दृष्टिबाधितों के लिए सुगम्यता में एआई
एआई दृश्य दुनिया का ज़ोर-शोर से वर्णन करता है - पाठ पढ़ना, वस्तुओं की पहचान करना और अंधे या कम दृष्टि वाले लोगों के लिए दृश्यों का वर्णन करना।
सिंहावलोकन
This matters because it turns a smartphone camera into an always-available pair of eyes for everyday tasks.
गहरा गोता
दशकों तक, एक्सेसिबिलिटी स्क्रीन रीडर्स (JAWS, NVDA, VoiceOver) जैसे टूल पर निर्भर रही जो ऑन-स्क्रीन टेक्स्ट को स्पीच में परिवर्तित करते हैं। एआई नाटकीय रूप से इसे भौतिक दुनिया तक विस्तारित करता है। सीइंग एआई, बी माई आइज़ और लुकआउट जैसे ऐप्स मेल पढ़ने, मुद्रा की पहचान करने, चेहरों को पहचानने और एक कमरे का वर्णन करने के लिए कंप्यूटर विज़न और ऑप्टिकल कैरेक्टर पहचान का उपयोग करते हैं। सबसे बड़ी छलांग तब आई जब GPT-4 जैसे मल्टीमॉडल मॉडल ने बी माई आइज़' 'बी माई एआई' को संचालित किया, जिससे उपयोगकर्ता किसी भी दृश्य की तस्वीर खींच सकता है और प्राकृतिक भाषा में अनुवर्ती प्रश्न पूछ सकता है - 'क्या स्टोव चालू है?' या 'यह शर्ट किस रंग की है?' ये उपकरण मानव स्वयंसेवकों और मार्गदर्शक कुत्तों की जगह लेने के बजाय पूरक हैं, और वे काम करते हैं क्योंकि छवि समझ और भाषण संश्लेषण दोनों फोन पर चलाने के लिए काफी तेज़ और सस्ते हो गए हैं।
तकनीकी अंतर्दृष्टि
तीन प्रौद्योगिकियां संयोजित होती हैं: OCR फोटोग्राफ किए गए टेक्स्ट को वर्णों में परिवर्तित करता है; ऑब्जेक्ट-डिटेक्शन और इमेज-कैप्शनिंग मॉडल कैमरा क्या देखता है इसकी पहचान और वर्णन करता है; और मल्टीमॉडल एलएलएम उपयोगकर्ताओं को किसी छवि के बारे में बातचीत संबंधी फॉलो-अप पूछने की सुविधा देते हैं। ऑन-डिवाइस एक्सेलेरेशन और टेक्स्ट-टू-स्पीच इंजन सेकंड के भीतर प्राकृतिक-ध्वनि वाले ऑडियो के रूप में उत्तर प्रदान करते हैं। डिजिटल सामग्री के लिए, एआई छवियों के 'ऑल्ट टेक्स्ट' विवरण भी स्वतः उत्पन्न करता है, जिससे वेब पेज और सामाजिक पोस्ट स्क्रीन रीडर द्वारा नेविगेट करने योग्य हो जाते हैं।
सामरिक प्रभाव
विकल्प बनाएं
एप्लिकेशन-स्तरीय डिज़ाइन यह निर्धारित करता है कि AI वास्तविक परिणामों में सुधार करता है या नहीं।
टीम और वर्कफ़्लो
अच्छा वर्कफ़्लो एकीकरण उत्पादकता लाभ पैदा करता है जिस पर उपयोगकर्ता भरोसा कर सकते हैं।
जोखिम और सुरक्षा
अच्छी तरह से उपयोग के मामले परिवर्तन की थकान और कार्यान्वयन जोखिम को कम करते हैं।
दृष्टिबाधितों के लिए सुगम्यता में एआई का भविष्य
पहनने योग्य उपकरण अगली सीमा हैं- स्मार्ट ग्लास (Meta रे-बैन, एनविज़न ग्लासेस) हैंड्स-फ़्री, निरंतर कथन प्रदान करते हैं ताकि उपयोगकर्ताओं को फ़ोन उठाना न पड़े। बेहतर स्थानिक विवरण, वास्तविक समय नेविगेशन जो सड़क के संकेतों और बाधाओं को पढ़ता है, और स्क्रीन रीडर के साथ सख्त एकीकरण की अपेक्षा करें। चुनौती विश्वसनीयता की है: आत्मविश्वास से भरा गलत विवरण ('रास्ता साफ है') खतरनाक हो सकता है, इसलिए भविष्य की प्रणालियों को जो कुछ वे नहीं देख सकते उसके बारे में अंशांकित अनिश्चितता और स्पष्ट संकेतों की आवश्यकता होगी।
वास्तविक विश्व कार्यान्वयन
किसी पत्र या दवा के लेबल पर फ़ोन इंगित करना और ओसीआर के माध्यम से पाठ को ज़ोर से पढ़ना।
बी माई एआई का उपयोग करके फ्रिज की तस्वीर लें और पूछें कि रात के खाने के लिए कौन सी सामग्री उपलब्ध है।
खरीदारी करते समय कागजी मुद्रा मूल्यवर्ग की पहचान करना या उत्पाद बारकोड को स्कैन करना।
किसी वेबसाइट पर छवियों के लिए स्वचालित रूप से ऑल्ट-टेक्स्ट विवरण तैयार करना ताकि स्क्रीन-रीडर उपयोगकर्ता उन्हें समझ सकें।
जोखिम और रेलिंग
किसी टूटी हुई प्रक्रिया को स्वचालित करने से मौजूदा समस्याएँ बढ़ सकती हैं।
टीमें अति-स्वचालित हो सकती हैं और आवश्यक मानवीय निर्णय को हटा सकती हैं।
यदि आउटपुट का लगातार मूल्यांकन नहीं किया गया तो गुणवत्ता में गिरावट आ सकती है।
कार्यान्वयन रोडमैप
वर्तमान वर्कफ़्लो को मैप करें और उच्चतम-घर्षण चरण की पहचान करें।
पूर्ण स्वचालन से पहले मानव चौकियों को परिभाषित करें।
उपयोगकर्ताओं को संकेतों, वृद्धि पथों और गुणवत्ता मानकों पर प्रशिक्षित करें।
निरंतर मूल्य की पुष्टि के लिए कार्य-स्तर के परिणामों को ट्रैक करें।
अन्वेषण करते रहें
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Accessibility for the Visually Impaired quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
अगली गाइड
रेस्तरां और मेनू अनुशंसा में एआई
अक्सर पूछे जाने वाले प्रश्नों
What is AI in Accessibility for the Visually Impaired?
एआई दृश्य दुनिया का ज़ोर-शोर से वर्णन करता है - पाठ पढ़ना, वस्तुओं की पहचान करना और अंधे या कम दृष्टि वाले लोगों के लिए दृश्यों का वर्णन करना। यह मायने रखता है क्योंकि यह स्मार्टफोन के कैमरे को रोजमर्रा के कार्यों के लिए हमेशा उपलब्ध आंखों की जोड़ी में बदल देता है।
GPT-4 जैसे मल्टीमॉडल मॉडल ने बी माई आइज़ में क्या क्षमता जोड़ी?
बी माई एआई उपयोगकर्ताओं को एक दृश्य की तस्वीर लेने और मल्टीमॉडल एलएलएम द्वारा संचालित प्राकृतिक भाषा में 'क्या स्टोव चालू है?' जैसे फॉलो-अप पूछने की सुविधा देता है।
कौन सी तकनीक फोटो खींचे गए मुद्रित पाठ को पढ़ने योग्य अक्षरों में परिवर्तित करती है?
ओसीआर पाठ की छवियों को - जैसे कि एक अक्षर या लेबल - को मशीन-पठनीय अक्षरों में बदल देता है जिन्हें फिर ज़ोर से बोला जा सकता है।
डिजिटल पहुंच के संदर्भ में 'ऑल्ट टेक्स्ट' क्या है?
ऑल्ट टेक्स्ट छवियों का वर्णन करता है ताकि स्क्रीन-रीडर उपयोगकर्ता दृश्य सामग्री को समझ सकें; AI अब इसे ऑटो-जेनरेट कर सकता है।
एआई दृश्य विवरण के साथ प्रमुख सुरक्षा जोखिम क्या है?
एक एआई जो आत्मविश्वास से गलत विवरण देता है वह उपयोगकर्ता को खतरे में डाल सकता है, इसलिए कैलिब्रेटेड अनिश्चितता मायने रखती है।
कौन से उपकरण हाथों से मुक्त कथन के लिए अगली सीमा का प्रतिनिधित्व करते हैं?
स्मार्ट चश्मा निरंतर, हाथों से मुक्त कथन प्रदान करता है ताकि उपयोगकर्ताओं को फोन पकड़ने की आवश्यकता न पड़े।