CC BY
58
https://arxiv.org/abs/1609.08144 (дата обращения: 01.01.2020).
9. Xu, G. Online IS education for the 21st century / G. Xu, W. Hu, S. Kruck // Journal of Information Systems Education. - 2019. - Т. 25, № 2. - С. 101-106.
REFERENCES
1. Barashko, E.N. and Khraptsov, D.A. (2018), "Modern Machine Transfer Systems", Actual problems of the development of the natural and technical sciences: materials of the international scientific-practical conference, Novosibirsk, pp. 5-11.
2. Zhiltsov, A.A. and Yolkina, N.V. (2017), "Neural Machine Translation of Rare Words By Means Of Subwords", Scientific, technical and engineering developments as the basis for solving modern environmental problems: collection of materials of the Anniversary seventieth All-Russian scientific and technical conference of students, undergraduates and graduate students with international participation. In 3 parts, Yaroslavl, Part 3, pp. 21-24.
3. Safina D.R. and Kamaev, R. (2017), "The use of artificial neural networks in modern machine translation", Information technology in the research space of different structural languages: conference proceedings, Kazan, pp. 70-72.
4. Chernigovskaya, T.V. (2007), "Language, brain and computer metaphor", Man, No. 2, pp.
63-75.
5. Shankin, A.A. (2019), "PROMT Machine Transfer Systems", Russia in the World: Problems and Prospects for the Development of International Cooperation in the Humanitarian and Social Spheres: materials of the VI International Scientific and Practical Conference, Moscow, Penza, pp. 267-277.
6. Yanbekova, G.B., Galimzyanova, Z.V. and Sitdikova, F.B. (2018), "Evolution of Machine Translation", Scientific Revolutions: Essence And Role In The Development Of Science And Technology: collection of articles following the results of the International scientific-practical conference, Ufa, pp. 53-58.
7. Brynjolfsson, E., Hui, X. and Liu, M. (2019), "Does machine translation affect international trade? Evidence from a large digital platform", Management Science, Vol. 65 (12), pp. 5449-5460.
8. Wu, Y., Schuster, M., Chen, Z. et. Al. (2016), Google's neural machine translation system: Bridging the gap between human and machine translation, arXiv, available at: https://arxiv. org/abs/1609.08144.
9. Xu, G., He, W. and Kruck, S.E. (2019), "Online IS education for the 21st century", Journal of Information Systems Education, Vol, 25, No. 2, pp. 101-106.
Контактная информация: VVKotenko@fa.ru
Статья поступила в редакцию 20.04.2020
УДК 372.881.1
ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА НАЧАЛЬНОМ ЭТАПЕ ИЗУЧЕНИЯ ИНОСТРАННОГО ЯЗЫКА В НЕЯЗЫКОВОМ ВУЗЕ
Владимир Викторович Котенко, старший преподаватель, Финансовый университет при Правительстве РФ, Москва; Никита Олегович Луценко, кандидат политических наук, старший преподаватель, Московский государственный университет имени
М.В. Ломоносова
Аннотация
Искусственный интеллект широко применяется в различных сферах человеческой жизни: финансовой, экономической, коммуникационной и т.д. Одним из наиболее перспективных направлений является внедрение решений в программы обучения иностранному языку. Цель исследования заключается в том, чтобы выявить перспективы внедрения решений на основе искусственного интеллекта в нескольких практических областях: распознавании речи, менеджменте знаний, автоматическом переводе текстов, создании электронных словарей, оптическом распознавании символов, а также использования этих технологий при разработке программ для обучения иностранным языкам на неязыковых специальностях. Методика и организация исследования: проанализированы подходы зарубежных и российских исследователей к применимости решений на основе искус-
ственного интеллекта в указанных областях, а также определяется эффективность и степень развития существующих решений.
Выводы: решения с применением искусственного интеллекта обладают значительным потенциалом для преподавания иностранных языков на неязыковых специальностях в российских вузах.
Ключевые слова: неязыковой бакалавриат, искусственный интеллект, распознавание речи, автоматический перевод, электронные словари, менеджмент знаний.
DOI: 10.34835/issn.2308-1961.2020.4.p231-235
PROSPECTS FOR APPLICATION OF ARTIFICIAL INTELLIGENCE
TECHNOLOGIES IN LINGUISTICS AT INITIAL STAGE OF LEARNING
Vladimir Viktorovich Kotenko, the senior teacher, Financial University under the Government of the Russian Federation, Moscow; Nikita Olegovich Lutsenko, the candidate ofpolitical sciences, senior teacher, Lomonosov Moscow State University
Abstract
Artificial intelligence is widely used in various areas of human life: the financial, economic, communication, etc. One of the most promising areas is the implementation of the solutions in teaching of the foreign languages. The purpose of the study is to identify the prospects for implementing solutions based on artificial intelligence in five practical areas: the speech recognition, knowledge management, automatic translation of texts, creation of electronic dictionaries, optical character recognition, use of the solutions in teaching foreign languages. Methodology and organization of the research: the approaches of foreign and Russian researchers to the applicability of solutions based on artificial intelligence in these areas are analyzed, and the effectiveness and degree of development of existing solutions is determined.
Conclusions: artificial intelligence solutions have significant potential for teaching foreign languages in non-linguistic specialties in Russian universities.
Keywords: artificial intelligence, speech recognition, automatic translation, electronic dictionaries, knowledge management.
Современные направления применения искусственного интеллекта в лингвистике представлены машинным обучением, статистическим распознаванием образов, а также его использованием в различных аспектах перевода и составления словарей.
Перспективность использований технологий ИИ подтверждается тем, что они были признаны ключевым технологическим трендом 2018 года, а объем глобальных инвестиций в эти технологии и продукты на их основе превышает 1 млрд долларов. По прогнозам Frost&Sullivan, к 2022 году рынок искусственного интеллекта вырастет до 10 млрд долларов за счет применения технологий машинного обучения и распознавания естественного языка в рекламе, розничной торговле, финансах и здравоохранении. Объем рынка обработки естественного языка (NLP) и продуктов на его основе оценивается аналитиками в 40 млрд долларов к 2025 году [7].
При этом обработка естественного языка с использованием технологий искусственного интеллекта осложнена несколькими факторами: для глубокого анализа представляется необходимым внедрять системы когнитивных вычислений. Эти системы могут воспроизводить человеческое восприятие текста, в связи с чем они используются для решения различных задач [1]. Успешность применения искусственного интеллекта, как отмечают исследователи, будет зависеть прежде всего от инструментов языковой интерпретации и программной логики для точного понимания текста.
Применение искусственного интеллекта, нейронных сетей, глубокого обучения, позволяет предположить, что современные инструменты могут анализировать человеческий язык, просто обрабатывая большие данные. Инструменты обработки естественного языка, напротив, решают целый ряд языковых проблем, которые могут возникнуть, когда предпринимаются попытки перейти от поверхностного уровня анализа слов к более высокому уровню распознавания текста. До настоящего времени статистические подходы к
анализу на уровне предложений приводили к разумным результатам, которые, однако, учитывают только синтаксическую структуру. Возможность моделировать лингвистические явления, повторяющиеся на уровне дискурса или текста, скорее относится к долгосрочной перспективе [2].
Кроме того, стоит отметить потенциальную роль искусственного интеллекта в управлении знаниями, или менеджменте знаний, то есть, систематических процессах по созданию, сохранению, распределению и применению интеллектуального капитала. Применение таких разработок важно, поскольку ключевой целью менеджмента знаний является создание самообучающихся организаций и даже государств, что также является важнейшим направлением совершенствования искусственного интеллекта [10].
При этом, как отмечает Ю.Ю. Петрунин, использование решений на основе ИИ зачастую неэффективно, поскольку при отсутствии изменений в организационной структуре предприятия результат внедрения дорогостоящих систем управления знаниями оказывается нулевым или отрицательным. По мнению исследователя, наиболее перспективным направлением является анализ больших данных (Big Data), так как эта технология обрабатывает машиночитаемые данные и позволяет формировать выводы [4].
Стоит отметить, что качество машинного перевода с применением искусственного интеллекта значительно улучшилось. Также перспективным направлением применения искусственного интеллекта является компьютерная лексикография, которая набирает темпы развития, прежде всего в следующих аспектах: составление словарей, адаптация достижений технологии распознавания естественного языка, составление электронных версий книжных словарей [3]. Самым частым и перспективным из них является адаптация аналоговой версии к электронному формату, которая включает в себя следующие этапы: составление словарного ресурса, составление корпуса примеров, написание статей, копирование их в информационную базу, корректура текста словаря. По мнению исследователя, применение технологий искусственного интеллекта и распознавания естественного языка является достаточно перспективным в данной области.
Оптическое распознавание символов (OCR) широко использовалось уже в 1990-х гг. Платформы OCR чаще всего используются для преобразования рукописного или печатного текста в машинный код, чтобы его можно обрабатывать на компьютере. Качество распознавания текста постоянно улучшается с момента разработки этих технологий. На данном этапе активно применяются инструменты, основанные на искусственном интеллекте, чтобы повысить эффективность символов [9].
Точность распознавания зависит от качества оригинального документа. Для печатного текста большинство платформ поддерживают точность 98 или 99%. В общем плане проблема применения ИИ состоит из двух основных компонентов: поиск текста и распознавание слов. Для начала необходимо обнаружить сам текст (отдельные слова или строки). Задача заключается в том, чтобы выделить необходимый участок прямоугольником, при этом объединяя символы в слова.
При традиционном оптическом распознавании единственным вариантом повышения надежности сканирования является возможность вручную оценивать и отслеживать результаты. Решения на основе ИИ могут делать это автоматически, извлекая из текста идеи. Другими словами, они могут обрабатывать содержимое документа более тщательно. Одним из подробных примеров того, как ИИ используется для улучшения распознавания текста, может служить работа Infrrd с глобальной инвестиционной фирмой. Infrrd IDC, гибридный инструмент искусственного интеллекта и OCR, использовался для управления финансовыми отчетами. Инструмент использовался для копирования финансовых отчетов с разных языков и перевода их на английский [8].
Одним из ведущих принципов современного образования, в том числе при обучении иностранным языкам, является использование передовых компьютерных технологий, что связано с резким увеличением объема информации, необходимой для того, чтобы
стать специалистом в той или иной профессиональной области. Использование инструментов на основе искусственного интеллекта позволит совершенствовать процесс обучения иностранным языкам на начальных этапах несколькими способами.
Во-первых, искусственный интеллект может распознавать речь и почерк студентов, выявлять ошибки и на основании оценки эффективности прохождения тех или иных тем предлагать обучающемуся упражнения, которые позволили бы повысить уровень освоения наиболее проблемных тем. Также для неязыковых специальностей в целом характерно небольшое количество аудиторных часов для очных занятий, в связи с чем особую актуальность приобретает разработка инструментов для самостоятельного закрепления полученных на занятиях языковых навыков. Искусственный интеллект позволяет адаптировать задания под уровень знаний учащегося, а также адаптироваться к различным контекстам использования и тематике.
На начальном этапе изучения иностранного языка также важная роль отводится процессу построения мотивации учащегося, в связи с чем важно применять инструменты геймификации образования. Современные технологии на основе искусственного интеллекта позволяют разнообразить процесс обучения с помощью различных игровых форматов. Еще одним перспективным направлением является использование инструментов искусственного интеллекта для изучения русского языка иностранными студентами. Воспроизведение языковых ситуация, а также выявление «слабых мест» в освоении языка позволит улучшить языковые навыки студента в условиях реального взаимодействия с носителями языка. В качестве примера инициативы с использованием искусственного интеллекта в этой сфере необходимо привести платформу РКИ от IPR Media, одной из целей которых является разработка интерактивных форматов обучения.
В качестве вывода необходимо отметить, что современные разработки с применением искусственного интеллекта уже используются во многих обозначенных аспектах, но при этом в долгосрочной перспективе решения могут решать гораздо более широкий спектр профессиональных задач. В Российской Федерации исследование вопросов, связанных с внедрением искусственного интеллекта, активно развивается, также уделяется значительное внимание практическим аспектам разработки программных решений.
ЛИТEРAТУРA
1. Зарипова, Р.С. Распознавание текстов с использованием нейронных сетей / Р.С. Зарипо-ва, A.E. Кривоногова // NovaUm.Ru. - 2018. - № 11. - С. 38-40.
2. Колмогорова, AB. Лингвистические принципы и методы компьютерной лингвистики для решения задач сентимент-анализа русскоязычных текстов / AB. Колмогорова, A.A. Калинин, AB. Маликова // Aктуальные проблемы филологии и педагогической лингвистики. - 2018. - № 1 (29). - С. 139-148.
3. Павлова, E3. Компьютерная лингвистика. Возможности создания электронных словарей для системы IOS / E3. Павлова, E. Д. Селифонова // Молодой ученый: вызовы и перспективы : сборник статей по материалам VII Международной научно-практической конференции «Молодой исследователь: вызовы и перспективы». - Москва : Интернаука, 2016. - № 5 (7). - С. 86-91.
4. Петрунин, Ю.Ю. Искусственный интеллект и методологические вопросы управления знаниями / Ю.Ю. Петрунин // Философские пауки. - 2016. - № 8. - С. 67-74.
5. Сарыгул, К. Компьютерная (электронная) лексикография / К. Сарыгул // Aктуальные проблемы гуманитарных и естественных паук. - 2016. - № 4-2. - С. 191-196.
6. AI: The first 50 years ... 10 years later // Expert System. - 2020. - URL : https://expertsystem.com/ai-first-50-years-10-years-later/ (дата обращения: 23.03.2020).
7. Cognitive Era // Frost and Sullivan. - 2020. - URL : https://ww2.frost.com/research/visionary-innovation/mega-trends/artificial-intelligence-cognitive-era/ (дата обращения: 23.03.2020).
8. Conversation with a Canvas - What makes Infrrd Intelligent Data Capture (IDC) better than OCR? // Medium. - 2019. - URL: https://clck.ru/MgFHv (дата обращения: 23.03.2020).
9. Integrating Artificial and Human Intelligence for Efficient Translation / N. Herbig, S. Pal, J. Genabith, A. Krueger// arXiv. - 2019. - URL : https://arxiv.org/abs/1903.02978 (дата обращения:
23.03.2020).
10. Kingston, J. Artificial Intelligence, Knowledge Management and Human Vulnerability / J. Kingston // ECIAIR 2019 European Conference on the Impact of Artificial Intelligence and Robotics. -Oxford : Academic Conferences and publishing limited, 2019. - С. 197-205.
REFERENCES
11. Zaripova, R.S. and Krivonogova, A.E. (2018), "Text recognition using neural networks", No-vaUm.Ru, No. 11, pp. 38-40.
12. Kolmogorova, A.V., Kalinin, A.A., and Malikova, A.V. (2018), "Linguistic principles and methods of computer linguistics for solving sentiment analysis of Russian-language texts", Actual Problems of Philology and Pedagogical Linguistics, No. 1 (29), pp. 139-148.
13. Pavlova, E.E. and Selifonova, E.D. (2016), "Computer Linguistics. Opportunities for creating electronic dictionaries for the IOS system", Young scientist: challenges and prospects: a collection of articles based on the materials of the VII International scientific-practical conference "Young researcher: challenges and prospects, No. 5 (7), Moscow, pp. 86-91.
14. Petrunin, Yu.Yu. (2016), "Artificial Intelligence and Methodological Issues of Knowledge Management", Philosophical Sciences, No. 8, pp. 67-74.
15. Sarygul, K. (2016), "Computer (electronic) lexicography", Actual problems of the humanities and natural sciences, No. 4-2, pp. 191-196.
16. Expert System (2020), "AI: The first 50 years ... 10 years later", available at: https://expertsystem.com/ai-first-50-years- 10-years-later/
17. Frost and Sullivan (2020), "Cognitive Era", available at: https://ww2.frost.com/research/visionary-innovation/mega-trends/artificial-intelligence-cognitive-era/.
18. Medium (2019), "Conversation with a Canvas — What makes Infrrd Intelligent Data Capture (IDC) better than OCR?", available at: https://clck.ru/MgFHv.
19. Herbig, N.,Pal, S., van Genabith, J. and Krueger, A. (2019), Integrating Artificial and Human Intelligence for Efficient Translation, arXiv, available at: https://arxiv.org/abs/1903.02978
20. Kingston, J. (2019), "Artificial Intelligence, Knowledge Management and Human Vulnerability", ECIAIR 2019 European Conference on the Impact of Artificial Intelligence and Robotics, Oxford, pp. 197-205.
Контактная информация: VVKotenko@fa.ru, lutsenkono_msu@mail.ru
Статья поступила в редакцию 20.04.2020
УДК 796.015.47
ИНДИВИДУАЛЬНЫЙ ПЛАН ПО ФИЗИЧЕСКОЙ ПОДГОТОВКЕ НА ОСНОВЕ СРЕДСТВ И МЕТОДИК КРОССФИТА ДЛЯ КУРСАНТОВ ВОЙСК НАЦИОНАЛЬНОЙ ГВАРДИИ С НЕДОСТАТОЧНЫМ УРОВНЕМ ФИЗИЧЕСКОЙ
ПОДГОТОВЛЕННОСТИ
Евгений Вячеславович Кошкин, кандидат педагогических наук, старший преподаватель, Иван Владимирович Гойнов, кандидат педагогических наук, старший преподаватель, Пермский институт Федеральной службы исполнения наказаний России; Олег Борисович Рыжак, старший офицер, Спортивный комитет, Главное управление Федеральной службы войск национальной гвардии, г. Москва; Андрей Владимирович Акиндинов, преподаватель, Вологодский институт права и экономики Федеральной службы исполнения наказаний России
Аннотация
Введение. Профессиограмма офицеров войск национальной гвардии рассматривает физическую подготовленность, как один из наиболее значимых критериев успешной профессиональной деятельности. Высокий уровень физической подготовленности способствует снижению порога утомляемости. Цель исследования. Разработать индивидуальный план по физической подготовке для обучающихся войск национальной гвардии на основе использования средств и методик кросс-фита и дальнейшее его апробация. Методика и организация исследования. Особую значимость
