンツ理解アルゴリズムに関わる多くの人々は失敗している。自分たちのマネタイズのニーズに対応したイメージマイニングアルゴリズムの開発を急いでいる彼らにとって、「副産物としてのアクセシブルなWeb」はありうるかもしれない。

現在の収益化されたWebでは、最も目に見えて経済的に影響力のあるバイアスだけが対処される可能性がある。結局のところ、AIバイアスとアクセシビリティバイアスにおける私たちの関心の間の明らかな違いは、その事実をあらためて認識させてくれる。

2019年7月12日金曜日

[iPhoneアプリ]「LetSeeApp」のカード識別機能を試してみた。


以前、ほぼ全盲の筆者がいかにしてカードを判別するか?というテーマでエントリーした。その中で、カードを識別できるアプリがあればいいのにね、と書いたのだが、まさにそのようなアプリを発見したのでご紹介しよう。

「LetSeeApp」は、コンピュータービジョンを応用して視覚障害者の「目」の代わりをするiPhone用アプリ。視覚障害者が見ることができないものをスマートフォンのカメラとAIを用いて認識し、音声で教えてくれる。同様のアプリとしては「Seeing AI」や「Envision AI」などがある。

■iPhone用アプリ
開発/Jedlik Innovacio Korlatolt Felelossegu Tarsasag
価格/無料(App内課金あり)

現在LetSeeAppが搭載している機能は「紙幣の識別」、「光の識別」、そして「カードの識別」の3種類。このうち紙幣の識別は日本円には非対応(現在対応しているのは米ドル、ユーロ、中国人民元、ハンガリーフォリント、韓国ウォン)で、光の識別もサウンドのみとシンプル。この2つの機能については「NantMobile マネーリーダー」や「Boop Light Detector」などを使う方が幸せになれる気がする。

LetSeeAppの白眉はやはり「カードの認識」機能だろう。
このカード識別機能は、あらかじめ識別したいカードを名前をつけてデータベースに登録しておき、カメラで撮影したカードをAI画像認識で識別してその名前を音声で読み上げてくれる仕組み。
このアプリの特徴は、登録から識別まで、すべてオフラインで動作するという点。クレジットカードを始めカード情報は重要な個人情報であるため、この特徴は重要な意味を持つ。


カードの登録から認識までの基本操作。


ではさっそく、LetSeeAppを使ってカードの判別を試してみる。
LetSeeAppを起動して画面を2本指ダブルタップすると設定画面が開く。「CARD RECOGNIZER」の項目が、カード認識関連の設定だ。
※本記事での操作方法は、基本Voiceoverをオンにした状態のものです。

まずは認識させるカードを登録する。
無料版で登録できるカードは5枚まで。App内課金すれば(120円)25枚まで登録可能になる。

  1. 「Register new card」を操作。
  2. 「Name」にカードの名称を入力。音声が日本語の読み上げに対応していないため、必ず半角英数で入力する。
  3. 「Take a Picture」ボタンを操作し、iPhoneをカードにかざせば自動的に輪郭を認識して写真を撮影し、カードが登録される。

登録したカードの管理は「Manage cards」で行う。ここでは登録したカードの認識を一時的に無効化したり、登録したカードの削除や一括クリア処理が行える。

  1. 「Manage cards」ボタンを操作。
  2. 「CARDS RECORDED」に登録済みのカードがリストアップされる。それぞれのカードを操作すると、そのカードの認識をオン/オフできる。
  3. またローターのカスタムアクション(上下スワイプ)からそのカードの削除が行える。
  4. 「Wipe card database」ボタンを操作すれば、登録したカードを一括削除できる。

設定画面を閉じてLetSeeAppのメイン画面に戻ったら、画面を左右にスワイプ。「CARD RECOGNIZER」と読み上げられたらダブルタップしてカード認識モードを起動する。うまくモードが切り替わら無い場合は一度Voiceoverをオフにして試してみよう。
そして認識させたいカードにiPhoneをかざすと、登録したカード名称がリアルタイムに読み上げられる、はず。


使いこなすにはちょっとコツが必要?


手持ちのカードをいくつか試したところ、クレジットカードやキャッシュカードはもちろん、ポイントカードも登録できた。おそらく長方形であれば、カードの輪郭を認識して登録してくれるようだ。ただ現時点ではカードの裏表をセットにして登録することはできない(それっぽい項目は用意されているようだがまだ機能しない)。
また試しに機内モードをオンにした状態でカードの登録から認識まで実行したところ、問題なく動作した。セキュリティ的に完全に安全かどうかは断言できないが、少なくともオフラインで使えることは確認できた。

さて肝心の認識精度だが、結構微妙といった印象。
うまく認識できるかどうかは、カードを登録する時の画質に大きく左右されている感じのようだ。登録時の撮影がオートなので、照明などを事前に確認しておいた方が良いかもしれない。
また登録したカードによっては手で持っているとダメだったり、上下逆さまだと認識できない、といった現象も見られた。またカードを認識させる時も、カードからiPhoneをゆっくり離したり左右に動かす、傾けるなどの工夫をすることで認識される場合もある。
スムーズに利用するためには、カードを登録・認識する時のコツを掴む必要があるかもしれない。

色々文句っぽいことも書いたが、条件さえ揃えば、間違えることもなくカードを判別できる。日常的にサッと取り出して識別するには厳しいかもしれ無いが、自宅などでゆっくりカードを分別する時など、このアプリを使えばクラウド型OCRアプリを用いるより安全にカードの判別ができるようになると感じた。

視覚障害者を支援するアプリは数多くリリースされているが、どうしても機能優先でユーザーのセキュリティやプライバシーの問題は軽視される傾向にあるように思う。そのような意味でも、LetSeeAppは(完全に安全かはわからないが)比較的安心して使えそうなアプリかもしれない。
今後も機能の強化などが予告されており、アップデートに期待したい。

関連リンク:


支援技術関連記事まとめ(2022年11月)※お知らせあり。

※以下のリンクをクリックするとDropboxへ接続し、ダウンロードが自動的に始まります。 ※ダウンロードファイルはHTML形式です。ブラウザで開いてください。 ※正常に表示されない場合は別のブラウザで試すか、エンコード設定を変えて見てくださ い。 ダウンロード: 海外記事 / 国...