街头景象：非正规居住区生成式人工智能视频的公共设备

文献标题

Street Scenes: Public Appliances for GenAI Video in Informal Settlements

出版信息

• 主题领域: 生成式人工智能在低资源、非正式城市社区中的应用。
• 关键词: 生成式人工智能、非正式社区、公共设备、自我表达、社区参与、可访问性、达拉维、视频生成、参与式设计、治理。

背景与问题

• 问题/挑战: 由于高成本、识字障碍和基础设施限制，非正式社区居民难以接触用于创意和自我表达的生成式人工智能工具。现有的人工智能系统并未针对低资源、公共或共享环境设计。
• 重要性: 解决这一差距可以实现人工智能技术的公平访问，促进欠服务地区的创造力、自我表达和社区参与。
• 动机与相关研究: 先前的研究如“墙上的洞”（Hole in the Wall）和StreetWise探讨了非正式社区中对新兴技术的公共访问。然而，这些研究关注的是信息访问，而非创意创作。目前的生成式人工智能研究主要集中在全球北方，对资源有限环境中的应用探索较少。

解决方案

• 提出的方法: Street Scenes，一种公共设备，支持用户通过步入式交互使用生成式人工智能创建短视频，结合图像、语音和物理提示。
• 创新点:
  1. 提出生成式人工智能的公共设备模型，与基于私人设备的系统不同。
  2. 提供实证洞察，展示非正式社区居民如何利用生成式人工智能进行娱乐、身份表达、商业推广和社区信息传递。
  3. 提供设计经验，支持可访问、公平和社区治理的人工智能系统。
• 流程与关键技术:
  • 在孟买和内罗毕开展创意工作坊，收集用户观点。
  • 开发并迭代优化两个“巫师操作”（Wizard-of-Oz）原型以测试可用性和交互模式。
  • 在达拉维部署一个完全功能性原型，为期13天，在两个地点（复印店和果汁摊）提供公共使用。
  • 集成多模态输入（图像、语音、按钮、旋钮），并使用商业人工智能服务进行视频生成。
  • 采用内容审核和多语言支持等保障措施，以应对当地限制。

结果

• 具体发现:
  • 部署期间启动了779次会话；成功生成194个视频（69.1%为“Bring to Life”模式，30.9%为“Inspire Me”模式）。
  • 视频平均评分：3.44/5；最常上传的图像类型：个人肖像（67.4%）。
  • 视频常见用途：自我展示（11.3%）、创意重构（16.5%）、广告宣传（10.8%）、社区援助（2.1%）。
• 相较基线的优势:
  • 为识字和技术经验有限的用户提供了生成式人工智能的访问机会。
  • 通过公共画廊功能和群体互动促进了社会参与和集体学习。
  • 通过直接摄像头捕捉图像取代蓝牙，解决了基础设施挑战。
• 实验/评估:
  • 两轮“巫师操作”原型测试，每轮15名参与者，共30名参与者，以优化设计。
  • 在达拉维进行现场部署，13天内在两个公共地点运行。
  • 采用混合方法分析，包括交互日志、观察数据和定性反馈。
• 局限性与未来工作:
  • 仅限于达拉维，研究结果无法完全推广到其他环境。
  • 部署时间较短（13天），限制了对长期使用和治理的理解。
  • 语音识别在处理地方方言时表现不佳；未来工作应关注多语言和方言敏感系统。
  • 隐私、滥用和内容审核的伦理问题需要深入探讨。

总结

本文介绍了Street Scenes，一种用于生成式人工智能视频创作的公共设备，旨在克服非正式社区如孟买达拉维的成本、识字和基础设施障碍。通过工作坊、原型开发和13天的部署，研究展示了居民如何利用该系统进行自我表达、社区信息传递和小型商业推广。研究结果突出了公共人工智能设备作为共享媒体平台的潜力，同时揭示了隐私、治理和可访问性方面的挑战。该研究为可访问人工智能设计提供了模型，提供了社区参与的实证洞察，并提出了嵌入治理和可持续性的可操作经验。