1
| 本文作者： 陳鳴鳩 | 2017-03-01 10:00 |
雷鋒網(wǎng)按：Automatic Alt-Text (AAT) 的發(fā)布讓盲人（或使用屏幕閱讀器的用戶）更好地讀懂新聞推送 (News Feeds) 里的照片的內(nèi)容。以訪談，可用性測試以及調(diào)查為手段的用戶研究給工具的發(fā)明提供了幫助。我們將在本文簡要介紹這項工作的一些亮點，雷鋒網(wǎng)獨家編譯，未經(jīng)許可不得轉(zhuǎn)載。
這項工作的主要作者、數(shù)據(jù)科學家Shaomei Wu將會出席本周在波特蘭舉辦的CSCW 2017，屆時她將在會上詳細介紹該工具的功能以及所進行的研究。如果您想面對面探討，請在會上和我們聯(lián)系。
眾所周知，F(xiàn)acebook的新聞推送大多都帶有圖像和視頻，隨著配備高畫質(zhì)相機的手機上越來越普及，大家分享的圖像和視頻會越來越多。通過視覺媒體讓大家觀看和討論所發(fā)生的事，是Facebook提供的一項關(guān)鍵功能。事實上，人們每天在Facebook、Instagram、Messenger和WhatsApp上分享的照片超過20億張。聽起來不錯吧？有人歡喜有人愁，對盲人等有視覺障礙的人來說，他們注定很難參與圍繞圖片展開的交流。
Facebook的目標是于創(chuàng)造一個更加開放、互聯(lián)的世界，和賦予人們分享的能力。超過3900萬的盲人和2.46億有嚴重視力障礙的人分布在全球，他們都曾經(jīng)有過因為不能全程參與以照片和視頻為中心的交流而感到被排斥或被孤立的沮喪經(jīng)歷。為了讓更多的人參與圖片社交，F(xiàn)acebook推出了AAT技術(shù)，希望屏幕閱讀器用戶也能夠理解新聞推送中大部分圖像的內(nèi)容（有望很快覆蓋所有圖像！）。
該從哪里開始克服這個挑戰(zhàn)？關(guān)于如何創(chuàng)建AAT和構(gòu)建計算機視覺模型的Lumos技術(shù)，詳情請參考Face-book數(shù)據(jù)科學家Shaomei Wu以前的技術(shù)帖子。在這里，我們聚焦如何和盲人合作從而給他們創(chuàng)造絕佳的用戶體驗。
從以前的研究中可知，一些服務(wù)會使用定制化的服務(wù)（或叫好友幫忙）來描述照片，這種服務(wù)一張照片對應一個請求。不幸的是，這種方法存在一些缺點：
?耗時很長
?需要一個愿意執(zhí)行任務(wù)的人在場
?瀏覽新聞推送被中途打斷
?最重要的是很難進行擴展
然而積極的一面是，朋友或被委托人針對照片給出的翻譯可以達到很高的精準度。考慮到你們的關(guān)系，朋友還可能提供額外的圖片信息（例如繪聲繪色地進行描述或講一個隱藏其中的玩笑）。但是如何取其精華去其糟粕地擴展這個方案？為此我們的目標是革新這種定制服務(wù)，以此構(gòu)建一個新的Facebook功能。
AAT項目通過尋求更佳的算法，針對照片得出有用和準確的描述，這種方法不會受限于用戶的知識面，可以在更大范圍進行擴展。由于alt-text具有HTML屬性的這個設(shè)計，可作為圖像的替換文本，網(wǎng)頁的圖像內(nèi)容管理員可以輕松把圖像更換為alt-text，并且采用W3C可訪問性標準，當用戶把屏幕閱讀器軟件的光標移動到任一圖像上，軟件都能對圖像進行識別和朗讀。
在構(gòu)建可擴展的穩(wěn)定人工智能系統(tǒng)的10個月里，我們完成了兩類研究。我們對Shaomei Wu設(shè)計的原型進行了質(zhì)性研究和可用性測試，從中找出了系統(tǒng)的關(guān)鍵性缺陷，并對原型系統(tǒng)進行了改善。系統(tǒng)發(fā)布后，以前感到沮喪和困惑的人們現(xiàn)在驚喜又感謝。對研究結(jié)果進行三角測量的另一種方法是進行這樣一個實驗：告知并獲得測試者（實驗組）的同意為他們啟用一項實驗功能，與沒有啟用該功能的組（控制組）進行同樣的實驗。兩組成員都是VoiceOver Facebook iOS用戶。
在這個過程中我們遇到的最大挑戰(zhàn)，是平衡人類想獲得更多圖片信息的欲望和圖片蘊含信息的質(zhì)量以及不同智力之間的平衡。解讀視覺文本是非常主觀和依賴背景，例如，即使人們主要關(guān)心誰在照片里以及他們在做什么，有時候背景才是使照片有趣或重要的關(guān)鍵。這個關(guān)鍵的發(fā)現(xiàn)最終決定了我們呈現(xiàn)給用戶的句子是如何構(gòu)成的。
此外，對人類來說輕挑選出照片最有趣的部分易舉就能，這事對即使最聰明的人工智也是難如登天。社會知識和大量有效的反饋是這項服務(wù)提供絕佳用戶體驗的關(guān)鍵，我們希望最終能實現(xiàn)這點！通過訪談我們意識到，相較于遺漏大家不確定的事物，給出錯誤的信息往往更糟糕，例如，系統(tǒng)不小心把照片里一位嬌小女性誤認為一個小孩。我們同樣吸取其他公司的AI系統(tǒng)把事情變得糟糕的教訓，例如把人類描述成動物，這會使各方處于苦惱境地。如果用戶知道朋友并沒有孩子，系統(tǒng)給出這樣的評論會導致用戶難堪和引起社交尷尬。牢記我們與開發(fā)團隊要創(chuàng)建這樣的一個系統(tǒng)：
?可以大規(guī)模識別內(nèi)容
?可以挑選照片中有趣的概念或事物
?可以向用戶提供有意義的反饋
?可以無縫互動
在定性研究過程中我們學到最后一個大教訓是，不要談?wù)揂I從照片中得出哪些概念的確定性有多大，這非常重要。否則據(jù)我們所知，談?wù)撨@點會使參與者覺得這個系統(tǒng)不吉利或者非常不智能，并對系統(tǒng)逐漸產(chǎn)生不信任感。我們的補救措施是，（高于AI一定精度閾值的前提下）極度肯定從照片中得出的概念，并把復述評價AI系統(tǒng)所得概念有多正確的功能刪除。盡管準確度提高了，系統(tǒng)初始版本能識別出至少一個概念的照片比例，占到了上傳到Facebook所有圖片的50％以上，隨著時間的推移，這個數(shù)字將隨著更好的技術(shù)問世而上升。
開展試驗以來，和這些樂于助人的參與者一起工作，讓我們在如何面試盲人這方面受益良多，我們希望把一些實用的建議分享給做盲人定性研究的同行。
一個小小的經(jīng)驗是，即使他們根據(jù)自己的需要預設(shè)了輔助功能，也要讓盲人參與者自帶設(shè)備，因為這讓他們在研究中更舒適自然（對任何參與者來說都是一個好建議）。
另一個提示是要求使用屏幕閱讀器的用戶將語音速率稍微降低，這樣參與者才能既跟得上讀音又能出聲思考。出聲思考在很多方面都是關(guān)于參與者究竟如何解讀屏幕閱讀器所讀出的話。如果思維跟不上這兩個聲音（即參與者和閱讀器的聲音），即表示您錯過了一半的信息。在開始這階段之前，學習使用屏幕閱讀器將使您成為一個更有效率的主持人。
最后，一些研究人員說，招聘屏幕閱讀器用戶極具挑戰(zhàn)性，因為許多用戶體驗招聘者不熟悉這類人群，與倡導團體（例如Lighthouse，感謝您的支持）合作，或者聯(lián)系專業(yè)招聘人員尋找參與者更加高效。
未知的定性理解還太多，為此我們把研究轉(zhuǎn)向更全面、被更廣泛理解地描述AAT的使用感受的方向，調(diào)查了大約550名確定有一種（或以上）視力障礙或失明參與者。如上所述，總樣本大約9,000份，我們收到來自控制組（使用普通版本Facebook）和實驗組（使用ATT版Facebook）的綜合反饋。參與者都填寫了幾乎相同的問題，唯一的區(qū)別是實驗組會問一些關(guān)于AAT的問題。參與者都能選擇參與抽獎活動，十名幸運兒獲得了亞馬遜的100美元禮品券。
與其他調(diào)查一樣，為目標受訪者設(shè)計一個簡潔、通俗易懂的調(diào)查很重要，為盲人用戶創(chuàng)建調(diào)查，我們發(fā)現(xiàn)了一些實用技巧：
?避免使用水平單選按鈕和拖放問題。前者比垂直選項更難分頁，而后者則不可能應用到屏幕閱讀器上。
?避免使用矩陣和星級評分問題。前者有時在HTML側(cè)不會被正確地標記，也就不可能分辨矩陣中的應答者在哪，而后者應該被替換為非圖形HTML元素，使不同的屏幕閱讀器能通用地訪問。
?避免給屏幕閱讀器提供返回功能，否則誤觸導致的錯誤會頻頻發(fā)生。
?相比調(diào)查使用鼠標操作系統(tǒng)的視力正常用戶，在屏幕閱讀器上進行調(diào)查所花的時間更長。如果屏幕閱讀器用戶響應調(diào)查對您來說很重要，那么首先引導用戶閱讀簡介很重要。
?與傳統(tǒng)的優(yōu)秀調(diào)查設(shè)計一樣，盡量減少每頁的問題，避免認知復雜性和導航問題。
?使用間距來確保單選按鈕和復選框與其標簽關(guān)聯(lián)清楚，能避免出現(xiàn)模糊與混亂。
?縮略語在調(diào)查中很常見。然而并非所有受訪者都對它們熟悉或記得住，屏幕閱讀器可能會混淆字母縮寫和縮略語的發(fā)音。“首字母縮寫”和“縮略語”提示標簽可以用于緩解這一點，并且“標題”屬性在需要的時候可以提供更多的信息。
調(diào)查/實驗結(jié)果：亮點
相比于沒有打開AAT功能的控制組，測試組中的人員認為AAT作用很大，他們的答案也反映出了這一點。更廣泛地，測試組的參與者更有可能這樣做：
?給新聞推送中的照片點贊（或?qū)φ掌鞒龌貜停?/p>
?相比于非AAT用戶，認為Facebook更關(guān)心可訪問性
?總體而言，相比于非AAT用戶，認為Facebook更有用
?最重要的是，能在更短的時間內(nèi)弄清楚照片中內(nèi)容
我們請AAT用戶確認，在點擊新聞推送中的照片時，是否聽到這樣一句話：“圖片可能包含......”，如果他們說真的有聽到這句話，我們會問他們幾個問題！
問題：（如果在測試組）聽到這個替換文本后，感覺如何？（檢查所有適用）
測試組中的受訪者在聽完圖片中的替換文本后，一組隨機詞語隨即被提供給他們選擇，讓他們用這些詞語描述聽完的感覺，此外我們還設(shè)立了一組可以隨意描述感受的參照組。根據(jù)我們的研究結(jié)果，我們發(fā)現(xiàn) 著重強調(diào)愉快（29％），驚訝（26％）和印象深刻（25％）等的積極詞語遙遙領(lǐng)先。
問題：（要回答這個問題，請回想在新聞推送中最后的幾張照片）分辨出這些照片是和什么有關(guān)的難易程度有多大？
兩者在回答“稍微容易”（23％vs2％）和“極其困難”（42％vs73％）的這兩個難度上，差距都很大，這點展現(xiàn)了ATT的附加價值
我們承認這一功能還不成熟，該如何改進AAT，幾乎所有受訪者都在他們的寫入反饋上提出了建議。這些建議集中在以下兩個類別：
?從圖像中提取和識別文本（29％的人提了這個建議）
?盡可能提供圖像中人物的信息（26％的人提了這個建議）
其他請求包括擴展算法的詞匯、增加現(xiàn)有標簽的調(diào)用、使AAT在更多的語言和平臺中可用。
將快速增長的視覺社交網(wǎng)絡(luò)覆蓋更多地區(qū)的前景讓我們感到興奮。對Omid來說，這是他在無障礙領(lǐng)域的第一次深度探索，能接觸到和以往所從事的完全不同類型的統(tǒng)計學讓他十分著迷。Julie以前的工作是讓服務(wù)更容易互聯(lián)，這項工作讓她以前的工作和Facebook出色的工程能力連接起來。
Facebook擔起致力于使世界更加開放和連接的使命，Facebook無障礙團隊 (accessibility team) 將在為每個人提供卓越用戶體驗的路上繼續(xù)探索。在成功實現(xiàn)這項功能的基礎(chǔ)上，我們聘請了第一個全職的無障礙研究員，現(xiàn)在團隊上下都對未來的發(fā)展充滿憧憬。
更多資訊請關(guān)注雷鋒網(wǎng)。
via fb , 雷鋒網(wǎng)編譯
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
