یادگیری ماشین راه‌های جدیدی را برای کمک به افراد معلول ایجاد کرده است. نرم‌افزاری که می‌تواند تصاویر، صداها و زبان را درک کند برای کمک به افراد با ناتوانی ناشنوایی و اوتیسم بسیار مفید واقع خواهد شد. با مجله فناوریهای توان‌افزا و پوشیدنی همراه باشید.
برنامه‌های تلویزیونی نیاز دارند برای انتقال گفتار و جلوه‌های صوتی و واکنش مخاطبان مثل خنده به افراد ناشنوا و کم‌شنوا زیرنویس فراهم کنند. در حال حاضر به لطف فناوری یادگیری ماشینی شرکت گوگل چنین روشی در تارنمای یوتیوب ارائه شده است. از سال ۲۰۰۹ یوتیوب از نرم‌افزار تبدیل گفتار به متن استفاده کرده که به طور خودکار در ویدیوها گفتار را به متن تبدیل می‌کند. گفتنی است این ویژگی در یوتیوب ۱۵ میلیون بار در روز استفاده می‌شود.
امروزه الگوریتم‌هایی هستند که تشویق، خنده و موسیقی را به صورت متن می‌نویسند. افزون بر این صداهای بیشتری مانند آه کشیدن، پارس کردن و ضربه زدن را تشخیص می‌دهند. آزمایش‌ها نشان می‌دهد که این ویژگی به‌صورت قابل توجهی مشکل ناشنوایی و کم‌شنوایی را بهبود می‌بخشد. Liat Kaver مدیر محصول یوتیوب، ناشنوا است. او می‌گوید: «یادگیری ماشین برای افرادی مانند من محیطی را به ارمغان می‌آورد که می‌توانند همچون دیگران مستقل باشند.»
پروژه پوتیوب یکی از برنامه‌هایی است که در حال ساخت «ابزارهای دسترسی» جدیدی با اتکا بر یادگیری ماشین هستند. از صنعت رایانه به منظور پیشبرد نرم‌افزاری که می‌تواند تصاویر، متن و یا صدا را در زمینه‌های پرسود مثل تبلیغات، جستجو و محاسبات ابری استفاده می‌کنند بهره برد. از سوی دیگر نرم‌افزاری با توانایی درک جهان، استفاده‌های فراتری دارد. در مبحث تعامل انسان و رایانه، مفهوم دسترس‌پذیری (accessibility) به دسترسی‌پذیری یک سامانه رایانه‌ای به همه مردم بدون توجه به معلولیت یا شدت نقص آن‌ها اشاره دارد.
یوتیوب در زیرنویس، صداها را تفسیر می‌کند.
دنیایی بهتر برای ناتوانان ذهنی و ناشنوایان
سال گذشته، فیسبوک از ویژگی رونمایی کرد که از الگوریتم‌های شناسایی تصاویر شرکت استفاده می‌کند تا تصاویر را به صورت متن توصیف کند. پژوهشگران IBM از نرم‌افزار پردازش زبان استفاده می‌کنند تا ابزاری به نام جداساز محتوا (Content clarifier) را برای کمک به افراد ناتوان مانند اوتیسم یا زوال عقل بسازند. نرم‌افزار پردازش زبان مربوط به پروژه واتسون (Watson) شرکت IBM است. این ابزار می‌تواند اصطلاح‌های زبان را با عبارات ساده‌تر جایگزین کند و جملات طولانی را به چند جمله بشکند.
Will Scott، پژوهشگر IBM می‌گوید: «این شرکت در حال مذاکره با سازمانی است که به دانش‌آموزان دبیرستانی مبتلا به اوتیسم کمک می‌کند که تحصیل خود را ادامه بدهند. این سامانه به عنوان راهی برای کمک به افراد در درک متن‌های آموزشی و رسمی مورد استفاده قرار می‌گیرد. در گذشته الگوریتم‌ها و قدرت محاسباتی و خدمات ابری مانند Watson برای انجام چنین کارهایی در دسترس نبوده‌اند.» Ineke Schuurman، پژوهشگر دانشگاه Leuven در بلژیک، می‌گوید: «اختراع نوع جدیدی از ابزارهای در دسترس اهمیت دارد. بسیاری از افراد ناتوان از دنیای مبتنی بر دستگا‌ه‌های تلفن همراه و رایانه دور هستند. نیاز است ابزارهای مناسبی برای آن‌ها فراهم شود تا از دور ماندن آن‌ها از جامعه جلوگیری شود.
Schuurman یکی از رهبران پروژه Able to Include برای بهبود زندگی معلولان است. او نرم‌افزار ساده‌سازی متن را برای افراد معلول ذهنی آزمایش می‌کند. این فناوری برای برنامه‌هایی که با Gmail و شبکه‌های اجتماعی مانند فیسبوک در ارتباط هستند ساخته شده است. Schuurman می‌گوید: «افراد دارای معلولیت ذهنی یا هر ناتوانی دیگری، دوست دارند هرکاری را که دوستان، خواهران و برادرانشان می‌کنند مانند استفاده از گوشی‌های هوشمند و شبکه‌های اجتماعی انجام دهند.»
فیسبوک خدماتی را رونمایی کرده است که تصاویر را برای افراد نابینا و کم بینا تفسیر می‌کند.
Austin Lubetkin مبتلا به اختلال طیف اوتیسم است. او با گروه هنرمندان مبتلا به اوتیسم کار کرده است و به دیگر گروه‌های اوتیسم کمک می‌کند که بیشتر مستقل باشند. Austin از پژوهش‌هایی مانند IBM استقبال می‌کند اما می‌گوید که این یک چالش خواهد بود برای اطمینان از این‌که چنین ابزارهایی به صورت قابل اعتماد عمل می‌کنند. تصور کنید خطای الگوریتم یادگیری ماشین باعث شود که صحبت‌های یک دوست را به اشتباه متوجه شوید.
Lubetkin در حال گرفتن مدرک دانشگاهی و کار در یک استارتاپ است. او خوشبین است یادگیری ماشین، در طی چند سال آینده فرصت‌های جدیدی را برای افراد ناتوان ایجاد می‌کند. او به تازگی از فناوری تشخیص تصویر استارتاپ Clarifai برای طراحی نمونه اولیه برنامه کاربردی مکان‌یابی استفاده کرده است. این برنامه جهت‌ها یا مسیرها را به شکل علامت‌های اختصاصی نشان می‌دهد. او خود نیز با تفسیر متن و اطلاعات برنامه‌های قدیمی جهت‌یابی مشکل داشت.
