人工智能技術(shù)在語言學(xué)習(xí)中的應(yīng)用與挑戰(zhàn)

摘? 要：在人工智能技術(shù)正在被廣泛且深入使用的領(lǐng)域當(dāng)中，教育科技中的語言學(xué)習(xí)領(lǐng)域，無疑是最受關(guān)注且最被期待發(fā)生革命性變革的領(lǐng)域之一。諸多具有代表性的人工智能技術(shù)，如語音識(shí)別、語義分析、機(jī)器翻譯、人機(jī)交互，以及自適應(yīng)學(xué)習(xí)等，正在越來越普遍地被應(yīng)用到語言學(xué)習(xí)的過程中去，并在不斷地證明著其自身所具備的變革力量和商業(yè)價(jià)值。

關(guān)鍵詞：人工智能;語言學(xué)習(xí);語音識(shí)別

中圖分類號(hào)：TP18? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2019）19-0109-02

Abstract：In the field where artificial intelligence technology is being widely and deeply used，the field of language learning in educational technology track is undoubtedly one of the most concerned and most anticipated areas of revolutionary change. Many representative artificial intelligence technologies，such as speech recognition，semantic analysis，machine translation，human-computer interaction，and adaptive learning，are increasingly being applied to the process of language learning and constantly prove its own power of change and business value.

Keywords：artificial intelligence;language learning;speech recognition

0? 引? 言

在人工智能技術(shù)被越來越多地應(yīng)用到教育領(lǐng)域的同時(shí)，一些挑戰(zhàn)也隨之而生。比如，教學(xué)產(chǎn)品對(duì)單一技術(shù)過分依賴、智能化教學(xué)過程中缺少必要的教學(xué)專家參與等。本文將通過技術(shù)說明與實(shí)際案例相結(jié)合的方式，闡述如何科學(xué)地在語言學(xué)習(xí)領(lǐng)域應(yīng)用人工智能技術(shù)，并有效地應(yīng)對(duì)、化解人工智能技術(shù)所帶來的挑戰(zhàn)。

1? 語言學(xué)習(xí)過程中語音識(shí)別技術(shù)的應(yīng)用方式

也許是因?yàn)閼?yīng)用場(chǎng)景較為廣泛，或因?yàn)楣雀琛俣?、科大訊飛等成熟科技公司的投入，語音識(shí)別技術(shù)經(jīng)常會(huì)成為人們想到的人工智能技術(shù)概念。在語言學(xué)習(xí)過程中，語音識(shí)別技術(shù)確實(shí)被應(yīng)用于大量的具體場(chǎng)景?？扇绻麑?duì)語音識(shí)別技術(shù)的作用和價(jià)值理解不夠準(zhǔn)確，甚至期待依靠語音識(shí)別技術(shù)可以解決語言學(xué)習(xí)智能化的挑戰(zhàn)，就會(huì)有失偏頗。

首先，語音識(shí)別的關(guān)鍵在于識(shí)別。無論具有多高的識(shí)別度與準(zhǔn)確性，終極目的是將學(xué)習(xí)者所講的內(nèi)容識(shí)別出來，并顯示出具體文字。但這一功能和過程，嚴(yán)格來講并不具備教學(xué)性。也就是說，識(shí)別的結(jié)果只是單純的文字結(jié)果，還未涉及如何提升所講內(nèi)容的質(zhì)量這件真正重要的事情。其次，對(duì)于語言學(xué)習(xí)者而言，其要求的效果和價(jià)值遠(yuǎn)大于常規(guī)的翻譯工具。這就意味著，即使能夠?qū)崿F(xiàn)100%的識(shí)別準(zhǔn)確度（目前無論是學(xué)術(shù)界還是工業(yè)界都均未達(dá)到），充其量能夠?qū)崿F(xiàn)快速準(zhǔn)確的翻譯或呈現(xiàn)，并不能給學(xué)習(xí)者提供學(xué)習(xí)和提高的方法和建議。所以，過分依靠語音識(shí)別技術(shù)，甚至認(rèn)為語音識(shí)別等價(jià)于智能化語言學(xué)習(xí)，是一個(gè)局限性的錯(cuò)誤。

那么語音識(shí)別技術(shù)該怎樣恰當(dāng)?shù)貞?yīng)用在智能化的語言學(xué)習(xí)過程中呢？正如前文所述，關(guān)鍵在于能否提供應(yīng)用和處理識(shí)別結(jié)果的可能性。所以，當(dāng)需要對(duì)語言學(xué)習(xí)者的口語進(jìn)行評(píng)價(jià)、分析、建議及反饋時(shí)，語音識(shí)別就成為第一項(xiàng)被應(yīng)用的人工智能技術(shù)。通常，為了提升語境相對(duì)封閉以及定義較規(guī)范的內(nèi)容范疇時(shí)，我們?cè)谀Ｐ椭型ㄟ^增加特定詞句的數(shù)據(jù)集和訓(xùn)練量，提升特定詞句的識(shí)別準(zhǔn)確度。這樣一來，有了更加準(zhǔn)確的文本（識(shí)別結(jié)果），后續(xù)的評(píng)價(jià)、分析、建議及反饋等過程，可以更加獨(dú)立、完整，和充分地進(jìn)行。

2? 應(yīng)用技術(shù)組合攻克自動(dòng)化評(píng)分難題

自動(dòng)化評(píng)分一直是智能化語言學(xué)習(xí)進(jìn)化路上的一個(gè)重要挑戰(zhàn)。一來，自動(dòng)化評(píng)分可以通過降低人為情感因素提升評(píng)分的客觀性和準(zhǔn)確度。二來，通過自動(dòng)化評(píng)分，可以大大解放教師的生產(chǎn)力，讓教師去做更具創(chuàng)造性的教學(xué)工作。然而一個(gè)高效、準(zhǔn)確、完整的自動(dòng)化評(píng)分過程的實(shí)現(xiàn)并不容易，需要多項(xiàng)技術(shù)的組合應(yīng)用才能實(shí)現(xiàn)。

為了更好地探討和呈現(xiàn)這個(gè)問題，我們不妨將討論封閉到一個(gè)有邊界的具體問題中，用英語口語考試評(píng)分作為具體場(chǎng)景的例子來說明。如果我們需要對(duì)學(xué)習(xí)者的英語口語表達(dá)進(jìn)行評(píng)分，很顯然，這涉及到發(fā)音、語調(diào)、語法、詞匯、內(nèi)容邏輯、細(xì)節(jié)展開等諸多維度。完成這樣一個(gè)挑戰(zhàn)需要教學(xué)和研發(fā)團(tuán)隊(duì)對(duì)目標(biāo)有深度的理解以及構(gòu)建多維度的算法，需要非常扎實(shí)的積累。

我們用普遍認(rèn)知中最具挑戰(zhàn)性的一個(gè)維度——內(nèi)容邏輯，作為演示技術(shù)組合的示范。對(duì)內(nèi)容邏輯的評(píng)分，我們至少需要讓算法跑完三個(gè)關(guān)鍵環(huán)節(jié)：（1）識(shí)別內(nèi)容;（2）語義比照/呈現(xiàn);（3）分?jǐn)?shù)計(jì)算。其中，至少應(yīng)用了三項(xiàng)人工智能技術(shù)：（1）語音識(shí)別;（2）語音分析;（3）權(quán)重計(jì)算。根據(jù)前文對(duì)語音識(shí)別技術(shù)的解釋和說明，我們可以根據(jù)學(xué)習(xí)者所面對(duì)的學(xué)習(xí)內(nèi)容，加強(qiáng)對(duì)于重點(diǎn)詞、句、篇章的識(shí)別訓(xùn)練，從而將第一關(guān)鍵環(huán)節(jié)——識(shí)別內(nèi)容的準(zhǔn)確度大幅提升。

假設(shè)學(xué)習(xí)者的目標(biāo)是表達(dá)一句話，而根據(jù)標(biāo)準(zhǔn)及要求，這句話有五種地道表達(dá)方式（高分）、三種普通表達(dá)方式（中等分?jǐn)?shù)），以及兩種錯(cuò)誤表達(dá)方式（低分）。一方面需要將所學(xué)內(nèi)容的標(biāo)準(zhǔn)及要求全部錄入算法，另一方面也要考慮到特殊情況，如，學(xué)習(xí)者講出了高分質(zhì)量的表達(dá)方式，但未被收錄進(jìn)所學(xué)內(nèi)容的標(biāo)準(zhǔn)及要求中，在這種情況下也要盡可能給出公允的評(píng)分。

例如，如果根據(jù)所學(xué)內(nèi)容的標(biāo)準(zhǔn)及要求，按照Teacher Forcing的程序邏輯，只能評(píng)價(jià)與Ground Truth完全對(duì)應(yīng)的表達(dá)輸出，這就會(huì)扼殺表達(dá)的多樣性，導(dǎo)致評(píng)分不準(zhǔn)確。所以，我們需要通過提升評(píng)分算法訓(xùn)練框架的延展性，增加可接受表達(dá)的理解力和包含度，甚至通過工程學(xué)的角度和方式方法，增加可接受表達(dá)的數(shù)據(jù)集，盡可能讓智能化評(píng)分更接近人類智能。

最后一個(gè)關(guān)鍵環(huán)節(jié)，就是在識(shí)別和內(nèi)容處理都結(jié)束后，對(duì)于表達(dá)的評(píng)價(jià)其實(shí)是特別依賴教學(xué)經(jīng)驗(yàn)的強(qiáng)干預(yù)和強(qiáng)介入的。比如，一句話的識(shí)別結(jié)果是A+B+C+D，而最高分表達(dá)的標(biāo)準(zhǔn)是A+B+C+E。那么，E被誤講成了D需要扣多少分、由此定位出的學(xué)習(xí)問題、給出的相應(yīng)提升建議，這都需要依賴教學(xué)專家的經(jīng)驗(yàn)。這些具體的教學(xué)評(píng)價(jià)系數(shù)是十分重要的算法參數(shù)。并且，此類參數(shù)是無法單純地由數(shù)據(jù)科學(xué)家、算法工程師獨(dú)立完成的。所以，即使智能化學(xué)習(xí)迅速發(fā)展的今天，我們依然必須重視教學(xué)專家經(jīng)驗(yàn)與智能算法和工程的結(jié)合，專家經(jīng)驗(yàn)就是算法中的重要參數(shù)。

所以，當(dāng)我們能夠處理并組合好內(nèi)容識(shí)別、語義處理、以及專家經(jīng)驗(yàn)的時(shí)候，一項(xiàng)口語評(píng)分的算法構(gòu)建才算真正完成。至少目前看，如此的技術(shù)組合才是攻克智能學(xué)習(xí)挑戰(zhàn)的不二法門。

3? 未來變革語言學(xué)習(xí)的新技術(shù)的應(yīng)用

上文提及并描述的人工智能技術(shù)或多或少都隸屬于NLP（自然語言處理）范疇。隨著人工智能技術(shù)在未來井噴式的發(fā)展和進(jìn)化，以及教學(xué)者對(duì)于語言學(xué)習(xí)本質(zhì)的進(jìn)一步定位和提煉，更多NLP范疇外的新技術(shù)將逐步進(jìn)入智能語言學(xué)習(xí)領(lǐng)域，進(jìn)而帶來更加革命性的學(xué)習(xí)效果和體驗(yàn)。

我們將人臉識(shí)別和圖像合成技術(shù)作為新技術(shù)的代表，來探究究竟在語言學(xué)習(xí)領(lǐng)域會(huì)有怎樣的新應(yīng)用。

發(fā)音一直是所有語言學(xué)習(xí)者非常重視的維度。畢竟標(biāo)準(zhǔn)的發(fā)音會(huì)給整體的語言能力表現(xiàn)大大加分。目前的技術(shù)應(yīng)用和教學(xué)重點(diǎn)基本都著重在糾音、辨音的階段和環(huán)節(jié)，對(duì)于學(xué)習(xí)者發(fā)音中的問題，已經(jīng)有成熟的技術(shù)可以將發(fā)音識(shí)別精確到音標(biāo)音節(jié)。學(xué)習(xí)者在感嘆自己的發(fā)音被如此細(xì)致的剖析的同時(shí)，不免會(huì)覺得，在了解問題所在之后，并沒有得到有效、可行的提升方法。導(dǎo)致從前的錯(cuò)誤和迷茫沒有得到有效的解決。

而當(dāng)仔細(xì)觀察發(fā)音的本質(zhì)時(shí)，會(huì)發(fā)現(xiàn)決定發(fā)音是否準(zhǔn)確的關(guān)鍵問題，是學(xué)習(xí)者是否通過口腔和口型表現(xiàn)正確的生理動(dòng)作。所以，糾正發(fā)音其實(shí)并不應(yīng)該只從聲音維度進(jìn)行，而是應(yīng)該更加重視語言學(xué)習(xí)者在試圖發(fā)出某個(gè)音時(shí)，其動(dòng)作是否到位和準(zhǔn)確。這時(shí)，需要使用人臉識(shí)別與圖像識(shí)別技術(shù)，具體來說，人臉識(shí)別與圖像識(shí)別技術(shù)可以通過將學(xué)習(xí)者的口型動(dòng)作與標(biāo)準(zhǔn)發(fā)音的口型動(dòng)作進(jìn)行對(duì)比，從而清晰、生動(dòng)地展現(xiàn)出學(xué)習(xí)者的口型動(dòng)作與標(biāo)準(zhǔn)動(dòng)作的差異，而當(dāng)學(xué)習(xí)者的口型動(dòng)作與標(biāo)準(zhǔn)動(dòng)作完全在圖像上吻合時(shí)，其發(fā)音自然就會(huì)變得標(biāo)準(zhǔn)、準(zhǔn)確。筆者堅(jiān)信，人臉識(shí)別與圖像識(shí)別技術(shù)將會(huì)是未來語言學(xué)習(xí)中提升口語發(fā)音非常重要技術(shù)。

除了發(fā)音，可持續(xù)的學(xué)習(xí)興趣更是所有語言學(xué)習(xí)者所面對(duì)的難題。學(xué)習(xí)者經(jīng)常會(huì)產(chǎn)生這樣的想法：如果有一個(gè)我特別喜歡的人或者老師給我上課，我就會(huì)更容易完成課程、提高學(xué)習(xí)效率，獲得好的學(xué)習(xí)效果。甚至有人想象，如果自己的偶像，比如美國(guó)總統(tǒng)、電影明星、流行歌手可以成為自己的語言學(xué)習(xí)老師，自己就會(huì)全情投入地學(xué)習(xí)了。而如今，人臉合成技術(shù)讓這樣一個(gè)夢(mèng)想成為現(xiàn)實(shí)。人臉合成技術(shù)完全可以實(shí)現(xiàn)對(duì)一個(gè)人的面部動(dòng)作進(jìn)行編譯，從而讓這個(gè)人在學(xué)習(xí)者面前講述其需要的內(nèi)容。讓自己的偶像成為自己的語言老師將不再只是幻想，而是一項(xiàng)可定制、可普及的語言學(xué)習(xí)技術(shù)。

4? 結(jié)? 論

當(dāng)語言學(xué)習(xí)領(lǐng)域的創(chuàng)新者與變革者能夠更加準(zhǔn)確地洞察技術(shù)的創(chuàng)新能力與合理邊界，并對(duì)語言學(xué)習(xí)領(lǐng)域有更加本質(zhì)化的認(rèn)識(shí)和理解后，一定會(huì)有更多創(chuàng)新者與創(chuàng)新型團(tuán)隊(duì)可以更加科學(xué)地應(yīng)用人工智能技術(shù)、更加高效地實(shí)現(xiàn)技術(shù)組合。在未來，也就會(huì)有更多更加強(qiáng)大的基于新技術(shù)的新應(yīng)用，讓語言學(xué)習(xí)變得更加智能、更加高效。

參考文獻(xiàn)：

[1] 李春琳.人工智能在外語教學(xué)中的應(yīng)用及研究熱點(diǎn) [J].中國(guó)教育信息化，2019（6）：29-32.

[2] 陳堅(jiān)林，賈振霞.大數(shù)據(jù)時(shí)代的信息化外語學(xué)習(xí)方式探索研究 [J].外語電化教學(xué)，2017（4）：3-8+16.

作者簡(jiǎn)介：那天（1987.12-），男，漢族，遼寧沈陽人，公司創(chuàng)始人，CEO，碩士研究生，研究方向：人工智能、語言學(xué)習(xí)。