Korak u svijet AI-a, prepoznavanje ikona, ljudska percepcija i AAC simboli.

Tijekom posljednja dva mjeseca istraživali smo kako nedosljednost može ometati automatsko prepoznavanje slika nakon predobrade i apstrakcije značajki, ali pojava Stable Diffusion-a kao modela dubokog učenja omogućava nam uključivanje vizualnih tekstualnih opisa slika uz procese prepoznavanja slika u sliku za podršku našim idejama prepoznavanja simbola u simbol i stvaranja.

Stable Diffusion - "Ulazna slika lijevo može proizvesti nekoliko novih slika (desno). Ovaj novi model može se koristiti za sintezu slika u sliku koja čuva strukturu i sintezu slika uvjetovanu oblikom." https://stability.ai/blog/stable-diffusion-v2-release

Nadalje, uz pomoć profesorice Irene Reppa i njezinog projektnog tima koji istražuje "Razvoj pristupačnog, raznolikog i inkluzivnog digitalnog vizualnog jezika" otkrili smo mnoge preklapanja u radu koji oni rade s standardizacijom ikona. Radeći zajedno, možda možemo prilagoditi naše originalne kriterije glasanja kako bismo pružili granularniji pristup osiguravanju da automatski generirani AAC simboli u stilu određenog skupa simbola omogućavaju "pogodljivost" (transparentnost) i lakoću učenja dok ih također čine privlačnima na temelju mnogo inkluzivnijeg skupa kriterija. Potonji su korišteni od strane mnogo više evaluatora tijekom posljednjih 8 godina kako se spominje u ovom blogu "Kada stvari postanu teške, lijepi nastavljaju."

Jedan važan nalaz iz prethodnih istraživanja profesorice Reppa bio je da kada su "ikone bile složene, apstraktne ili nepoznate, postojala je jasna prednost za estetski privlačnije ciljeve. Nasuprot tome, kada su ikone bile vizualno jednostavne, konkretne ili poznate, estetska privlačnost više nije važila." Istraživački tim sada gleda još više atributa, kao što su konzistentnost, složenost i apstraktnost, kako bi ilustrirao zašto i kako se vizualna percepcija ikona mijenja unutar grupa i u različitim situacijama ili okruženjima. 

U prošlosti smo koristili jednostavan sustav glasanja s pet kriterija koristeći Likertovu ljestvicu s opcijom komentiranja simbola i evaluatori su bili iskusni AAC korisnici ili oni koji rade u području (što je mali broj). Na prethodnim prilikama ankete simbola obično je bila percepcija pojedinačnog evaluatora simbola, kao što se vidi u tekstualnom komentaru, koja je pružila najbolje informacije. Ali, komentari su bili mali u broju i kohorte nisu nužno reprezentativne za širu populaciju komunikatora.

Nema sumnje u mom umu da trebamo nastaviti istraživati načine za poboljšanje naših tehnika evaluacije učeći više iz istraživanja temeljenih na ikonama, dok smo svjesni različitih potreba AAC korisnika, gdje simboli mogu imati apstraktniju reprezentaciju koncepta. Ovaj proces također može pomoći da bolje kategoriziramo naše simbole u Global Symbols repozitoriju za pomoć tekstualnim i vizualnim pretraživanjima za one koji razvijaju komunikacijske karte, ploče i knjige na papiru, kao i povezivanje s repozitorijem kroz AAC aplikacije kao što su PiCom i Cboard.