Искусственный интеллект и образование: важные тренды
Виктор Осадчий, тимлид по разработке учебных материалов онлайн-школы EnglishDom, специально для блога Нетологии написал колонку о том, как развитие искусственного интеллекта повлияет на образование и изучение иностранных языков в частности.
Успехи в развитии искусственного интеллекта разносятся по всему миру с огромной скоростью и создают невероятный хайп, повышая наши ожидания. По сути, разочаровать пользователя в развлекательном смысле сложно: любое внедрение ИИ и нейронных сетей моментально обретает огромную популярность (приложения Prisma и FaceApp — яркие тому примеры). В статье мы составили список трендов в развитии ИИ, которые определенно положительно скажутся и на образовании.
Программа обучения: «Big Data: основы работы с большими массивами данных»
Метод проб и ошибок
Именно так и был обучен бот, который смог победить Ли Сидола в эпичной схватке во время игры в Go. AlphaGo, тот самый бот-победитель, потратил кучу времени, проводя эксперименты, анализируя предыдущие игры, чтобы стать топовым игроком. Идею такого обучения ИИ вынашивали десятки лет, но именно с помощью нейронных сетей удалось предоставить боту шанс решать такие сложные проблемы. Решение уже планируется использовать для автоматического вождения автомобилей и промышленной робототехники, а Google вообще таким образом улучшает свои базы данных.
Что касается мира образования, то, со слов Била Гейтса, можно было бы для начала обучить систему улучшать сочинения студентов и точечно выдавать ответы на вопросы, а не показывать, например, целые лекции, как ИИ делает это сейчас.
Нейронные сети-дуэлянты
Как бы странно это ни звучало, но именно такие системы были придуманы Аяном Гудфеллоу. Структура здесь следующая: одна система состоит из сети, генерирующей новые данные после прохождения обучения, а другая система распределяет данные ранее указанной сети на верные и ложные. Такая связка в итоге может создать очень реалистичные синтетические данные и пока такие «дуэли» нейронных систем отлично подходят для создания пейзажей в компьютерных играх, улучшения пикселизированного видео или же для применения стилистических изменений в дизайне, который был сгенерирован на компьютере.
Также «дуэлянты» могли бы пригодиться для улучшения качества образовательного контента.
Например, в сфере изучения иностранных языков есть огромный сегмент по наполнению словарей актуальными значениями слов, где фильтром чаще всего выступают другие пользователи или носители языка.
Накопление данных и персонализация
Используя данные геолокации и наши предыдущие поисковые запросы, ИИ уже способен предлагать нам идеальное кафе поблизости или, например, построить маршрут к ближайшему магазину любимых комиксов. Смартфоны сейчас способны дольше держать заряд, так как на основе нашего взаимодействия с приложениями расставляют приоритеты и закрывают те из них, которые мы почти не используем. Самые же часто используемые приложения быстрее запускаются и выдают уведомления.
А теперь давайте представим, как изучаем какое-нибудь грамматическое правило на основе примеров только из интересующей нас сферы, и под нас адаптируется весь образовательный контент. И именно такой тип контента при нашем дальнейшем поиске. Правда же, так удобнее?
Распознавание речи
Да, ИИ уже неплохо воспринимает изображения и голос. Именно поэтому есть большая надежда на то, что компьютеры научатся лучше разбирать и генерировать предложения. Вообще, вопрос взаимодействия с компьютером с помощью языка является одной из долгосрочных целей ИИ.
Ведь если бы машины лучше понимали язык, то и взаимодействие с ними было бы в разы продуктивней.
Тут и далеко ходить не нужно, чтобы понять: ИИ, с которым легко общаться, мог бы стать отличным преподавателем или просто партнером для диалогов при изучении языка.
Все это выглядит довольно радужно и перспективно, не правда ли? Хотя без ложки дегтя в этой бочке меда не обошлось. К примеру, даже самые передовые решения от Google или Amazon по распознаванию речи, которые мы используем в нашей платформе для моделирования диалогов, не всегда с первого раза принимают сказанное студентом, заставляя несколько раз произносить какую-то фразу.
Адаптивность
Пока ИИ не способен резко адаптироваться к изменениям, даже если ему детально расписать все возможные изменяющиеся условия. Можно поспорить с этим, ведь есть яркий пример роботов, которые держат равновесие, если их толкнуть. Но это алгоритмы, разработанные под конкретную ситуацию, а не универсальное решение по адаптивности к любым условиям.
Именно поэтому нам придется подождать пару-тройку лет, пока мы получим бота, которого отдельно обучали для общения на иностранном языке. Вы скажите, что уже есть такие решения, но даже существующая с 1995 года A.L. I.C.E. (чат-бот на английском) пока не способна резко менять темы разговора и реагировать на эмоциональный окрас высказываний. Попробуйте ей сами нахамить, а потом сменить тему, и все станет ясно.
Некорректные задачи
Теперь представим, что нам нужно подсказать иностранцу, которого мы встретили по пути в магазин, направление к ближайшему банкомату на английском. В своей голове все мы разговариваем, как истинные англичане с изысканным подбором эпитетов, и как раз сейчас стоим и судорожно перебираем все возможные варианты, как это озвучить. В итоге вместо «Go straight and you will see the cash machine», мы говорим что-то типа «Go there!», тыкнув пальцем и, услышав «thank you», понимаем, что наша коммуникативная цель достигнута.
Все, мы просто продолжаем дальше свое движение в магазин. Таким образом мы решили так называемую «некорректную задачу», когда есть практически бесконечное количество вариантов развития событий на каждом отдельном этапе. И сделали мы это, с нашей точки зрения, приблизительно оптимальным способом, хотя в этом нельзя быть на сто процентов уверенными и вариантов решения было немало.
ИИ так поступить пока не может. Он понимает, что в этой ситуации было 100500 вариантов, как лучше все рассказать. И в такой ситуации бы ему потребовалось, чтобы иностранец либо дал обратную связь на все возможные 100500 вариантов, либо смоделировать эту ситуацию 100500 раз, пока он не осознает оптимальный способ решения. И так на каждую отдельную ситуацию.
Читать еще:»5 распространенных ошибок при написании текста на английском языке»
Стоит также учесть, что на все вышеизложенные исследования и способы развития ИИ уходит огромное количество не только времени, но и денег. Китайцы вот вообще решили потратить 15 миллиардов долларов, чтобы вырваться вперед в этой сфере и предлагать какие-то собственные конкурентоспособные решения. Сложно сказать, минус ли это или плюс, ведь динамика роста рынка в таких случаях всегда ускоряется.
Пока понятно лишь то, что до сферы образования плотная интеграция с ИИ доберется не так быстро, как, например, в производстве цифровой техники, робототехнике и промышленности. А жаль.
Мнение автора и редакции может не совпадать. Хотите написать колонку для «Нетологии»? Читайте наши условия публикации.
Полный текст статьи читайте на Нетология
