Entrare nel mondo dell'IA, Riconoscimento Icone, Percezione Umana e Simboli AAC

Negli ultimi mesi abbiamo studiato come l'inconsistenza possa ostacolare il riconoscimento automatico delle immagini dopo la pre-elaborazione e l'astrazione delle caratteristiche, ma l'avvento di Stable Diffusion come modello di deep learning ci consente di includere descrizioni testuali di immagini visive insieme a processi di riconoscimento da immagine a immagine per supportare le nostre idee di riconoscimento e creazione da simbolo a simbolo.

Stable Diffusion - "L'immagine di input a sinistra può produrre diverse nuove immagini (a destra). Questo nuovo modello può essere usato per sintesi da immagine a immagine che preserva la struttura e sintesi di immagini condizionale alla forma." https://stability.ai/blog/stable-diffusion-v2-release

Inoltre, con l'aiuto della Professoressa Irene Reppa e del suo team di progetto che ricerca "Lo Sviluppo di un Linguaggio Visivo Digitale Accessibile, Diverso e Inclusivo" abbiamo scoperto molte sovrapposizioni nel lavoro che stanno facendo con la standardizzazione delle icone. Lavorando insieme potremmo essere in grado di adattare i nostri criteri di votazione originali per fornire un approccio più granulare per garantire che simboli AAC generati automaticamente nello stile di un particolare set di simboli consentano 'indovinabilità' (trasparenza) e facilità di apprendimento mentre li rendono anche attraenti basandosi su un insieme di criteri molto più inclusivo. Questi ultimi sono stati usati da molti più valutatori negli ultimi 8 anni come menzionato in questo blog "When the going gets tough the beautiful get going."

Un risultato importante dalla ricerca precedente della Professoressa Reppa è stato che quando "le icone erano complesse, astratte o sconosciute, c'era un chiaro vantaggio per i target esteticamente più attraenti. Al contrario, quando le icone erano visivamente semplici, concrete o familiari, l'attrattiva estetica non contava più." Il team di ricerca sta ora guardando ancora più attributi, come consistenza, complessità e astrattezza, per illustrare perché e come la percezione visiva delle icone cambia all'interno di gruppi e in situazioni o ambienti diversi.

In passato abbiamo usato un semplice sistema di votazione con cinque criteri usando una scala Likert con un'opzione per commentare il simbolo e i valutatori sono stati utenti AAC esperti o coloro che lavorano nel campo (che sono pochi di numero). In occasioni precedenti di sondaggio simboli di solito è stata la percezione individuale del valutatore del simbolo, come visto in un commento testuale, che ha fornito le migliori informazioni. Ma, i commenti sono stati pochi di numero e le coorti non necessariamente rappresentative di una popolazione più ampia di comunicatori.

Non c'è dubbio nella mia mente che dobbiamo continuare a esplorare modi per migliorare le nostre tecniche di valutazione imparando di più dalla ricerca basata su icone, mentre siamo consapevoli dei bisogni diversi degli utenti AAC, dove i simboli possono avere una rappresentazione più astratta di un concetto. Questo processo può anche aiutarci a categorizzare meglio i nostri simboli nel repository Global Symbols per aiutare ricerche basate su testo e visive per coloro che sviluppano chart, board e libri di comunicazione basati su carta così come collegare al repository attraverso app AAC come PiCom e Cboard.