基于虛擬現實技術的相關語言學習理論與技術支持探究

劉倩影

（山東第一醫科大學，山東泰安 271016）

1 應用虛擬現實技術的語言學習理論基礎和新觀點

認識學習理論把學習者看作是信息加工的主體。語言學家喬姆斯基（Noam Chomsky）認為動物內在存在理解行為：“描述復雜有機體的行為，自然會想到除了需要了解外部刺激之外，還要知道有機體內部結構的知識，以及有機體如何處理信息，怎樣組織其行為等內容。”虛擬現實技術可以為習得者提供相應的外部刺激，這種外部刺激的內容應該建立在習得者本身的知識體系上，其通過接受刺激，處理信息，組織信息，達到一次完整的學習閉環。[1]

構建主義學習理論是學習者利用必要的學習資料通過意義構建的方式學習。認為要充分發揮學生個體的主觀能動性，要求學生能夠用探究、討論等各種不同的方法在頭腦中去主動建構數學知識。利用虛擬現實技術習得漢語，顯然不是一種單向操作，需要充分發揮學生個體的主觀能動性。

語言功能論討論如何用語言做事、進行交際。如韓禮德把語言看作社會符號，是人們有目的地用來在語境中表達意義的資源。在利用虛擬現實技術時，應輸入有意義的語境，而非隨意輸入無意義的片段。

目前有種較新的語言學習理論觀點，即把學習者看作是外界觀察和信息輸入的主體，利用實際的或虛擬實際的客觀載體表達觀點、進行交際。這種觀點總結并更加肯定了認知學習理論、構建主義學習理論、語言功能理論中學習者的主動地位，即人是學習的主體，虛擬現實技術是客觀載體，保證了主觀能動性和積極性，保證了學習的效率和針對性、趣味性。

2 虛擬現實技術相較于其他教育技術在漢語習得中的優勢

2.1 便于梳理漢語使用的情景語境 （也即自然語言環境）

利用虛擬現實技術構建漢語詞匯、語法的認知環境和口語習得場景，使學習者可以獲得語言交際學習中極為重要的兩個要素：“臨境感”“交互性”，便于學習者探索、發現和適應語言環境；能很大程度上體現出真實語境下語言的交際功能（即能表達言外之意），因為語言內容本身和語言所指向的意義有時候并不是一一對應的關系。

2.2 便于建立龐大的云語料庫

通過微軟AI搜索技術等相關技術，根據互聯網實時信息，建立動態的語料庫、信息庫。

2.3 實現理想的漢語學習環境

解決課堂學習中缺乏“臨境感”“交互性”的難題、不能實現自然交互的角色扮演的難題、不能體會漢語龐大復雜的委婉表達和言外之意的難題；實現任何場景下的 “沉浸式學習”（如通過目前的Magic Leep支持）；滿足現實條件下難以實現的或預想中的場景構建和基于此場景的語言學習：如災難演習、太空環境、高級實驗室環境等。

2.4 與虛擬角色進行自然交互

學習者能夠與計算機、“機器人”或通過AR眼鏡（虛擬世界中的交際對象）直接進行包含模擬真實語言反映的“人—機語音對話”（如目前的siri、小愛機器人、小度音響等）；親臨情景之中扮演角色，與虛擬世界中的虛擬角色進行自然交互。

2.5 便于學習者的自主學得

即充分發揮學習者本人的主體作用，學習者能自主根據期望學得的內容，通過各種形式與AI進行學習互動，通過“人工智能老師”的“教學”和人機互動的反復操練，學習者可在這種虛擬現實技術中發現自身問題、得到自主學得的目的，即將虛擬現實技術應用成一臺智能漢語學習機；通過提問或檢索的形式（如利用微軟AI搜索技術支持），可從AI得到相關文化的、政治的、經濟的方方面面的回答或相關知識與觀點，即將虛擬現實技術應用成一種搜索引擎。

2.6 可以滿足特定職業語言學習的需要

特定專業或職業的學習者根據學習者的需要任意創建自己信任的虛擬教師和虛擬學習伙伴、競爭伙伴，自創特定環境、事件與細節，如醫院環境（醫生、病人、器械）、警署環境（警察、犯人、監獄）等等。

2.7 降低情感焦慮、緊張

語言學習中的焦慮主要指學習者需要用外語或第二語言進行表達時所產生的恐懼或不安心理。導致的因素有其自身的因素、外部因素、雙向交流不順暢等因素。利用虛擬現實技術，一方面與學習者對話的不是活生生的人，而是機器，大大降低了因自尊心等原因造成的焦慮和緊張，另一方面也排除了教師的嚴苛要求因素，更能在雙向交流中按照自己的意愿調節交流內容和強度。

3 已較成熟的虛擬現實技術支持與暫未成熟的虛擬現實技術支持

3.1 已較成熟的虛擬現實技術支持

（1）WaveNet：一種原始音頻波形深度生成模型，能夠模仿人類的聲音，生成的原始音頻質量優于目前Google采用的兩種最優文本——語音模型Parameric TTS與 Concatenative TTS。

（2）Tacotron 2：集成了谷歌語音生成兩大技術WaveNet和Tacotron1，通過神經網絡訓練的方式，發揮出當前技術性的極限，在幾乎沒有任何語法專業性問題的情況下將文本轉變為演講。

（3）Magic Leep：增強現實平臺，主要研發方向是將三維圖像投射到人的視野中。

（4）深度學習網絡：深度學習的概念源于人工神經網絡的研究，是機器學習中一種基于對數據進行表征學習的方法，由Hinton等人于2006年提出。[2]深度學習是機器學習研究中的一個新的領域，它模仿人腦的機制來解釋數據。目前PaddlePaddle產品可提供豐富的模型庫，從而可以快速構建強大的應用，滿足各種場景的需求。

（5）自然語言處理技術：自然語言處理技術終極目標是實現一種能夠像個體人一樣進行語言加工的智能機器。至今已形成規則技術和統計技術兩大主流技術、多種輔助技術并存的局面。其發展趨勢是實例技術可能成為主流技術，規則技術和統計技術可能成為輔助技術。[3]現在，自然語言技術已全部轉向深度學習網絡，對話系統也都用到了深度學習網絡。

3.2 未成熟的虛擬現實技術支持

（1）語音感情的表達：根據習得者的輸入，即言語、語言層次和非言語表現，人工智能目前較難及時調整與選擇適當的輸出；根據學習者表達的情緒（如語氣、重音、停頓、強調等）做出判斷，較難給出相應的模擬真實的反應，如控制語音從而表達出開心或憂傷的感情。目前谷歌發布Tacotron 2可支持利用文本生成聽起來比較自然的英文語音，但仍存在很多缺陷。

（2）AI的語義分析：人腦中的許多日常概念通常是模糊概念，這在實踐中反而顯示出較高的效率，這與電腦只能識別精確的語義模式有著本質的區別。[6]在有現成本文語料的情況下，如何最快、最準確地對輸入話語作出語義分析，如何在海量語料中篩選符合此語義分析的相應回答尚需大量研究與實踐。

（3）AI的自主言語生成：自主語言生成靠模擬人的思維，而人的思維過程和規律很難用一種或多種高級語言（軟件）來一一對應描述。在沒有現成本文語料的情況下，或想重新構建語料的情況下，如何拆解語言元素，如何構建一個新型的、適用于虛擬現實技術的漢語語言生成法則，使得AI脫離本地或云文本，利用預先設置的漢語語法程序賦予AI自主選擇詞匯、語法來自主生成有效、可懂、有意義的話語，從而脫離對單純語料庫的依賴等方面尚待研究。

（4）虛擬現實技術對漢語非言語交際手段的理解：非言語交際行為包括言語行為以外的一切由交際者和交際環境所產生的刺激,這些刺激對于交際參與者具有潛在的信息價值,一旦這些刺激被對方感知就產生了實際的交際意義。由于目前沒有漢語非言語交際手段的行為特征庫，因此無法形成程序和產品。

（5）情感計算：即賦予AI像人一樣的觀察、理解和生成各種情感特征的能力，試圖創建一種能感知、識別和理解人的情感，并能針對人的情感做出智能、靈敏、友好反應的計算系統。[4]Peddle的Senta模型是目前最好的中文情感分析模型，其大概可判斷積極、消極、中性情感，但無法識別更復雜的情感。

總之，虛擬現實技術相關的語言習得理論有認識學習理論、構建主義、語言功能論等。虛擬現實技術相較于其他教育技術在漢語習得中有獨特的優勢。目前，市場上有部分已較成熟的虛擬現實技術產品來支持語言對話或學習，但仍有大量的問題暫未能獲得成熟的虛擬現實技術支持。