Một ứng dụng AI mô tả cảnh cho người khiếm thị hữu ích khi nó trả lời đúng điều người dùng đang cần biết, nói ngắn gọn, giúp họ hướng camera cho đúng, và nói rõ những việc nó không nên được tin. Một đoạn mô tả dài tả mọi thứ trong khung hình, dù rất thông minh, lại thường vô dụng.
Chào bạn, đây là Nhà Phát Minh. Tập này mình kể chuyện một nhóm lập trình viên trẻ ở Sài Gòn làm ứng dụng cùng với một nhóm bạn khiếm thị, và vì sao người dạy họ nhiều nhất không phải chuyên gia AI mà là một anh xoa bóp mù đã dùng điện thoại hơn chục năm.
Vấn đề: những việc nhỏ cần một đôi mắt
Người khiếm thị dùng điện thoại giỏi hơn nhiều người nghĩ. Điện thoại thông minh có sẵn chế độ đọc màn hình, họ nghe tin nhắn, gọi xe, chuyển tiền với tốc độ đọc nhanh tới mức người sáng mắt nghe không kịp.
Nhưng vẫn có những việc nhỏ hằng ngày cần một đôi mắt. Hộp sữa này hết hạn chưa. Lọ này là muối hay đường. Tờ giấy vừa nhận là thư gì. Chiếc áo này màu gì. Trước đây họ phải chờ người nhà, hoặc nhờ người lạ.
Nhóm lập trình viên nghĩ AI giờ đã nhìn ảnh và mô tả khá tốt. Làm một ứng dụng chụp một tấm, AI nói lại bằng giọng nói, nghe có vẻ không khó.
May mắn của nhóm là họ không tự làm một mình. Ngay từ bản đầu tiên, họ mời một nhóm bạn khiếm thị dùng thử và ngồi nghe góp ý.
Bản đầu: tả quá nhiều, trả lời quá ít
Bản đầu tiên mô tả rất kỹ. Chụp căn bếp, máy nói: một căn bếp có tủ gỗ màu nâu, trên bàn có một chai nước, một cái đĩa, một hộp giấy, ánh sáng từ cửa sổ bên trái. Nghe thì ấn tượng.
Anh xoa bóp trong nhóm dùng thử, nghe hết một lượt rồi nói: anh chỉ muốn biết hộp sữa trên bàn hết hạn chưa. Máy tả cả căn bếp nhưng không trả lời câu anh cần.
Đó là lúc nhóm hiểu sai lầm của mình. Người sáng mắt nhìn một cái là lọc ra thứ mình cần. Người khiếm thị phải nghe tuần tự từng chữ, nên mỗi câu thừa là thời gian bị lấy đi.
Bản sau đổi hẳn cách làm. Người dùng có thể hỏi một câu cụ thể trước khi chụp: đây là gì, hạn sử dụng bao giờ, có chữ gì trên đó, màu gì. Máy chỉ trả lời câu đó, ngắn nhất có thể. Muốn nghe thêm thì hỏi tiếp.
Ngắm máy khi không nhìn thấy khung hình
Một khó khăn mà người sáng mắt không bao giờ nghĩ tới: làm sao để đưa đúng vật vào khung hình khi mình không nhìn thấy khung hình. Nhiều tấm ảnh đầu tiên chỉ chụp được nửa cái hộp, hoặc chụp mặt không có chữ.
Nhóm thêm phần hướng dẫn bằng âm thanh. Khi đọc chữ, ứng dụng nói ngắn: nghiêng sang trái một chút, lùi xa hơn, có chữ ở mép dưới. Khi thấy đủ cả vùng chữ, nó phát một tiếng bíp và tự chụp.
Với hạn sử dụng, thứ thường in nhỏ ở đáy hay nắp hộp, ứng dụng còn nhắc người dùng xoay chậm vật trong tay, và tự chụp liên tục cho tới khi thấy một dãy trông giống ngày tháng.
Những chi tiết này không có trong bất kỳ mô hình AI nào. Chúng ra đời từ hàng giờ ngồi cạnh người dùng thật, nhìn họ loay hoay, và hỏi họ muốn được dẫn dắt thế nào.
Giới hạn phải nói thẳng
Có một việc cả nhóm thống nhất không làm: dùng ứng dụng để dẫn đường qua đường phố. AI có thể tả được có xe máy phía trước, nhưng chậm một nhịp và không đủ tin cậy cho những quyết định sống còn. Ứng dụng nói rõ điều đó ngay trong phần giới thiệu, và không bao giờ trả lời câu hỏi kiểu có qua đường được chưa.
Với tiền giấy, nhóm cũng rất thận trọng. Máy có thể đoán mệnh giá, nhưng khi ánh sáng kém hay tờ tiền nhàu, nó có thể nhầm. Ứng dụng đọc kết quả kèm mức chắc chắn, và khuyên kiểm lại khi giao dịch lớn.
Chuyện riêng tư cũng được tính tới. Khi ảnh có mặt người khác, ứng dụng không cố nhận diện đó là ai. Ảnh được xoá sau khi trả lời, trừ khi người dùng muốn lưu lại.
Một người làm sản phẩm hỗ trợ phải đặc biệt khiêm tốn, vì người dùng của mình sẽ tin mình ở những chỗ họ không có cách nào tự kiểm tra.
Làm cùng người dùng, không làm cho người dùng
Nhìn lại, những quyết định đúng nhất của nhóm đều đến từ người dùng khiếm thị. Họ đòi tốc độ đọc nhanh hơn, chữ ít hơn, nút bấm có thể tìm bằng cảm giác. Họ bảo ứng dụng phải chạy tốt với chế độ đọc màn hình có sẵn của điện thoại, chứ đừng làm một giao diện riêng lạ lẫm.
Nhóm trả công cho những buổi dùng thử, coi người dùng khiếm thị là đồng nghiệp chứ không phải đối tượng khảo sát. Vài người sau đó trở thành người kiểm thử chính trước mỗi lần cập nhật.
Câu chuyện này đúng với mọi sản phẩm cho người khuyết tật, người già hay bất kỳ nhóm nào có trải nghiệm khác mình. Người làm dù giỏi tới đâu cũng không thể tưởng tượng thay được.
Nếu bạn đang có ý tưởng làm gì đó cho một nhóm người khác mình, hãy tìm họ trước khi viết dòng mã đầu tiên. Họ đã sống với vấn đề đó lâu hơn bạn nghĩ về nó rất nhiều.
Câu hỏi thường gặp
Người khiếm thị dùng điện thoại thông minh như thế nào?
Họ dùng chế độ đọc màn hình có sẵn, thao tác bằng cử chỉ và nghe điện thoại đọc nội dung với tốc độ nhanh. Nhiều người dùng thành thạo nhắn tin, gọi xe, chuyển tiền.
Ứng dụng AI mô tả cảnh có dùng để dẫn đường được không?
Không nên dựa vào nó để qua đường hay tránh xe, vì có độ trễ và có thể sai. Gậy trắng, chó dẫn đường, kỹ năng định hướng và sự giúp đỡ của người khác vẫn là chính.
AI có đọc được hạn sử dụng trên bao bì không?
Thường đọc được nếu chụp rõ phần in ngày. Khó nhất là tìm đúng chỗ in, nên ứng dụng tốt sẽ hướng dẫn xoay vật và tự chụp khi thấy dãy giống ngày tháng.
Làm ứng dụng cho người khiếm thị cần lưu ý gì?
Tương thích với trình đọc màn hình, câu trả lời ngắn, hướng dẫn ngắm máy bằng âm thanh, nói rõ giới hạn, và quan trọng nhất là làm cùng người khiếm thị từ đầu.
Ảnh chụp qua ứng dụng hỗ trợ có được lưu lại không?
Tuỳ ứng dụng. Cách làm thận trọng là xoá ảnh sau khi trả lời, không nhận diện người lạ trong ảnh và chỉ lưu khi người dùng chủ động yêu cầu.
