Будущее языков мира: модели и сценарии искусственного интеллекта (на английском языке)
Филологический факультет

Человек существует в пространстве языка. В языке сохраняются модели поведения, историческая память народа, который говорит на этом языке, формы осознания человеком самого себя среди других народов, говорящих на своих языках. На родном языке человек строит планы на будущее, через родной язык одно поколение передает последующим поколениям свою мораль, взгляды на жизнь, основы безопасности существования и модели мышления. В национальных литературах запечатлены наилучшие модели мира народа, говорящего на этом языке, и способы познания человеком мира и самого себя.

По мере расширения международного и межкультурного общения возникала потребность выработки средства коммуникации, которое эффективно охватывало бы основные сферы общения между людьми. В разные периоды человеческой истории эту функцию выполняли то латынь, которая использовалась для целей научного и академического общения, то английский, то русский, испанский, китайский, арабский и другие языки мира. Но с уменьшением роли и влияния народов, являвшихся носителями этих языков – неизбежно снижалось влияние и самого этого языка. Но жизнь языка международного общения неизбежно оставляла на нем свои следы. Эти языки обогащались новой лексикой, упрощались орфография, грамматические конструкции, синтаксис. На языках международного общения даже возникала непереводная мировая литература – романы, новеллы, рассказы, авторы которых с легкостью и изяществом писали о важных вещах на не родном для себя языке.

В XXI веке возникла новая сущность – язык искусственного интеллекта. ИИ научился самостоятельно осваивать языки, строить на них речевых конструкции, создавать тексты, писать сценарии фильмов, успешно переводить тексты на другие иностранные языки, разрабатывать философии и стратегии, создавать учебные пособия и тестировать обучающихся на предмет знания ими основных понятий данного языка и культуры. ИИ оперся на огромные базы данных, включающие в себя сотни тысяч текстов и образцов устной речи и научился развиваться в лингвистическом плане, благодаря новым технологиям работы с живой человеческой речью – различным видам искусственных нейронов и нейросетей. Смыслопорождение перестало быть прерогативой только человека. Человечество уверенно вошло в абсолютно новое, доселе неизведанное для него пространство существования и самой жизни, в которой сфера принятия решений стала активно передаваться «нечеловеческим сущностям» - ИИ, которые часто «мыслят» по-своему, «рассуждают» по-своему и принимают решения на основе не вполне понятных для человека когнитивных моделей.

Язык искусственного интеллекта, внешне напоминающий человеческий, стал самостоятельной сущностью и имеет все основания начать развиваться по-своему, вытесняя из сферы профессионального функционирования естественные человеческие языки. Естественное развитие малых языков и языков различных народов мира сегодня упирается в новые «заборы», возведенные ИИ, которых ранее никогда не было.

Воспользовавшись оружием «самого противника» - мы обратились к нейросети с вопросами о будущем развития национальных языков, снабдили ИИ всеми необходимыми данными об истории развития языков и о процессах, которые происходят в человеческом обществе и сопоставили строго лингвистический взгляд на развитие языков с теми моделями, которые строит для нас особым образом «проинформированный» и «обученный» ИИ.

Ключевой вопрос курса: сохранятся ли в контексте современной цивилизации основные существующие языки народов мира и если да, то в какой форме и кто и что станет передатчиком уникального человеческого опыта, мудрости и знаний народов мира последующим поколениям – человек или ИИ?

В рамках курса будут рассмотрены различные виды верификационных тестов для подтверждения оригинальности и «человечности» текстов, генерируемые большими языковыми моделям, включая Тест Тюринга, который является одним из наиболее известных методов для оценки искусственного интеллекта, включая его способность генерировать текст. Будут рассмотрены и проанализированы и другие методы и тесты для верификации достоверности и качества текста, созданного машинами:

BLEU Score (Bilingual Evaluation Understudy): Используется в машинном переводе для оценки качества переведенного текста по сравнению с эталонным переводом.

ROUGE Score (Recall-Oriented Understudy for Gisting Evaluation): Используется для оценки качества автоматических рефератов текста.

METEOR (Metric for Evaluation of Translation with Explicit ORdering): Еще один метод для оценки качества машинного перевода, который учитывает синонимы, стемминг и другие факторы.

GPT (Generative Pre-trained Transformer) Metrics: Для моделей на базе GPT, таких как GPT-2 или GPT-3, существуют специфические метрики, которые оценивают качество и достоверность сгенерированного текста.

Manual Evaluation: Экспертная оценка человеком, который анализирует текст на предмет его качества, логичности и достоверности.

A/B Testing: Сравнение двух или более версий текста для определения, какая из них лучше с точки зрения определенных метрик (например, уровень вовлеченности пользователей).