Adentrándose en el mundo de la IA, Reconocimiento de Iconos, Percepción Humana y Símbolos AAC
EA Draffan
Durante los últimos meses hemos estado investigando cómo la inconsistencia puede obstaculizar el reconocimiento automatizado de imágenes después del pre-procesamiento y abstracción de características, pero el advenimiento de Stable Diffusion como un modelo de aprendizaje profundo nos permite incluir descripciones de texto de imagen visual junto con procesos de reconocimiento de imagen a imagen para apoyar nuestras ideas de reconocimiento y creación de símbolo a símbolo.
Stable Diffusion - "La imagen de entrada a la izquierda puede producir varias imágenes nuevas (a la derecha). Este nuevo modelo puede usarse para síntesis de imagen a imagen que preserva estructura y síntesis de imagen condicional de forma." https://stability.ai/blog/stable-diffusion-v2-release
Además, con la ayuda de la Profesora Irene Reppa y su equipo del proyecto investigando "El Desarrollo de un Lenguaje Visual Digital Accesible, Diverso e Inclusivo" hemos descubierto muchas superposiciones en el trabajo que están haciendo con estandarización de iconos. Trabajando juntos podemos ser capaces de adaptar nuestros criterios de votación originales para proporcionar un enfoque más granular para asegurar que símbolos AAC generados automáticamente en el estilo de un conjunto de símbolos particular permitan "adivinabilidad" (transparencia) y facilidad de aprendizaje mientras también los hacen atractivos basados en un conjunto de criterios mucho más inclusivo. Los últimos han sido usados por muchos más evaluadores durante los últimos 8 años como se menciona en este blog "Cuando las cosas se ponen difíciles los hermosos avanzan."
Un hallazgo importante de la investigación previa de la Profesora Reppa fue que cuando "los iconos eran complejos, abstractos o desconocidos, había una ventaja clara para los objetivos más estéticamente atractivos. Por el contrario, cuando los iconos eran visualmente simples, concretos o familiares, el atractivo estético ya no importaba." El equipo de investigación ahora está mirando aún más atributos, como consistencia, complejidad y abstracción, para ilustrar por qué y cómo la percepción visual de iconos cambia dentro de grupos y en diferentes situaciones o entornos.
En el pasado hemos usado un sistema de votación simple con cinco criterios usando una escala Likert con una opción para comentar sobre el símbolo y los evaluadores han sido usuarios AAC experimentados o aquellos trabajando en el campo (que es pequeño en número). En ocasiones de encuestas de símbolos anteriores usualmente ha sido la percepción del evaluador individual del símbolo, como se ve en un comentario de texto, que proporcionó la mejor información. Pero, los comentarios han sido pequeños en número y las cohortes no necesariamente representativas de una población más amplia de comunicadores.
No hay duda en mi mente de que necesitamos seguir explorando formas de mejorar nuestras técnicas de evaluación aprendiendo más de la investigación basada en iconos, mientras estamos conscientes de las diferentes necesidades de usuarios AAC, donde los símbolos pueden tener una representación más abstracta de un concepto. Este proceso también puede ayudarnos a categorizar mejor nuestros símbolos en el repositorio Global Symbols para ayudar búsquedas basadas en texto y visuales para aquellos desarrollando gráficos de comunicación basados en papel, tableros y libros así como vincular al repositorio a través de aplicaciones AAC como PiCom y Cboard.