障害のある人の失業率は80%に達することがあり、自閉症などのある人ではさらに高くなる場合がある。
人工知能は、認知多様性のある人々やその他の障害のある人々が日常生活で直面する課題や差別の一部に対処できる。
しかし、支援技術を開発する際には、データの偏り、過去から続く排除、研究不足といった問題を克服する必要がある。
障害のある人の失業率は一部の国では80%に達し、就労に関して最も周縁化された集団の一つとなっている。
雇用されている人も、採用や昇進の基準の不平等、同一労働に対する賃金格差、職業上の隔離に直面することが多く、障害者包摂の格差解消を難しくしている。
実際、障害のある人々を排除することで生じる損失は、一部の国では国内総生産の7%に上る。一方、障害者包摂を取り入れた事業戦略は、収益を28%、利益率を30%高める可能性がある。
アクセシビリティに関する政策や解決策は近年、EUの「障害者の権利に関する戦略2021-2030」や、障害者の包摂に関するEU人工知能法決議などの法制化を通じて、世間の注目をより集めている。また、ユニセフの障害のある女子のためのアクセシブルで包摂的なデジタルソリューションのような特別指令や枠組みもある。
しかし、認知多様性（ニューロダイバーシティとも呼ばれることが多い）、精神的な機能障害、障害は、依然として社会的排除と公的枠組みの不足の両方を特徴としている。
この問題への対処が重要なのは、自閉症のある人の失業率が85%に達する場合があり、国によって異なるためである。重度の精神疾患のある人では68%～83%に上り、ダウン症のある人では43%である。
こうした状態は、社会的な影響を特に受けやすく、当事者の数も非常に多い。例えば英国では、少なくとも6人に1人が1つ以上の神経疾患を抱え、7人に1人がニューロダイバージェントである。一方、米国では成人の4人に1人が、ある年に診断可能な精神疾患を抱えている。
こうした人々はしばしば、不当に呼び止められ警察に、就職面接で差別を受け、または学術界で社会的に孤立させられ、教育制度からも取り残されている。
テクノロジーは認知多様性のある人々を支援できる
感情認識・対話型の人工知能（AI）、支援ロボットやソーシャルコンパニオン、専門的な採用・学習プラットフォームやツールなどの技術進歩は、職場、採用や学習の体験、配慮の実践をよりアクセシブルにすることで、こうした課題の一部に対処できる。
たとえば、RobokindとLuxAIは、自閉症のある児童の感情トレーニングにソーシャルロボットを活用している。一方、Brainpowerは、ニューロダイバージェントの人々の社会情動的学習を支援するウェアラブル機器である。Beme.AIは、ウェルビーイングや発達状況の追跡・分析を通じて、自閉症のある人々が力を発揮できるよう支援する。
たとえば、Eyejustreadが提供するような支援技術は、ディスレクシアや注意欠如・多動症（ADHD）のある人々を支援できる。一方、Ultranautsは、完全リモートの職場を通じて国内の品質エンジニアリングおよび品質保証サービスを提供しており、従業員の75%がニューロダイバージェントである。
その他の活用例には、メンタルヘルスや不安への対処を支援する対話型AI、感覚障害や視覚障害を改善・補完するソリューション、都市計画をよりアクセシブルにする技術がある。
しかし、既存の社会的偏見、歴史的な排除、研究やデータセットの不足は、認知多様性に関する政策の効果的な開発と実施を妨げている。
認知多様性と障害は交差性を持つ
認知多様性と障害は一枚岩ではなく、複雑な特性のスペクトラムをなす。そのため、研究、データ、インターフェース、関係するステークホルダーにおいて、包括的に考慮する必要がある。
したがって、この分野の研究開発には、併存症、根底にある身体的・精神的な状態に加え、交差性、ジェンダー、社会経済的要因の影響を理解することが求められる。
世界経済フォーラムは障害者包摂の格差解消に向けて何をしているのか？
例えば、学習障害のある人の25%～40%は、メンタルヘルスの問題も抱えている。また、アレルギーやその他の疾患を抱える可能性が1.6倍高い。
さらに、女子は診断率が大幅に低いか、症状の現れ方の基準の違いや歴史的なデータ不足により誤診されている。ジェンダーに関するデータを含む都市データセットはごくわずかであり、女性のニーズを考慮したインフラ計画を策定するのは難しい。
特定の民族・社会集団は、歴史的に研究から排除されてきた。ジョージア州立大学の研究によると、自閉症のある子どもの白人の親は、アフリカ系米国人の親と比べて、子どもに関する社会面の懸念を小児科医に報告する可能性が2.61倍高かった。
アルゴリズムの多様性とAI政策をめぐる課題
こうした複雑な基準のスペクトラムに加え、支援技術や政策の研究、開発、導入にも課題がある。主な課題は以下のとおりである。
● 既存の政策枠組みには、感覚の多様性やニューロダイバーシティに関連する仕様や具体的な事例が欠けている。
● 顔認識などの既存システムの監査枠組みでは、顔の機能障害、異なる身振りやジェスチャー、コミュニケーション様式など、障害に関連する偏りが十分に対象とされていない。
● 研究者や政策立案者は、当事者コミュニティのデータを利用できない。
● 支援技術の利用機会は依然として限られており、現在の利用率はおよそ10%にとどまるため、さらなる研究が難しくなっている。
● 支援技術のエコシステムは依然として分断され、十分につながっていない。
● 無意識・意識的な社会的偏見、代表性の欠如、アクセシブルな語彙の不足が存在する。
よりアクセシブルなアルゴリズムに向けて
こうした課題は、技術者、研究者、政策立案者が長期的に協力し、以下の点に段階的に取り組む必要性を示している。
システム、認知、研究の各層
ニューロダイバージェントの人々や認知障害のある人々のための支援ソリューションでは、注意、記憶、コミュニケーション、学習、実行機能や遂行能力、視覚・触覚の体験、感情の状態、共感力などの基準を対象とする場合がある。
これらの側面に年齢、ジェンダー、根底にある状態を加味することで、適切な研究枠組みの特定に加え、技術のインターフェース、データ入力、ラベリングに関する要件を明確にできる。
モジュール化と専門化
特定の機能障害により適切に対処するため、認知多様性をよりよく支援するソリューションは専門化・相互接続が進む傾向にある。支援エコシステムの一部として、複数のアプリ、ツール、機器を同時に使う場合もある。
データ入力には、本人、家族、介護者、カウンセラー、教育者など、複数のステークホルダーが関わる場合もある。
例えばBeme.AIは、自閉症のある子ども向けに、全般的なウェルビーイング、気分、栄養などの要素を追跡できるソリューションを開発している。また、外部の追跡機器との連携や、子どもと親の双方によるデータ入力も可能にしている。
自律性とステークホルダー
約8人に1人（79%のニューロダイバージェントの人々が社会的孤立を感じている。支援ソリューションは社会参加やコミュニケーションを後押しできるが、それに取って代わるものではない。
ソーシャルロボットや適応型学習プラットフォームなどの技術は通常、子どもの対人関係や学習の側面を特定するカリキュラムとともに開発され、介護者や教育者の関与も含まれる。
さらなる排除を避けるためには、こうしたカリキュラムが技術そのもの以上に重要な役割を果たす場合もある。
偏りと監査の課題
AIシステムが特定の人種の人々を差別することがあるのと同様に、コンピュータービジョンや顔認識などのシステムも、障害のある人々や、神経障害などによる顔貌の違い、異なるコミュニケーション様式を持つ人々を差別する可能性がある。
そのため、問題の定義、データセット、アルゴリズム、システムのあらゆる段階で、「障害者を中心に据えた」監査手法が必要となる。
監査では、研究グループやリソースグループに多様な特性を持つ人々を代表として含めるべきである。こうしたグループは、差別的な影響の排除、利用者と研究者の間のフィードバック、透明性と説明可能性、説明責任、特定のシナリオややり取りにおいてシステムが実行することと実行しないことなどの基準を評価する。
変化する役割と能力の枠組み
世界保健機関や各国の医療サービス提供機関は、技術、医療、社会的スキルの融合に対応する枠組みの開発に定期的に取り組んでいる。
ニューロダイバーシティと認知障害の分野では、こうした枠組みに、ニューロアクセシブルなデザイン、分野に特化した人的能力や社会研究、特定の機器や技術に対応する技術的スキルを加える必要があるかもしれない。
よりアクセシブルなアルゴリズムやエコシステムに貢献し得る他の分野には、オープンな多様性データプラットフォーム、雇用主が提供するアクセシビリティ統計、交差性、ジェンダー、年齢層の側面に対応する政策やガイドラインがある。
包摂性は社会のすべての人に利益をもたらす
認知多様性を支援する政策の策定は、個人の全般的なウェルビーイングとより広い経済の双方に影響を与え、実際に利益をもたらし得ることを忘れてはならない。
こうした政策には、加齢に伴う認知機能障害、メンタルヘルスや神経疾患、スマートシティ、適応型学習、職場の技術に関するものも含めるべきである。
支援技術やAIを活用した技術を通じて、障害のある人々が活動的で充実した生活を送れるよう包摂を進めることで、すべての人にとってよりよい社会の構築に貢献できる。
