AI对残障群体到底是帮手还是隐患?在多伦多举行的加拿大残障科技峰会上,这个问题被摆上了台面。与会者的共识是:两件事同时成立。
![]()
先看好的一面。总部位于美国的语音AI公司ElevenLabs加拿大区总经理马克斯·莱门斯给出一个数字:截至目前,公司已帮助超过11000人通过AI处理旧录音,重新获得自己的声音。
莱门斯把过去的问题称作"斯蒂芬·霍金效应"——失去声音的人只能使用机械感极强的合成音,听起来并不像自己。他的判断很直接:对很多人来说,声音就是身份。
另一个案例来自脑机接口。澳大利亚残障科技加速器Remarkable创始人皮特·霍斯利提到,总部位于卡尔加里的初创公司Possibility Neurotechnologies在澳大利亚做过一次测试:一名儿童此前只能表达"是"的信号,这项技术让他学会了说"不"。霍斯利说,那之后这孩子说"不"的次数多了很多,现场听众笑了。
奥地利残障研究机构Zero Project的高级顾问汤姆·布彻则举了世界残障研究所的例子:用AI汇总危机期间哪里能找到轮椅、手语翻译和无障碍避难所的信息。
问题出在底层机制上。OCAD大学包容性设计研究中心主任尤塔·特雷维拉努斯指出,AI是"统计意义上代表性"的——现代AI和大语言模型依赖统计模式识别,往往会放大训练数据中的偏见与趋势。
因为AI选择的是"平均的、中间的、多数的、最流行的",特雷维拉努斯说,它对残障人士的许多判断从一开始就是错的。她由此抛出一个刺眼的说法:"我们正在创造的,几乎就是数字优生学。"
她的展开是:残障是一种普遍状态,每个人都会经历,但这一点没有被考虑进去。在她看来,所谓数字优生学,就是在消除差异、消除对差异的适应,而多样性恰恰是人类生存的关键。
特雷维拉努斯的不满还在于节奏。她说,我们正进入这一代人一生中最大的颠覆期,但并没有真正颠覆——只是在把过去的模式自动化、加速、放大。
落到使用端,残障群体常被建议"直接用这些AI工具就好"。但特雷维拉努斯认为,由于算法设计和残障用户数据有限,这些工具往往"对最需要它们的人效果最差"。
怎么补?她主张重新设计算法,并推动端侧AI利用个人数据,更好地服务残障群体。莱门斯则提出另一条路:以特雷维拉努斯多年收集的残障相关数据集为基础,用合成数据训练AI。
莱门斯不认为回避AI是选项。他的态度是继续推进,同时认清短板,"正面"解决。
霍斯利把话说得更远:残障不是"我们中一部分人的事",而是所有人的事。他鼓励残障人士主动参与建造自己想要的世界。
他的理由带着一点反常识——"残障一直是创新的驱动力"。当世界不为你的需求设计时,你会一直想:解决方案是什么?
在AI时代,霍斯利看到一次从底层重建系统的机会,而不是事后做无障碍改造——后者通常更贵。他说,Remarkable观察到使用AI工具创业的残障创始人数量出现了"非常、非常大的增长",并当场喊话:这里有机会,去做。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.