Výuka jazyků, která učí i stroje

Většina mobilních aplikací pro výuku cizích jazyků (s vyloučením programovacích), které jsou dostupné v Google Play nebo Apple Store není pedagogicky správně navržena. Jako nejčastější 3 problémy se uvádí: izolace výuky slovní zásoby v uzavřených celcích namísto výuky v relevantních okruzích. Zadruhé se aplikace minimálně adaptují na průběžné výsledky uživatele a ve třetím souvisejícím bodem poskytují minimálně vysvětlující a opravnou zpětnou vazbu na chyby uživatele. Hlubším zamyšlením při znalosti programovacích technik je tento výsledek vcelku logický, neboť reflektuje části, které vyžadují složitější programování. Uzavřená slovní zásoba je asi taktéž výsledkem rychlého vývoje nebo přebírání výukových okruhů.

Vybaveni znalostí těchto detailů je možné si položit otázku, jakou tedy použít metodiku pro tvorbu jazykové výukové aplikace? Jako odpověď se nabízí výzkum a produkt Univerzity v Jyväskyle, která toto zkoumala a dodala aplikaci GraphoGame. Nejsilnějším článkem této aplikace je právě pedagogický výzkum na pozadí a uplatnění v metodice. Asi bych se nezdržoval na faktu, že je určena nejmenším dětem k rozvoji čtení z poslechu. Co funguje? Okamžitá zpětná vazba na chybu, stejně jako možnost opravy pro postup. Výhodné mají být také krátké (asi minutové) "herní směny". Hráč-žák se má možnost hru rádoby pozměnit díky možnostem modifikace herní figurky za odměny ze správných odpovědí, víceméně je to ale krok ke ztotožněním se provázející postavičkou. Zpět k metodice: hra díky pozitivní zpětné vazbě a algoritmům "udržujícího hráče zaujatého hraním" Taktéž má provádět adaptaci na žákův postup při učení. Vskutku krásné cíle pracující na cílech identifikovaných v předchozím dokumentu. Zajímavým postřehem je doporučená delka používání mezi 8 - 12 minutami.

Když tedy máme alespoň nějakou vyzkoumanou metodu pro učení lidí, jak je to s učením a porozuměním textu v počítačích? Není možnost, že by nějaká technicistní strojová metoda pomohla se naučit jazyk lidem? Odpověď je, že není. Počítače, respektive algoritmy umělé inteligence se doposud učily zejména detailní lingvistickou analýzou, ale dříve či později narazí na problém, že zachycená řeč lidí či psaný text není gramaticky korektní či sémanticky úplný, protože lidé jim rozumí i bez všech prvků, a tudíž je těžké jej analyzovat. Druhý zásadní argument, že spousta vět dává smysl jen při použití v kontextu, v jakém jsou uvedeny a čistě syntaktická analýza si nemůže chybějící informace doplnit. Článek uvádí jako příklad větu "banán je zelený", přičemž ani lidsky není zřejmé, bavíme-li se o nezralém banánu, banánu přebarveném na zeleno či bio banánu.

Jestli se tedy vývoj ve strojovém učení jazyka má někam posunout, pravděpodobně to bude v adaptaci způsobu, který používají i děti. Výzkumníci z MIT vyzkoušeli způsob, který podporuje učení jazyka doplněním parseru o modul pozorující současně video, které obsahově podporuje zpracovávaný text. Spojenou analýzou vstupního textu s vizuální podporou videa má výrazně lepší výsledky, což odpovídá pedagogickým metodám obsažených v GraphoGame zaměřené na lidi.

Že ale řešení není ještě univerzální potvrzuje poslední výzkum, který nechal umělou inteligenci analyzovat Shakespearovou dílo s cílem najít v něm autorský styl jiného spisovatele, což se skutečně podařilo. Na článku je nezajímavějším sledovat precizní postup, který byl použit pro úvodní trénování neuronové sítě obsažené v AI na pečlivě vybraném souboru Shakespearova díla v čase. Použitím jiných testovacích dat by výsledek vyšel jistě jinak. Tím jsem chtěl jenom pozitivně uzavřít kapitolu učení jazyka za pomocí umělé inteligence, neboť jak vidíte nejde vůbec o jednoduchý proces – zatím.