هوش مصنوعی وارد دنیای زبان ویتنامی می‌شود

هوش مصنوعی نه تنها به انسان‌ها در یادگیری زبان کمک می‌کند، بلکه به سیستم‌ها نیز در پشتیبانی از هوش زبانی بهتر کمک می‌کند.

ترکیب هوش مصنوعی برای "آموزش" زبان ویتنامی

مدیر یک شرکت سرمایه‌گذاری مستقیم خارجی (FDI) در ویتنام می‌خواهد زبان ویتنامی را به سرعت یاد بگیرد و بتواند ۹۰٪ از محتوای اسناد رایج را بخواند. مشکل این است که او خیلی سرش شلوغ است و فقط حدود ۱ ساعت (از ساعت ۱۲ تا ۱۳ هر روز) برای مطالعه وقت دارد. بنابراین، چگونه باید فناوری را در نرم‌افزار یادگیری زبان به کار برد تا به او در یادگیری سریع زبان‌های خارجی کمک کند؟

در بالا، مشکل موقعیت رهبری شرکت FDI مطرح شده برای دانشیار، دکتر دین دین، مدیر مرکز زبان‌شناسی محاسباتی، دانشگاه علوم ، دانشگاه ملی ویتنام، شهر هوشی مین، آمده است.

دانشیار دین، به عنوان کسی که موضوعات تحقیقاتی علمی و انتشارات بین‌المللی زیادی در مورد کاربرد هوش مصنوعی (AI) در ترجمه ماشینی، زبان‌شناسی انتقادی و آموزش زبان ویتنامی به خارجی‌ها دارد، معتقد است که کاربرد هوش مصنوعی برای حل مشکلات زبان‌شناسی بسیار ضروری است.

به طور خاص، اولین قدم در یادگیری هر زبانی، آموزش صداهای آن زبان است. مانع اینجا این است که زبان ویتنامی دارای آهنگ و ریتم است، بنابراین آموزش آن به زبان‌آموزان زبان‌های بدون آهنگ مانند انگلیسی، فرانسوی و غیره بسیار دشوار خواهد بود. به عنوان مثال، به جای پرسیدن: "آیا تا به حال به رختخواب رفته‌ای؟"، زبان‌آموزان می‌گویند: "آیا تا به حال به رختخواب رفته‌ای؟"، زیرا نمی‌توانند آهنگ‌ها را تشخیص دهند. لازم است به آنها آموزش داده شود که هنگام تلفظ، بازی را کجا قرار دهند، چگونه دهان خود را نگه دارند و تلفظ صحیح یا نادرست چگونه متفاوت است.

در حال حاضر، نرم‌افزارهای کاربردی هوش مصنوعی در آموزش زبان‌های خارجی می‌توانند شکل دهان هنگام مسواک زدن را شبیه‌سازی کنند، صداهایی را برای زبان‌آموزان پخش کنند تا تقلید کنند. سپس، زبان‌آموزان صداها را پخش می‌کنند، آنها را در نرم‌افزار ضبط می‌کنند، از فناوری برای مقایسه تلفظ زبان‌آموز با تلفظ استاندارد نرم‌افزار استفاده می‌کنند و تلفظ را به سرعت بهبود می‌بخشند. همه مراحل فوق باید با هوش مصنوعی انجام شود.

مثال دیگر، طبق فرهنگ لغت ویتنامی موسسه زبان‌شناسی که توسط مرحوم پروفسور هوانگ فی ویرایش شده است، واژگان اصلی ویتنامی حدود ۳۴۰۰۰ کلمه دارد. محاسبات نشان می‌دهد که لازم است حدود ۱۰٪ از کلمات به ماشین آموزش داده شود، معادل ۳۴۰۰ کلمه اطلاعات کاربردی، تا ماشین بتواند حدود ۹۰٪ از متون رایج ویتنامی را بخواند. برای به دست آوردن این جدول داده‌ها، دانشیار دین مجبور شد از هوش مصنوعی استفاده کند و سیستم واژگان را در پیکره ویتنامی برچسب‌گذاری کند.

می‌توان گفت که هوش مصنوعی شیوه آموزش و یادگیری را در بخش آموزش تغییر داده است. در واقع، بسیاری از برنامه‌های هوش مصنوعی برای پشتیبانی از فرآیند آموزش و یادگیری و سریع‌تر و مؤثرتر شدن آن متولد شده‌اند.

داستان جالب ترکیب علوم کامپیوتر و زبان‌شناسی که در بالا ذکر شد، نشان می‌دهد که فرآیند آموزش و به‌کارگیری هوش مصنوعی در عمل بسیار ضروری است، اما آسان نیست. داده‌ها باید به لایه‌های شناسایی زیادی تقسیم شوند که در هر لایه، هر متغیر باید با شناسه‌های خاص مختلفی پردازش شود.

وقتی ماشین‌ها زبان یاد می‌گیرند...

هوش مصنوعی نه تنها به انسان‌ها در یادگیری زبان کمک می‌کند، بلکه به سیستم‌هایی که از هوش زبانی پشتیبانی می‌کنند نیز کمک می‌کند تا بهتر عمل کنند. ماشین‌ها هر روز آموزش می‌بینند و بهبود می‌یابند.

مشابه داستان دانشیار دین، در زیر مثال واضح دیگری از چگونگی درک زبان انسان توسط یک دستیار هوشمند آورده شده است.

این فرآیند تحقیق و توسعه دستیار صوتی ویتنامی Kiki در خودروها است تا صداها را با لهجه‌های مختلف منطقه‌ای به خوبی تشخیص دهد. در علوم کامپیوتر، تشخیص صدا شاخه‌ای مهم از هوش مصنوعی (AI) است که صداهای انسان را توسط برنامه‌های کامپیوتری به فرمتی مفید و قابل فهم تبدیل می‌کند. این فناوری پلی بین ماشین‌ها و انسان‌ها است. دستیارهای صوتی به برنامه‌های ضروری در سراسر جهان تبدیل شده‌اند. محبوب‌ترین آنها عبارتند از: سیری اپل، دستیار گوگل، الکسا آمازون یا Kiki در ویتنام.

آقای نگوین هوانگ خان دوی، که اولین خطوط کد را برای کیکی نوشت، اظهار داشت که برای آموزش یک مدل هوش مصنوعی به اندازه کافی هوشمند که بتواند صداها را تشخیص دهد و با اطلاعات صحیح به کاربران پاسخ دهد، داده‌های زبانی نقش کلیدی ایفا می‌کنند.

برای مثال، یک عملکرد بسیار مهم برای کاربران دستیار ویتنامی Kiki در خودروها، ناوبری است. بنابراین، تیم توسعه محصول باید داده‌ها و واژگان را برای پشتیبانی "روان" از دستورات کاربران آماده کند. پس از فرآیند جمع‌آوری داده‌ها و آموزش مدل، شاخصی که کیفیت تشخیص صدا را در نسخه بعدی نشان می‌دهد، در مقایسه با نسخه اصلی، ۴۰ درصد بهبود یافته است.

تشخیص صدا در خودروها تنها به مسائل ناوبری و مکان‌یابی محدود نمی‌شود، بلکه بسیاری از مسائل دیگر را نیز در بر می‌گیرد.

برای مثال، استفاده خاص از Kiki در خودروها مستلزم سر و صدای زیاد موتور، باد یا تجهیزات ترافیکی در جاده است که مستقیماً بر کیفیت تشخیص صدای Kiki در خودرو تأثیر می‌گذارد. بنابراین، تیم Kiki موظف است با صحبت کردن در شرایط پر سر و صدا، با افزایش داده‌ها، سعی در حل شرایط پر سر و صدا داشته باشد تا به بهترین شکل با زندگی واقعی مطابقت داشته باشد.

علاوه بر این، با تکنیک‌های جدید در جهان مانند یادگیری خودنظارتی، کیکی در تلاش است تا حتی از داده‌های بدون برچسب نیز «یاد بگیرد» تا مدل را بیشتر بهبود بخشد. پایداری این دستیار صوتی ویتنامی با آموزش مداوم و ارتقاء محصول در حال بهبود است.

بدیهی است که پیشرفت فناوری هر روز و هر ساعت در حال وقوع است. ChatGPT که در پایان سال 2022 راه‌اندازی شد، تا حدودی به این سوال که کلان‌داده چگونه کار می‌کند، پاسخ داده است. فناوری در حال "ورود" به میانه زندگی است، به خصوص در آموزش، زبان، حوزه‌هایی که قبلاً به شدت به انسان وابسته بودند. هوش مصنوعی نحوه یادگیری، کار، زندگی و... ما را مانند مثال‌های خاص بالا، از نو تعریف می‌کند.

منبع