К вопросу о моделировании процесса понимания текста с помощью систем искусственного интеллекта
https://doi.org/10.21869/2223-1560-2023-27-4-98-116
Аннотация
Целью исследования является проведение сопоставительного анализа текстов, сгенерированных системой искусственного интеллекта в процессе обработки исходного текста на естественном языке, и встречных текстов, являющихся результатом понимания человеком исходного художественного текста.
Методы. Для проведения сопоставительного анализа денотатных структур встречных текстов автором была применена экспериментальная методика. Участники эксперимента (7 студентов 4 курса факультета дополнительного образования «Переводчик в сфере профкоммуникации», 3 доцента кафедры иностранных языков ЮЗГУ) оценивали 10 встречных текстов разной природы – сгенерированные ИИ и человеком на предмет успешности воссоздания смысловой структуры текста.
Результаты эксперимента свидетельствуют в пользу того, что полнота смыслового содержания сгенерированного текста не зависит от структуры исходного текста. Современные методы семантической обработки текста ИИ системой делают возможным получение на выходе полноценных текстовых произведений, созданных с учётом правил и норм естественного языка. ИИ системы успешно воссоздают денотатную структуру текста и реконструируют синтаксическую структуру.
Заключение. Доступ к большим базам данных позволяет обучать нейронную сеть на больших корпусах текстов, что отражается на повышении точности и вариативности используемых лексических единиц и конструктов. Точность передачи смыслового содержания текста варьируется. Она зависит от степени сжатия текста – чем она выше, тем меньше может быть точность, т.к. нейронная сеть не в состоянии классифицировать денотатные связи на предмет значимости для основного смысла. Степень точности передачи смыслового содержания определяется успешностью / неуспешностью понимания глубинного скрытого смысла, которые обусловлены пониманием лингвистического и экстралингвистического контекста. Способность опознать модель ситуации, воссоздаваемую в исходном тексте, является залогом понимания скрытого смысла. ИИ система может довольно корректно и точно воссоздать поверхностную денотатную структуру текста, но на данном этапе развития не способна конструировать модель ситуации.
Об авторе
Т. В. КружилинаРоссия
Кружилина Татьяна Владиславовна, кандидат филологических наук, доцент, доцент кафедры иностранных языков
ул. 50 лет Октября, д. 94, г. Курск 305040
Researcher ID: 738898
Список литературы
1. Горбачевская Е.Н., Краснов С.С. История развития нейронных сетей. URL: http://cyberleninka.ru/article/n/istoriya-razvitiya-neyronnyh-setey.
2. Mikolov T. et. al. Efficient Estimation of Word Representations in Vector Space, arxiv.org. URL: http://arxiv.org/pdf/1301.3781.pdf.
3. Бобырь М. В. Обучение нейро-нечетких систем. М.: АРГАМАК-МЕДИА, 2017. 240 с.
4. Велихов П.Е. Машинное обучение для понимания естественного языка // Открытые Системы.СУБД. 2016. № 1. С.18–21. URL: https://www.osp.ru/os/2016/01/13048649.
5. Ананьев Б.Г. Психология чувственного познания. М.: Изд-во Акад. пед. наук РСФСР, 1960. 486 с
6. Блонский П.П. Память и мышление. М.: URSS: ЛЕНАНД, 2017. 204 с.
7. Бородай С. Ю. Язык и познание: Введение в пострелятивизм. М., 2019. 800 с.
8. Выготский Л. С. Мышление и речь. СПб.: Питер, 2019. 431 с.
9. Залевская А.А. Введение в психолингвистику. М.: РГГУ, 2007. 559 с.
10. Соколов А. Н. Внутренняя речь и мышление. М.: URSS, 2007. 248 с.
11. Мягкова Е.Ю. Навык чтения и проблемы понимания текста // Языковое бытие человека и этноса. Вып. 20. Материалы XV Березинских чтений. М.: ИНИОН РАН, 2018. С. 83–95.
12. Мягкова Е. Ю. Язык - эмоции - сознание - культура в теории А. Дамасио // Вопросы психолингвистики. 2022. № 4(54). С. 72-85. DOI 10.30982/2077-5911-2022-54-4-72-85.
13. Кружилина Т.В. Понимание текста в онтогенезе. Курск: Юго-Западный государственный университет, 2016. 152 с.
14. Кружилина Т. В. Факторы, определяющие особенности речевого развития у детей // Известия Юго-Западного государственного университета. 2012. № 4–1(43). С. 216–219.
15. Белянин В.П. Психолингвистика. М.: Флинта, 2013. 416 с.
16. Manning Ch. Computational linguistics and deep learning. Computational Linguistics, 2016. URL: http://www.mitpressjournals.org/doi/full/10.1162/COLI_a_00239#.WQH8MBhh2qA.
17. Иш- Кишор С. Свидание с любовью. URL: http://sacralis.com/biblioteka/proza/2605svidanie_s_lubovju.html?ysclid=ls0tcuhl7u170031708.
18. Новиков А.И. Семантика текста и ее формализация. М.: Наука, 1983. 215 с
19. Жинкин Н.И. О кодовых переходах во внутренней речи. М.: Культура, Акад. Проект, 2006. С. 251– 263.
20. Звягинцева В.В. Обращение в английском семейном дискурсе (экспериментальное исследование) // Известия Юго-Западного государственного университета. Серия: Лингвистика и педагогика. 2012. № 2. С. 48–51.
Рецензия
Для цитирования:
Кружилина Т.В. К вопросу о моделировании процесса понимания текста с помощью систем искусственного интеллекта. Известия Юго-Западного государственного университета. 2023;27(4):98-116. https://doi.org/10.21869/2223-1560-2023-27-4-98-116
For citation:
Kruzhilina T.V. On Text Understanding Modeling by Means of Artificial Intelligence Systems. Proceedings of the Southwest State University. 2023;27(4):98-116. (In Russ.) https://doi.org/10.21869/2223-1560-2023-27-4-98-116