作者：Brannon Zahand（Microsoft）。本文部分内容由 AI 辅助生成。
背景说明——这里所指的”AI”
历史上，游戏中的”AI”指的是驱动 NPC 行为的基于规则的系统。在本文中，我们指的是较新的浪潮：大型语言模型（GPT、BERT）、计算机视觉模型（YOLO、ResNet）、强化学习模型（AlphaGo），以及其他从数据中学习并对新输入进行泛化预测的系统。AI 前端与非 AI 前端的相似之处
从无障碍角度看，AI 驱动的前端通常与任何其他前端相同。它们遵循相同的原则、指南和标准。在游戏中，这意味着 AI 与非 AI 体验都应遵循 XBOX Accessibility Guidelines 或 Game Accessibility Guidelines。 同时适用的常见无障碍实践：- 为图像、图标和图形提供替代文本。
- 清晰、一致的标签、标题和导航。
- 足够的颜色对比度和字体大小。
- 键盘、鼠标、控制器、触控和语音输入/输出。
- 多种交互方式。
- 可调整的界面设置。
- 使用真实辅助技术进行测试。
AI 驱动前端特有的陷阱
AI 体验在以下几个方面需要额外关注。质量、准确性与可靠性
尤其是当 AI 执行敏感任务时——真实或游戏内货币购买、破坏性技术协助（删除存档、更改系统设置）或安全指导。说明、反馈与错误恢复
当 AI 不确定、含糊或出错时，玩家需要清晰的说明和快速的恢复路径。隐私、安全与同意
AI 系统可能收集或推断敏感数据。绝不要让玩家的无障碍设置对他人可见；绝不要在系统之间泄露推断出的残障数据。偏差、歧视与排斥
面部与骨骼识别、情感分析、语音识别以及推荐系统都存在与残障相关的偏差风险。使用多样化用户进行测试，否则你会将这些偏差带到发布版本中。后端系统中 AI 引起的无障碍问题
即使前端没问题，后端的 AI 也可能引入间接的无障碍问题。动态内容生成
若 AI 生成的关卡、地图或挑战训练所用的数据未充分代表残障玩家，可能会产生排斥他们的体验——例如程序化生成需要同时按下多个按钮的战斗，从而阻止手部精细运动障碍玩家。反作弊系统
标记”异常”输入模式的反作弊 AI 可能会将辅助技术（宏键盘、协同控制器、比人类更快的开关输入）误判为作弊。如何解决 AI 无障碍问题
1
以用户为中心
在整个设计、开发和评估过程中吸纳具有不同能力、偏好和情境的用户参与。他们的需求必须影响模型，而不仅是 UI。
2
使训练数据多样化
包含来自听觉、视觉、言语、精细运动、认知与心理健康状况玩家的数据，使模型能泛化到他们。
3
保持透明
提供有关 AI 如何运行以及如何做出决策的清晰信息，以便用户能够挑战错误假设。
4
跨模式验证
使用键盘、鼠标、控制器和语音输入进行测试；以及图形、音频和触感输出。包括屏幕阅读器、屏幕放大器、自适应控制器、开关输入和眼动追踪。
机遇——AI 如何 推动 游戏无障碍
AI 在几个方面可以走得比传统技术更远：- 个性化 — 学习玩家的偏好和能力，并自动调整 UI、内容和难度。
- 预测文本与语音识别 — 提升行动或言语障碍玩家的准确性；自动为游戏内语音聊天生成字幕。
- 图像与视频识别 — 通过语音合成为盲人和低视力玩家动态描述游戏内场景。
- 自动化无障碍测试 — 更早、更频繁地发现并修复问题；但绝不 替代 来自真实残障玩家的反馈。
- 游戏内支持 — 使用当前玩家状态提供上下文感知帮助的聊天机器人，减少玩家”卡关”时的放弃。
资源
- Equal Entry — AI for Accessibility: Opportunities and Challenges
- Innovation and AI for Accessibility — Microsoft Accessibility
- AI Show Live — Using AI to Make Experiences Accessible and Inclusive
- Using AI to empower people with disabilities
- Brannon Zahand — Humans in AI