Guided Vision: AI hỗ trợ tiếp cận đáng kể đầu tiên của Gemini
Guided Vision là một tính năng AI hỗ trợ tiếp cận trong Google Gemini, biến camera trên smartphone thành đôi mắt trò chuyện cho người mù và người khiếm thị bằng cách mô tả, hướng dẫn và phản hồi trực tiếp từ video mà người dùng chia sẻ. Đây không phải tiện ích phụ trợ, mà là một lựa chọn thiết kế đặt người khuyết tật vào trung tâm. Google triển khai Guided Vision dần dần trong Gemini Live, như một phần của đợt cập nhật Android tháng 9, sau quá trình xây dựng “với và cho” cộng đồng mù và khiếm thị. Việc một hãng công nghệ lớn coi công nghệ cho người khuyết tật là tính năng chủ đạo gửi đi thông điệp rõ ràng: AI hữu ích không nằm ở hình ảnh nghệ thuật kỳ quặc, mà ở khả năng mở rộng thế giới cho người dùng vốn bị bỏ qua. Đây là câu trả lời có sức nặng cho câu hỏi “AI để làm gì?” sau nhiều năm thổi phồng generative AI với email nhạt nhẽo và hình vẽ kỳ lạ.
Từ nhận dạng hình ảnh kiểu Google Lens đến trợ lý xã hội sống động
Trong gần một thập kỷ, nhận dạng hình ảnh AI trên điện thoại chủ yếu phục vụ người dùng phổ thông: tìm loại cây trong vườn, xác định giống chó, tra cứu đồ nội thất, dịch thực đơn hay trích xuất chữ từ ảnh để khỏi phải gõ tay. Đây là các tính năng tiện lợi nhưng vẫn mang màu sắc tiêu dùng: hỗ trợ shopping, du lịch, xử lý giấy tờ. Guided Vision bẻ lái công nghệ đó theo hướng công nghệ xã hội. Thay vì chỉ trả kết quả tĩnh như Google Lens, Gemini Live nhận luồng video trực tiếp, hiểu bối cảnh vật thể, rồi trò chuyện bằng giọng nói để hướng dẫn người dùng đến đúng vị trí họ cần. Nó nằm “giữa phần mềm tĩnh và người trợ giúp trực tiếp” và đó là nửa so sánh hữu ích hơn. Khi AI có thể đọc nhãn lọ gia vị trên kệ chật kín hoặc thực đơn nhà hàng thiếu sáng bằng chỉ dẫn từng bước, nhận dạng hình ảnh AI rời khỏi vùng tiện ích tiêu dùng, bước vào vùng tiếp cận thực tế cho người khuyết tật.
Thiết kế cho người mù: khác biệt giữa AI hữu ích và AI thổi phồng
Gần bốn năm sau vòng lặp hype về generative AI, phần lớn sản phẩm được quảng cáo là các trợ lý tạo email công ty tầm thường và hình ảnh tổng hợp kỳ dị. Trong bối cảnh đó, một tính năng AI hỗ trợ tiếp cận như Guided Vision trở nên nổi bật vì nó giải quyết vấn đề thực. AI hỗ trợ tiếp cận có tiêu chuẩn rất đơn giản: mở rộng khả năng của người dùng thay vì thay thế họ. “AI xứng đáng tồn tại khi nó mở rộng điều con người có thể làm. Đó là bài test quan trọng ở đây”. Khi Gemini không bỏ cuộc nếu người dùng quay camera lên trần nhà hay cắt mất nửa nhãn lọ, mà tiếp tục hướng dẫn xoay, lia, căn chỉnh, ta thấy một loại AI kiên nhẫn, hỗ trợ quá trình chứ không chỉ trả lời câu hỏi. Ngược lại, nhiều công cụ AI được thổi phồng hiện nay bị chôn chân trong việc tạo nội dung mà ít ai cần hoặc hợp pháp còn tranh cãi. Guided Vision cho thấy hướng đi khác: AI phải gắn với công nghệ xã hội, phục vụ nhóm người thường bị bỏ quên.
Công nghệ cho người khuyết tật: thiết kế hệ thống, không phải tiện ích phụ
Điều đáng nói ở Guided Vision không chỉ nằm ở ý tưởng, mà ở cách nó được gắn sâu vào hệ điều hành như một công nghệ cho người khuyết tật thật sự. Người dùng có thể khởi động Guided Vision từ menu TalkBack hoặc các phím tắt hỗ trợ tiếp cận của Android, nghĩa là khi cần đọc một nhãn thuốc hay bao bì trong siêu thị, họ không phải lần mò menu phức tạp nữa. Quan trọng hơn, Google chọn hỗ trợ cả điện thoại cũ: bất kỳ thiết bị Android 9 trở lên với ít nhất 2GB RAM đều có thể dùng Guided Vision. Trong khi những tính năng mới khác như Motion Assist yêu cầu Android 17 và Find Hub với khả năng “nhớ vị trí đồ vật không có tag” đòi hỏi Android 16, phục vụ phần cứng mới là chính, thì việc mở rộng Guided Vision xuống tận tám thế hệ Android thể hiện một triết lý khác. Người phụ thuộc vào công nghệ hỗ trợ tiếp cận không nên phải mua flagship đắt tiền hai năm một lần; hỗ trợ phần cứng cũ giúp tính năng này đến được với đúng cộng đồng cần nó. Đây là quyết định mang tính xã hội, không phải marketing.
AI hỗ trợ tiếp cận: từ demo hào nhoáng đến thay đổi đời sống thường ngày
Nhiều bản demo AI trên sân khấu hội nghị nhà phát triển trông choáng ngợp nhưng hiếm khi chạm vào đời sống hàng ngày của người dùng yếu thế. Đọc một thực đơn nhà hàng tối tăm hay tìm đúng lọ gia vị trên kệ bếp có vẻ là ví dụ đơn giản, nhưng với người mù, đó là khác biệt giữa phụ thuộc hoàn toàn vào người xung quanh và khả năng tự chủ. Khi điện thoại có thể nhận diện vật thể, chữ viết, biển báo và sản phẩm trong ảnh, rồi Guided Vision biến những kết quả đó thành cuộc trò chuyện cụ thể từng bước, AI hỗ trợ tiếp cận trở thành một lớp hạ tầng xã hội mới. Phần lớn không gian generative AI vẫn còn hỗn loạn, nền tảng pháp lý lung lay và nhiều mặt hạn chế, nhưng Guided Vision là một góc nhỏ đã “chạm đất” và hữu ích. Đây nên là chuẩn mực mới: công nghệ xã hội phải được đánh giá bằng cách nó thay đổi quyền tiếp cận của người khuyết tật, chứ không bằng số slide trong bản thuyết trình. Nếu AI không giúp ai đọc được thêm một nhãn thuốc, đi được thêm một bước độc lập, có lẽ nó chỉ là tính năng được quảng cáo quá mức.
