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.