当前位置:首页 > 科研成果库

技术向善理念的真正考场,藏在一个PDF表格里

2026-11-20 20:53:33小研科研成果库28

去年冬天我接到一个电话。老朋友,视障,做播客的。他说:你们那个新功能,我用不了。

我下意识不信。那功能上线前测过,点得动,跑得通,埋点数据也挺好看。后来他把手机录屏发过来。屏幕亮了,语音念出来的是——“按钮、按钮、按钮、按钮”。一长串,四十几个,全一个样。他找不到该按哪个。

那天晚上我们改到三点多。改的是什么呢?给几个 div 补上语义标签。就这么点事。

屏幕朗读读的不是画面,是一棵看不见的树

很多人以为读屏软件在“看”屏幕。不是。它不看像素,它读的是系统里另外一棵并行的结构树,业内叫无障碍树(Accessibility Tree)。你写的每个控件,如果老老实实用了系统原生的按钮、输入框,树上就会有对应的节点,带着名字、角色、状态。读屏顺着树往下走,一路念给你听。

问题出在另一种写法上。为了让视觉更好看,有人用一个个空白容器拼出一个“按钮”,再用图片贴上去。人眼一看,圆的,有阴影,能点。挺好。可那棵树上是空的。空的节点怎么处理?有的读屏干脆跳过,有的就勉强念一声“按钮”。

四十几个按钮,一字排开。

打个比方吧。你给一个陌生人指路,说“往前走、往前走、往前走、往前走”。你很热情,诚意也够,但他到不了地方。信息不是没给,是给的方式里没有差别。

还有一种更隐蔽的丢失。有些文件是扫描件,机器只能靠 OCR 把图上的字认出来。认得挺准,一个字不差。可表格的行列关系没了。念出来就是“姓名 张三 年龄 三十四 姓名 李四 年龄 二十八”,一路念到底。人听得懂每个字,却拼不出哪一行属于谁。就像一份打印出来的合同,人看得见,但你没法复制粘贴一个字。字都在,关系没了。

视障者用读屏软件操作手机屏幕语音朗读特写视障者用读屏软件操作手机屏幕语音朗读特写

那次改完我把流程截图发他。他过了十分钟回我一句:这回能用了。就这样。一个语义标签的事。

所谓“主要用户”,是个拼出来的平均值

你大概听过这个说法:先服务好大多数人,边缘需求往后排。逻辑上没毛病,做产品的人都这么想。

但“大多数人”是怎么被定义出来的?通常是取几个维度——年龄、视力、手指灵活度、网络条件、母语——每个维度取一个常见值,拼出一个虚拟的人。我们管他叫典型用户。

这个人不存在。多个维度的均值凑在一起,往往谁都不像。真实世界里的人是一条长长的尾:手抖的、耳朵背的、在地铁里信号只剩一格格的、说方言的、抱着孩子只有一只手能腾出来的。他们加起来,数量其实不小。

有个我特别喜欢的例子:人行道上的坡道。当初是为坐轮椅的人修的。结果推婴儿车的在用,拉行李箱的、拖小推车的、送外卖赶时间的都在用。边缘需求经常是通用需求的前身,只是它出现得早,还带着标签。

我见过一个大爷,在村卫生室门口做人脸认证。App 让他“请眨眼、张嘴”。他试了七次。天冷,脸冻得发红,手抖,屏幕反光,眼镜片上全是雾气。第八次成了。你说这是技术不行?不完全是。是设计那一刻,脑子里站着的那个人不是他。

方言语音识别也一样。普通话的识别率能到挺好看的数字,一换到粤语、闽南语、某些西北口音,就掉下来。为什么掉?训练语料里本来就少。数据分布不均衡,模型就诚实地把这份不均衡学进去了。

说实话,我第一次看到那组失败率的分布图,心里是有点烦的。因为技术上的解法并不神秘——多是采数据、补语料、加降级路径这些笨功夫。真正难的是另外两个问题:谁觉得这算个事,谁愿意出这笔钱。

农村老人使用手机医保App人脸识别认证失败场景农村老人使用手机医保App人脸识别认证失败场景

善意这东西,一不留神就长出牙齿

善意这东西,一不留神就长出牙齿善意这东西,一不留神就长出牙齿

说点不太舒服的。

“为你好”是个很有力的句式。放在技术产品里,它经常变成默认开启、找不到开关、数据还要上传。

给老人配的定位手表,给孩子装的守护应用,出发点都是真的。但你有没有问过被“保护”的那一位,他愿不愿意?他知不知道这块表一天产生多少条轨迹?

我有个笨办法,谈不上严谨,但挺好用。看一个功能善不善,先问两句话:它能不能关掉?它拿走了什么,用户看不看得见?

能关掉、看得见,它更像工具。关不掉、也看不见,它就更接近项圈。哪怕动机是好的。

还有一层更现实。向善很容易被当成发布会上的素材。发布那天有通稿,第二天就没人管了。无障碍的缺陷和别的缺陷一样,会积累,会互相踩,会随着版本迭代一点点回归。真正花钱的不是“做”,是“养”。一个功能上线了没人接维护,那它其实已经下线了,只是没人通知用户。

有些事,再好的技术也接不住

有些事,再好的技术也接不住有些事,再好的技术也接不住

该说边界了。

信息无障碍能解决“能不能用”。它解决不了“用得起吗”,也解决不了“用完了谁来看他”。技术向善理念有一个特别顺手的滥用版本,就是把它悄悄等同于技术万能,只不过语气温软一些。

还有件事我得提。不是每个被服务的人都乐意被标成“需要帮助”。辅助模式、无障碍标识、特殊入口——有人就是不喜欢。这种反感是真实的,不是矫情。所以设计时得留一个“我不需要”的出口,而且选了之后不能少拿到任何东西。这个平衡很难,但绕不过去。

合规也是个陷阱。有一份检查清单,逐条对照打钩,报告漂漂亮亮。可清单过了,不代表一个手抖的人真能三秒钟完成支付。清单是底线,不是天花板。把它当天花板的人,多半只是在买保险。

至于我自己,我不敢把这事说得太浪漫。它不神圣,也不悲壮。它更像排期表上的一个格子——评审会上一句话的事,填了才算数。你不填,它就一直在那儿空着,谁都看得见,谁都不提。

所以那个电话之后,我把团队里的一条规矩改了:每个季度随机抽三个真实用户来做一次录屏,其中至少一个用读屏,一个用键盘,一个用老年机。听起来很土。但它管用。

有天晚上我路过一段坡道,一辆婴儿车从上面推下去,很顺。推车的人根本不知道这段坡道当初是给谁修的。

我觉得这就是技术向善理念最好的样子:你受益了,但你不需要知道它是为谁准备的。