“Incomprensibili e fuorvianti”: l'accusa contro le IA che utilizzano il linguaggio dei segni

In Cina vivono circa 20,5 milioni di persone con disabilità uditiva, ma gli sforzi del governo per migliorarne l'accesso all'informazione attraverso l'intelligenza artificiale non stanno producendo i risultati sperati. Lo evidenzia un'analisi della professoressa Zheng Xuan della Beijing Normal University's Faculty of Education, pubblicata sulla testata Sixth Tone.

Il Paese ha promosso l'utilizzo di avatar e presentatori virtuali per tradurre in tempo reale alcuni programmi televisivi, a partire dai Giochi Olimpici Invernali di Pechino 2022. Tuttavia, uno studio condotto da Zheng ha rivelato gravi lacune qualitative nella traduzione in lingua dei segni generata dall'IA.

Secondo l'accademica, i contenuti firmati dagli avatar risultano spesso incomprensibili: "Abbiamo trascritto e ritradotto i segni generati, confrontandoli con l'audio originale, e abbiamo riscontrato una notevole perdita o distorsione delle informazioni chiave". Le persone sorde intervistate hanno riferito di non riuscire a comprendere i gesti degli avatar, giudicati goffi, poco espressivi e con un vocabolario limitato.

Uno dei problemi principali è che molte espressioni gestuali non trovano una corrispondenza diretta nel cinese parlato. Come sottolinea Zheng, "il linguaggio dei segni è una lingua visivo-gestuale, non una semplice traslitterazione del parlato. Espressioni facciali, posizione del corpo e gestualità spaziale sono elementi centrali". L'assenza di questi elementi rende gli avatar inefficaci nella comunicazione reale.

Inoltre, la diversità interna della lingua dei segni cinese complica lo sviluppo di strumenti universali. Esistono infatti sia un "linguaggio naturale dei segni", nato dall'uso quotidiano della comunità sorda, sia forme più artificiali di segni derivati dalla lingua scritta. A ciò si aggiungono le numerose varietà dialettali regionali.

"Ma le modalità del linguaggio parlato e del linguaggio dei segni sono piuttosto diverse" ha scritto Xuan. "Il primo è un linguaggio orale-uditivo, mentre il secondo è un linguaggio visivo-gestuale o visivo-spaziale. Il termine 'gestuale' è un concetto relativamente ampio che include non solo i movimenti delle mani, ma anche le espressioni facciali e il linguaggio del corpo. Il pieno utilizzo del corpo nello spazio consente a chi usa il linguaggio dei segni di esprimere il significato di un'intera frase – come 'una persona entra in una stanza' – con una sola azione".

Zheng critica anche le modalità operative delle aziende tecnologiche cinesi, accusate di non coinvolgere adeguatamente linguisti e persone sorde nello sviluppo delle tecnologie. Anche quando presenti, tali figure vengono spesso relegate a ruoli secondari e consultivi. Basandosi sulla sua esperienza diretta come consulente, Zheng ha riscontrato una sottovalutazione della complessità del problema, una fede eccessiva nella tecnologia e una mancanza di competenze specifiche da parte dei team di sviluppo.

Alcune aziende, afferma la docente, promuovono i propri prodotti utilizzando video con esseri umani reali, per poi sostituirli con versioni IA non ancora mature. "Così facendo si mina la fiducia della comunità sorda nelle soluzioni tecnologiche", avverte Zheng. La logica del "rilascio con bug da correggere in seguito" tipica del settore tecnologico potrebbe non essere adatta quando sono in gioco diritti e bisogni fondamentali.

Secondo Zheng, è necessaria una revisione radicale dell'approccio: al centro dello sviluppo devono esserci le esigenze reali delle persone sorde, non le sole potenzialità dell'innovazione tecnologica.