Science for Education Today, 2024, Т. 14, № 1, С. 184–198
© Ермолова Т. В., Савицкая Н. В., Дедова О. В., Гузова А. В., 2024
УДК: 
304.2+811.93+372.881.1

Возможности искусственного интеллекта в сохранении языкового разнообразия для будущих поколений

Ермолова Т. В. 1 (Москва, Россия), Савицкая Н. В. 1 (Москва, Россия), Дедова О. В. 1 (Москва, Россия), Гузова А. В. 1 (Москва, Россия)
1 Московский государственный психолого-педагогический университет
Полный текст (свободный доступ) — Скачан 96 раз(а)
Аннотация: 

Проблема и цель. Актуальная и не до конца решенная проблема сохранения культурного наследия и языкового разнообразия в мире может получить дополнительные способы решения с помощью современных технологий, в частности активно осваиваемых возможностей искусственного интеллекта.
Цель статьи – анализ полученных к настоящему моменту данных о возможности сохранения языкового разнообразия с помощью искусственного интеллекта и предварительная оценка их эффективности с учетом тенденций к языковым трансформациям, влияющим на само развитие искусственного интеллекта.
Методология. Исследование носит обзорно-аналитический характер и направлено на изучение имеющихся в научной литературе данных о возможностях искусственного интеллекта в деле сохранения языкового разнообразия и существующих ограничениях в случае его применения к редким и исчезающим языкам.
Результаты. Поиск информации по заявленной проблеме показал, что обращение к технологиям искусственного интеллекта как инструменту, способному реализовать задачу сохранения языкового разнообразия, пока остается предметом дискуссии преимущественно в медийной и общественной сферах и крайне скупо представлено в академических научных кругах. В числе вызовов, не связанных напрямую с потенциальными возможностями искусственного интеллекта, упоминается языковая пристрастность многих систем самого искусственного интеллекта, которая коренится в данных используемых для их обучения, что может способствовать дальнейшему закреплению социального и языкового неравенства отдельных этнических групп и создавать сложности в построении образовательных моделей для обучения этим языкам с помощью искусственного интеллекта.
Авторами отмечается, что системы искусственного интеллекта могут быть обучены распознавать и анализировать лингвистические паттерны языков, которые были недостаточно изучены или находятся под угрозой исчезновения, в том числе строить образовательные модели на родном языке для малочисленных этнических групп, рискующих утратить язык общения.
Появляются сведения о возможности искусственного интеллекта воссоздавать утраченные языки. Основной трудностью в использовании искусственного интеллекта для сохранения языкового разнообразия является нехватка данных по многим языкам, редко используемым в медиапространстве или находящимся под угрозой исчезновения.
Заключение. В заключении на основе анализа результатов исследования делается вывод о том, что технологии искусственного интеллекта признаются перспективными для сохранения языкового разнообразия.

Ключевые слова: 

искусственный интеллект; языковое разнообразие; сохранение языков; языковая предвзятость; языковое неравенство; образовательные программы; обработка естественного языка.

Библиографическая ссылка:
Ермолова Т. В., Савицкая Н. В., Дедова О. В., Гузова А. В. Возможности искусственного интеллекта в сохранении языкового разнообразия для будущих поколений // Science for Education Today. – 2024. – № 1. – С. 184–198. DOI: http://dx.doi.org/10.15293/2658-6762.2401.09
Список литературы: 
  1. Белов С. Д., Зрелова Д. П., Зрелов П. В., Кореньков В. В. Обзор методов автоматической обработки текстов на естественном языке // Системный анализ в науке и образовании. – 2020. – № 3. – C. 8–22. DOI: https://doi.org/10.37005/2071-9612-2020-3-8-22  URL: https://elibrary.ru/item.asp?id=44288349
  2. Гойчета Л. И., Климова Д. А., Мазурова Д. А., Семенова А. Р., Позднякова А. А., Пономаренко А. С. Дискриминационная коммуникация или дискриминирующее речевое поведение. (обзор) // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Серия 6: Языкознание. – 2023. – № 1. – С. 41–51. DOI: https://doi.org/10.31249/ling/2023.01.02   URL: https://elibrary.ru/item.asp?id=50082764
  3. Есионова Е. Ю. Искусственный интеллект как альтернативный ресурс для изучения иностранного языка // Гуманитарные и социальные науки. – 2019. – № 3. – С. 155–166. DOI: https://doi.org/10.23683/2070-1403-2019-74-3-155-166   URL: https://elibrary.ru/item.asp?id=39138327
  4. Кармова М. Р., Логина М. В. Роль искусственного интеллекта в вопросе сохранения миноритарных языков (на примере абазинского языка) // Мир науки, культуры, образования. – 2023. – № 4. – С. 251–254. DOI: https://doi.org/10.24412/1991-5497-2023-4101-251-254 URL: https://elibrary.ru/item.asp?id=54504954
  5. Опарина Е. О. Сосуществование языков в условиях глобализации // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Серия 6: Языкознание. – 2020. – № 2. – С. 44–49. URL: https://www.elibrary.ru/item.asp?id=42854769  
  6. Berdasco A., López G., Diaz I., Quesada L., Guerrero L. A. User Experience Comparison of Intelligent Personal Assistants: Alexa, Google Assistant, Siri and Cortana // 13th International Conference on Ubiquitous Computing and Ambient ‪Intelligence UCAmI 2019. – 2019. – Vol. 31 (1). – P. 51. DOI: https://doi.org/10.3390/proceedings2019031051
  7. Beukeboom C. J. Mechanisms of linguistic bias: How words reflect and maintain stereotypic expectancies // Social Cognition and Communication / J. Laszlo, J. Forgas, & O. Vincze (Eds.). – New York, NY: Psychology Press., 2014. – P. 313–330. URL: https://www.taylorfrancis.com/chapters/edit/10.4324/9780203744628-22/mechanisms-linguistic-bias-camiel-beukeboom
  8. Cowls J., Morley J. The 2020 Yearbook of the Digital Ethics Lab // Digital Ethics Lab Yearbook / J. Cowls & J. Morley (Eds.). – Springer International Publishing, 2021. DOI: https://doi.org/10.1007/978-3-030-80083-3  URL: https://philpapers.org/rec/COWTY
  9. Gerrand P. Estimating Linguistic Diversity on the Internet: A Taxonomy to Avoid Pitfalls and Paradoxes // Journal of Computer-Mediated Communication. – 2007. – Vol. 12 (4). – P. 1298–1321. DOI: https://doi.org/10.1111/j.1083-6101.2007.00374.x

10. Kim D., Ruecker D., Kim D.-J. Mobile Assisted Language Learning Experiences // International Journal of Mobile and Blended Learning. – 2017. – Vol. 9 (1). – P. 49–66. DOI: https://doi.org/10.4018/IJMBL.2017010104

11. Lenci A., Padó S. Editorial: Perspectives for natural language processing between AI, linguistics and cognitive science // Frontiers in Artificial Intelligence. – 2022. – Vol. 5. – P. 1059998. DOI: https://doi.org/10.3389/frai.2022.1059998 URL: https://mic.org.ru/phocadownload/yazyk-mpr_2011.pdf

12. Murphy R. F. Artificial Intelligence Applications to Support K–12 Teachers and Teaching: A Review of Promising Applications, Challenges, and Risks // RAND Corporation. – 2019. DOI: https://doi.org/10.7249/PE315 

13. Reagan T. Why language endangerment and language death matter: “Took away our native tongue … And taught their English to our young” // Linguistic Legitimacy and Social Justice. – 2019. – P. 285–314. DOI: https://doi.org/10.1007/978-3-030-10967-7_9

14. Siu S. Ch. ChatGPT and GPT-4 for Professional Translators: Exploring the Potential of Large Language Models in Translation // SRN Electronic Journal. – 2023. DOI: http://dx.doi.org/10.2139/ssrn.4448091 URL: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4448091  

15. Weinstein J. Viewpoint discrimination, hate speech, and political legitimacy: A reply // Constitutional Commentary. – 2017. – Vol. 32. – P. 715. URL: https://constitutionalcommentary.lib.umn.edu/article/viewpoint-discrimination-hate-speech-and-political-legitimacy-a-reply/

16. Yano T., Resnik P., Smith N. A. Shedding (a thousand points of) light on biased language // Proceedings of the ACM on Human-Computer Interaction. – 2010. – Vol. 6. – P. 152–158. DOI: https://doi.org/10.5555/1866696.1866719 URL: https://dl.acm.org/doi/10.5555/1866696.1866719

17. Zhang D. T., Mishra S., Brynjolfsson E., Etchemendy J., Ganguli D., Grosz B., Lyons T., Manyika J., Niebles J. C., Sellitto M., Shoham Y., Clark J., Perrault R. The AI Index 2021 Annual Report. – AI Index Steering Committee, Human-Centered AI Institute, Stanford University, Stanford, CA, March, 2021. – P. 110. DOI: https://doi.org/10.48550/arXiv.2103.06312

Дата публикации 29.02.2024