XXI Международный конкурс научно-исследовательских и творческих работ учащихся
Старт в науке
МЕТОД СЛОВЕСНЫХ АССОЦИАЦИЙ В ПРОЦЕССЕ ИЗУЧЕНИЯ АНГЛИЙСКОГО ЯЗЫКА (НА ПРИМЕРЕ НЕЙРОИГРЫ «SEMANTRIS»)
Автор работы награжден дипломом победителя II степени
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF
Введение
Нейросети — одна из наиболее перспективных и быстро развивающихся областей искусственного интеллекта. В последнее время возможности нейросетей начали использовать не только в производственной сфере, но и в образовании. Данный технологический процесс позволяет достичь новых высот в создании интерактивных и адаптивных систем обучения. Первоначально использование нейронных сетей нашло свое применение в анализе больших массивов данных и решении задач классификации. Однако с развитием технологий и увеличением мощности вычислительных устройств, нейросети стали перспективным инструментом в процессах обучения, в частности обучения иностранному языку.
Компьютерные устройства являются одним из современных средств обучения, обладающим уникальными возможностями. Они сочетает в себе возможности телевизора, видеомагнитофона, книг, калькулятора и является универсальной игрушкой. В наше время знакомство детей с компьютером происходит уже с раннего возраста.
Актуальность данной работы заключается в том, что большинство ребят проводит много времени за компьютерными играми. Игровая индустрия – это один из самых быстрорастущих рынков развлечений в мире и в нашей стране. Компьютерные игры – хороший пример того, насколько долго человек может сохранять внимание на одной задаче. Именно это их свойство можно использовать в изучении иностранного, в частности, английского языка.
Мы выбрали данную тему исследования потому, что нас заинтересовало, как нейросети могут воздействовать на изучение английского языка. Исследование решено провести на примере компьютерной игры «Semantris».
Цель исследования: изучение влияния возможностей нейросети на оптимизацию усвоения иноязычной лексики при самостоятельном изучении английского языка.
Задачи исследования:
-
подобрать материал по выбранной теме (искусственный интеллект, нейросеть, способы семантизации лексики);
-
практиковать закрепление лексики через игру «Semantris»;
-
выявить способы семантизации, используемые в игре;
-
подвести итоги исследования и описать результаты в заключительной части.
Предмет исследования: нейроигра «Semantris».
Объект исследования: влияние игры «Semantris» на оптимизацию усвоения иноязычной лексики.
В основу нашей работы положена следующая гипотеза: нейросети положительно влияют на изучение английского языка и расширяют словарный запас игроков.
Методы исследования:
-
Теоретические (сбор, обобщение и анализ литературы по теме);
-
Практические (освоение игры).
Глава 1. Что такое нейросеть
1.1. Искусственный интеллект и нейросеть
Современный мир с каждым годом развивается всё стремительнее. Повсеместно внедряются технологии: на уровне государств и корпораций, а также в жизни простых людей. С течением времени IT-технологии становятся всё важнее для мира, а человечество превращается в более взаимосвязанное и взаимозависимое сообщество. Пандемия коронавирусной инфекции ускорила и без того быструю цифровизацию разных сфер жизни человека. Ещё в прошлом веке изобрели первые машины, обладающим искусственным интеллектом в зачаточном состоянии. Сегодня же искусственный интеллект используется в большинстве сфер общественной жизни, но уровень его развития всё ещё недостаточно высок, поэтому разработки в данной сфере ведутся очень активно.
Авторство термина «искусственный интеллект» приписывают Джону Маккарти – основоположнику программирования, изобретателю языка Лисп.Согласно стандартному определению, искусственный интеллект (англ. artificialintelligence) – это компьютерные системы, способные выполнять задачи, которые требуют человеческого интеллекта, такие, как визуальное восприятие, распознавание речи, принятие решений и перевод между языками. [2]
Современные ИИ-технологии - это машинное обучение, машинный перевод, чат-боты и другие виртуальные помощники. Искусственный интеллект используется в производстве (автоматизация сборочных линий), банковской сфере (чат-боты и голосовые помощники, распознавание клиентов, оценка рисков), логистике, торговле и других сферах. Алиса, Siri и чат-бот из банковского приложения в вашем смартфоне - это искусственный интеллект, пусть и довольно простой. На сегодняшний день основными разработчиками технологий искусственного интеллекта являются компании «Google» [3], «OpenCog», «Microsoft», Китайский институт головного мозга. В нашей стране разработками ИИ-технологий занимаются «Сбербанк» и Mail.ru Group, «Яндекс» и «Лаборатория Касперского». [4]
Нейронная сеть, или нейросеть — это метод в искусственном интеллекте, который учит компьютеры обрабатывать данные таким же способом, как и человеческий мозг. Это тип процесса машинного обучения, называемый глубоким обучением, который использует взаимосвязанные узлы или нейроны в слоистой структуре, напоминающей человеческий мозг. Он создает адаптивную систему, с помощью которой компьютеры учатся на своих ошибках и постоянно совершенствуются. Таким образом, искусственные нейронные сети пытаются решать сложные задачи, такие как резюмирование документов или распознавание лиц, с более высокой точностью. [5]
Другими словами, искусственный интеллект — это общий термин, который относится к общей концепции машин, способных выполнять задачи, которые обычно требуют человеческого интеллекта, в то время как нейронные сети — это один из типов алгоритмов, которые можно использовать для создания систем искусственного интеллекта.
1.2. Нейросети в процессе обучения человека. Что такое Semantris
В 2016 году Уилл Найт, исследователь искусственного интеллекта из Массачусетского технологического института, писал: «Машины, которые понимают естественные языки, были бы крайне полезны. Но мы не знаем, как их создать».
С тех пор многое изменилось. Искусственный интеллект играючи побеждает гроссмейстеров шахмат, «Google Translate» успешно развивается, используя самообучающуюся нейронную сеть, а голосовой помощник Алиса от «Яндекса» хорошо распознает человеческий язык и вполне естественно имитирует живую речь.
Но может ли машина действительно понимать естественные языки? В компании Google уверены, что может. В декабре 2019 на базе нейросетей они создали небольшую игру в слова, названную Semantris, в которой искусственный интеллект оперирует не просто смыслами отдельных слов, а целыми цепочками ассоциаций.
В нее можно играть двумя способами: как аркаду и как своеобразные кирпичики.
Давайте рассмотрим каждый вариант в отдельности:
1) Аркада
Перед вами появляется колонка слов на английском, одно подсвечено. Ваша задача — придумать к нему такую ассоциацию, которая в рейтинге ассоциаций самой системы будет выше, чем для всех остальных слов в колонке. Звучит сложно, поэтому лучше сразу на наглядном примере. (рис.1)
Ключевое слово сейчас — «Newspaper». Вам нужно придумать такую ассоциацию, которая подходит именно этому слову, но не другим в колонке. Будьте осторожны, там также есть слова «pen», «school» и «table», которые находятся со словом «newspaper» в одном смысловом поле. Допустим, вы придумали ассоциацию «Title».
(рис. 1) (рис. 2)
И она оказалась лучшей, поэтому вы получаете максимум очков.
Если вдруг какое-то другое слово из колонки будет ближе к ассоциации, которую мы придумали, игрок получит меньше очков. А если ассоциация и вовсе будет неудачной, то игрок получает штраф.
Для стимуляции скорости соображения игрока сверху постоянно падают новые слова. Если думать слишком долго, то словесная башня достигнет верха экрана, и игра закончится.
Интересно то, что в игре учитывается уровень сложности. Поначалу попадаются простые слова, которые изучают уже на уровне Elementary. К примеру, «kitten», «pond», «garden», «rain». Но чем дальше, тем сложнее. Через минуту-полторы семантическое поле увеличивается, а фразы усложняются. За секунду подобрать ассоциацию, например, к «nuclear power» или к «Stonehenge» довольно трудно. Добавляет сложности то, что нельзя использовать однокоренные слова. То есть, если на экране у вас есть «Stonehenge», то слово «stone» игра не примет.
С точки зрения обучения это отличный пример активации пассивного словарного запаса. В моменты игровой сосредоточенности мозг подбирает такие ассоциации, о которых в «нормальном режиме» вы бы просто не подумали. Причем игра будет полезна для любого уровня знаний, вплоть до уровня носителя языка.
2) Кирпичики
Здесь тоже нужно придумывать ассоциации, но порядок игры немного меняется. Вы пишете слово, а нейросеть сама решает, какая ассоциация на игровом поле к нему ближе. Когда ассоциация выбрана, то нейросеть убирает блок с этим словом и все блоки того же цвета, которые находятся рядом с ним.
Допустим, пишете слово Ship. (рис. 3)
На игровом поле есть два слова, которые близки к нему по ассоциации: Ocean и Pirate. Какое выберет система? «Океан», по мнению нейросети, ассоциативно ближе к слову «корабль», поэтому убирает именно его.
Здесь необходимо включать стратегическое мышление и контролировать всю ситуацию на поле — как в шахматах. Ведь если ошибиться, система уберет не тот блок, который вам нужен. Это усложнит ситуацию на поле, ведь дополнительные блоки падают сверху каждый ход. Как только пирамида достигнет верха, вы проиграли.
(рис. 3) (рис. 4)
При этом с повышением сложности спрогнозировать ассоциации становится крайне сложно. Так, к примеру, придумать точную ассоциацию к фильму «Stairway to Heaven» или к группе «Pink Floyd», ведь ассоциативный ряд целого полнометражного фильма и творчества музыкальной группы на порядок сложнее, чем семантика отдельного слова.
Давайте рассмотрим, как работает данная нейросеть.
Semantris использует полностью обучаемый end-to-end алгоритм, который используется для работы с различными естественными языками. Это значит, что нейросеть самостоятельно строит модели работы с лексемами.
Изначально нейросеть обучалась на примерах из естественных языков, где для каждого предложения, фразы или слова был заранее дан перевод, значение или другая семантическая связь, к примеру, импликация или пара вопрос-ответ.
Используя большое количество источников (статьи из СМИ, темы на форумах, базы вопросов-ответов), нейросеть учится оперировать фразами и предложениями в разных измерениях: смысловая непротиворечивость, семантическое сходство, общий смысл и даже смысловые закономерности. Нейросеть обучалась на английском, но методологию можно использовать для любого естественного языка.
Система обучается на комплексных примерах, поэтому одновременно изучает синтаксис, семантику и значения слов. Работа с ассоциациями — только одна из многих возможностей нейросети. [6]
Теперь давайте посмотрим на игру с точки зрения изучения английского языка. Semantris — это настоящая находка, так как две мини-игры в её составе помогают решать реальные задачи обучения.
Чтобы играть в Semantris, нужен приличный уровень запаса слов. Ведь игра не помогает изучать новые слова — она помогает использовать уже известные.
Кроме того, важно знать правильное написание слов – система не распознает слова, написанные с ошибками. Т9 здесь нет, поэтому даже если ассоциация будет идеально подходить, из-за ошибки вы все равно получите штраф.
Интересно, что эти мини-игры решают совершенно разные задачи и при этом полезны для разнообразия учебного опыта. Во второй главе нашего исследования мы подробно разберем способы семантизации лексических единиц в игре «Blocks» («Кирпичики»).
Выводы к Главе 1:
1. Нейросеть как метод в искусственном интеллекте, который учит компьютеры обрабатывать данные таким же способом, как и человеческий мозг, всё активнее используется во всех областях жизни общества, в том числе и в процессах обучения.
2. Одна из возможностей изучения английского языка – игра Semantris от компании «Google», построенная на способах семантизации лексических единиц.
Глава 2. «Semantris» в процессе изучения английского языка
2.1 Способы семантизации лексических единиц в английском языке
Изучение иностранного языка – это длительный и кропотливый труд, и работа над лексикой в настоящее время является одной из основных проблем в отечественной и зарубежной методической литературе. Недостаточный словарный запас вызывает чувство неуверенности у студентов и нежелание говорить на иностранном языке. Поэтому одной из основных задач на занятиях является расширение словарного запаса студентов. Для расширения словарного запаса существует множество способов и методов. Каждый из них эффективен по-своему, учитывая способности человека к изучению иностранного языка.
Не секрет, что большая часть учителей-практиков активно используют на своих уроках русский язык как средство семантизации иностранных слов, рассматривая перевод чуть ли ни единственным средством, позволяющим проверить, поняли ли студенты значение слова. Такая ситуация не может не удивлять, когда все ведущие отечественные методисты говорят о коммуникативном подходе в обучении иностранному языку, об истинной коммуникации, об аутентичности заданий на занятиях иностранного языка.
Перевод на родной язык – самый простой и легкий способ раскрытия значения слова, так как со стороны обучаемых не требует никаких мыслительных затрат. Но поскольку слова звучат изолировано, он мало эффективен на этапе формирования лексических навыков. Безусловно, перевод экономит время на уроке, но: а) он бессилен, когда возникает необходимость семантизировать безэквивалентную лексику, например: a sweet tooth (англ.) – сладкоежка, a couch potato – лентяй, и т.д. Как правило, требуется перевод-толкование или дополнительные разъяснения; б) он может сбить с толку студентов, когда они, пытаясь догадаться о значении так называемых «ложных друзей переводчика», переводят их самостоятельно по созвучию с родным языком, например: sympathy (англ.) – «симпатия» вместо правильного варианта «сочувствие», an artist (англ.) – «артист» вместо «художник». Таким образом, поспешный перевод увеличивает возможность межъязыковой интерференции, то есть перенос имеющихся знаний и умений из родного языка в иностранный.
Основоположники коммуникативного подхода (Липецкая школа Е.И. Пассова) разработали ряд достаточно простых, но в то же время эффективных приемов, которые позволяют семантизировать многие лексические единицы (любого иностранного языка), практически на обращаясь к родному языку. Рассмотрим их более обстоятельно. Итак, к беспереводным способам семантизации лексики относятся:
1) раскрытие значения слов по сопровождающей наглядности (при этом можно демонстрировать предметы, жесты, действия, картинки, рисунки, чертежи, фотографии);
2) с использованием известных способов словообразования. Здесь имеется в виду:
а) суффиксально-префиксальный способ словообразования.
Учащиеся могут легко понять значения новых слов, которые образованы при помощи знакомых суффиксов и приставок, поскольку аффиксы имеют собственные значения. Например, happiness – unhappiness.
б) словосложение.
Например, image-maker (англ.) – стилист.
в) конверсия, то есть переход одной части речи в другую.
Например, import – to import.
3) с помощью синонимов/антонимов.
Это один из самых популярных способов, при помощи которого можно семантизировать практически все части речи: и существительные (agreement – disagreement), и прилагательные (beautiful – ugly), и глаголы (to attempt = to try), и наречия (quickly – slowly), и даже некоторые предлоги (above – beneath, up – down).
4) с помощью ассоциаций.
Техника ассоциативных связей связана со свойством человеческой памяти быстрее и прочнее запоминать то, что находится в естественной или логической взаимосвязи. Например, по ассоциации с животными учащиеся могут догадаться о разновидности мяса (pig – pork, cow – beef, sheep – mutton, calf – veal), от хорошо знакомого прилагательного догадаться о значении существительного (poor – poverty), при перечислении некоторых реалий выйти на название страны (bagpipe, kilt, Highland Games = Scotland). Количество ассоциативных связей громадно, поэтому лингвисты рекомендуют прибегать к ассоциации достаточно осторожно, так как они индивидуализированы, далеко не все умеют выстраивать логические связи, а у большинства обучаемых преобладает нагляднообразное мышление.
5) на основе контекстуальной догадки.
Данный способ семантизации предполагает достаточно хороший уровень владения языком у обучающихся. Это, пожалуй, самый сложный, но в то же время самый важный для практического владения языком способ семантизации слов, поскольку демонстрирует новое слово во фразе, в речи, развивает догадку и предполагает попутное развитие навыков восприятия иноязычной речи на слух (аудирование).
6) по созвучию с родным языком.
Например: соmpromise, vice-president, intensive, ит.д.
7) через обобщение/перечисление.
Например: water, juice, petrol = liquid.
Беспереводные способы семантизации иностранных слов готовят учащихся к общению с носителями языка в реальной жизни, когда никто из партнеров по коммуникации не сможет перевести непонятные слова и выражения, а на консультацию с разговорником или словарем не будет времени. Таким образом, суммируя вышесказанное, мы приходим к выводу о том, что если стремиться к аутентичности речи на уроке иностранного языка, к экономии учебного времени, к сохранению логики коммуникации, то перевод на русский язык будет занимать более скромное место, чем то, которое ему сейчас приписывается.[1]
2.2 Способы семантизации в игре «Semantris» («Blocks»)
Многократно практикуясь в игре словесных ассоциаций, мы выделили следующие способы семантизации лексических единиц в «Semantris»:
1) синонимы/антонимы
Например:
-
Forest – wood (синонимы)
-
Pupil – student
-
Turtle – tortoise
-
Sleep – dream
-
House – home
-
Day – night (антонимы)
-
Summer – winter
-
Good - evil
-
Mother – father
-
Light - darkness
2) словесные ассоциации
Например:
-
Teacher – school
-
Frost – refrigerator
-
Circus – clown
-
Ocean – Pacific
-
Jack-the-Sparrow – pirate
-
«Lord of the Rings» - Tolkien
-
Harry Potter – Hogwarts
-
Bagpipe – Scotland
-
Queen – Elizabeth
-
Planet – Mercury
3) обобщение
Например:
-
Banana – fruit (от частного к общему)
-
Birch – tree
-
Tennis – sport
-
Kitchen – room
-
Christmas – holiday
-
Flower – rose (от общего к частному)
-
Season – autumn
-
Food – omelette
-
Clothes – coat
-
Face – nose
Как мы видим, «Semantris» позволяет повторять и систематизировать лексику в процессе игры, что, безусловно, положительно сказывается на ее запоминании и переводе из разряда кратковременной в разряд долговременной, не прибегая к переводным способам усвоения. Мы считаем, что данную игру можно рекомендовать всем изучающим английский язык в качестве упражнения на закрепление лексического материала.
Выводы к Главе 2:
1. Коммуникативный подход семантизации лекических единиц предполагает применение переводных и беспереводных способов при изучении и обучении иностранному языку.
2. Игра «Semantris» основана на запоминании англоязычной лексики путем использования беспереводных способов, таких как синонимы и антонимы, словесные ассоциации и обобщение.
Заключение
В данной научно-исследовательской работе мы рассмотрели различие между искусственным интеллектом и нейросетью и описали возможности использования последней в процессе изучения иностранного языка.
В качестве примера нами подробно были изучены возможности нейроигры «Semantris», разработанной компанией Google. Игра состоит из двух частей, каждая из которых дает игроку возможность закрепить изученную ранее англоязычную лексику. Поскольку изначально нейросеть обучалась на примерах из естественных языков, мы решили применить к ее описанию способы семантизации лексических единиц, выделенные сторонниками коммуникативного подхода.
В результате освоения игры мы выделили основные способы семантизации лексических единиц, такие как синонимы и антонимы, словесные ассоциации и обобщение. Мы считаем, что использование «Semantris» может оказать выраженное положительное воздействие на закрепление изученной ранее лексики и рекомендуем ее учащимся, осваивающим английский язык. Таким образом, гипотезу, выдвинутую в начале исследования, мы считаем подтвержденной.
Однако полученные результаты мы считаем промежуточными, так как планируем продолжить работу в рамках данной темы и привлечь к использованию игры в рамках изучения английского языка своих одноклассников для оценки ими возможностей нейросети и ее положительного эффекта на запоминание и использование английских слов и словосочетаний.
Список источников
1. Ларионова О.В., Елуфимова О.Л., доценты, ДальГАУ, Беспереводные способы семантизации иностранных слов, УДК 378.2: 802/809, www.cyberleninka.ru;
2. Слэйгл Дж. Искусственный интеллект. Подход на основе эвристического программирования. Пер. с англ. – М.: Мир, 1973, 320с.;
3. https://google.research.com
4. https://gb.ru›blog/tekhnologii-iskusstvennogo-intellekta/
5. https://aws.amazon.com/ru/what-is/neural-network/
6. https://itnan.ru