พอดแคสต์: ปัญญาประดิษฐ์ช่วยพัฒนาการออกเสียงของคุณได้อย่างไร

ตอนที่ 20 กับ เจย์ & นิค

ผู้พูด: ยินดีต้อนรับสู่ E2Talks นี่คือพอดแคสต์ที่เราคุยกันเกี่ยวกับภูมิทัศน์ของภาษาอังกฤษ ในพอดแคสต์นี้ เจย์ได้ร่วมพูดคุยกับนิค เจนกินส์ ผู้ก่อตั้ง Language Confidence – ซอฟต์แวร์บริการที่ขับเคลื่อนด้วย AI ที่ให้ฟีดแบ็กแก้ไขอัตโนมัติแก่นักเรียนเกี่ยวกับการออกเสียงของพวกเขา ในการสนทนานี้ เจย์และนิคพูดถึงการออกเสียงโดยทั่วไป และโดยเฉพาะอย่างยิ่งว่า AI สามารถช่วยให้นักเรียนพัฒนานิสัยการพูดที่ดีขึ้นได้อย่างไร พวกเขาพูดถึงจุดเริ่มต้นของ Language Confidence สิ่งที่มันทำได้ในปัจจุบัน และสิ่งที่จะทำได้ในอนาคตอันใกล้ พวกเขายังพูดถึงหัวข้ออื่นๆ ที่เกี่ยวข้องกับการสอน การเรียนรู้ และเทคโนโลยีการออกเสียง ฟังกันเลย!

Jay: สวัสดีนิค เป็นอย่างไรบ้าง?

Nick: ตอนนี้ทำได้ดีมาก เมื่อพิจารณาทุกอย่างในตอนนี้ ดังนั้น ใช่ ดีมาก แล้วคุณล่ะ?

Jay: ใช่ ผมสบายดี แล้วคุณอยู่ที่ไหนในโลกตอนนี้?

Nick: ตอนนี้อยู่ที่ซิดนีย์ที่สวยงาม ตอนนี้ทำงานในออฟฟิศแชร์ที่ไชน่าทาวน์ชื่อ Haymarket HQ

Jay: เจ๋ง ดีมาก นิค คุณช่วยเล่าประวัติเกี่ยวกับตัวเองและที่มาของ Language Confidence ได้ไหม?

Nick: ใช่ เวอร์ชันสั้นก็คือ นี่เป็นสตาร์ทอัพครั้งที่สามของผม ครั้งแรกที่ผมมี ผมขายมันตอนอายุ 21 ครั้งที่สองอยู่ในพื้นที่ของเรา คือพื้นที่การศึกษาออนไลน์ และล้มเหลวอย่างน่าทึ่ง ผมคิดว่าเราทำผิดแทบทุกอย่างที่เป็นไปได้ ดังนั้นในฐานะแอปออนไลน์ มันเป็นแอปสำหรับสอนเด็กพูดภาษาอังกฤษและส่งมอบเนื้อหาให้พวกเขา และนั่นทำให้ผมไปที่จีน ผมใช้เวลาประมาณสามปีที่นั่น และแน่นอนว่าเมื่อธุรกิจปิดตัวลง ผมก็ต้องหาสิ่งที่ทำ ดังนั้นผมจึงสอนภาษาอังกฤษตอนที่ได้รับคุณสมบัติ T cell และตอนที่ผมสอน ผมมีไอเดียนี้ ผมคิดว่า เฮ้ เมื่อดูสิ่งที่เราเรียนรู้ในพื้นที่แอป ดูที่ Babbles และ DuoLingos ของโลกนี้ ไม่มีแอปไหนที่ให้ฟีดแบ็กคุณภาพดีสำหรับการพูดของนักเรียนเลย เราทำวิดีโอที่ดีมากที่เปรียบเทียบเราและชื่อใหญ่ในวงการอย่าง Rosetta Stone และ Babbel เพื่อแสดงว่าเทคโนโลยีที่เราสร้างมีความแม่นยำมากกว่า ดังนั้น ใช่ ผมอยากจะเลียนแบบสิ่งที่ผมทำได้ในฐานะครู แต่ทำให้เป็นอัตโนมัติเต็มที่ เพื่อปรับปรุงประสบการณ์การเรียนรู้โดยรวมและเน้นที่การพูดภาษาอังกฤษจริงๆ 

เจย์: ดีมาก น่าสนใจ ผมพบว่าแม้แต่ในห้องเรียน การออกเสียงก็เป็นหัวข้อที่ถูกละเลย หนึ่งในเหตุผลคือ มันยากถ้าคุณมีนักเรียน 35 คนในห้องเรียนที่จะให้คำติชมแบบรายบุคคลกับนักเรียนแต่ละคน มันแทบเป็นไปไม่ได้เลยถ้าเป็นชั้นเรียนหนึ่งชั่วโมง หมายความว่านักเรียนจะได้รับเวลาจากครูแค่สองนาทีเท่านั้น นั่นเป็นสิ่งที่คุณเคยคิดไหม?

นิค: ใช่ นั่นแหละคือสิ่งที่ผมอยากทำ ตอนที่ผมสอน ผมจะขอให้นักเรียนพูดอะไรบางอย่าง และในฐานะมนุษย์คนหนึ่ง ผมสามารถจับจุดที่พวกเขาผิดพลาดได้ และแบบตัวต่อตัว ผมจะบอกว่า โอเค คุณผิดตรงนี้นะ แล้วเขาก็จะฟังผม ดูผม จากนั้นเราจะลองอีกครั้ง ลองกับคำที่ต่างกัน เสียงเดียวกัน เนื้อหาต่างกัน บริบทต่างกัน เป็นต้น และคุณไม่สามารถขยายวิธีนี้ได้ ผมคิดว่าชั้นเรียนที่เล็กที่สุดที่ผมมีในจีน มีนักเรียนแค่สองคน และแม้แต่ตอนนั้น การให้ความสนใจแบบรายบุคคลก็ยังยากมาก ดังนั้นใช่ ผมอยากสร้างบางอย่างที่ขยายได้จริงๆ และคุณจะได้ประสบการณ์นั้นที่บ้าน

เจย์: เยี่ยมเลย คุณช่วยเล่าให้เราฟังหน่อยได้ไหมว่าความมั่นใจในการใช้ภาษา คืออะไร ทำงานอย่างไร และทำไมมันถึงช่วยพัฒนาทักษะการออกเสียงของคนได้จริงๆ?

Nick: ใช่ ใช่ แน่นอนเลย ดังนั้นมันคือบริษัท AI SAS ผมคิดว่าคุณน่าจะเรียกแบบนั้น เราให้บริการผลิตภัณฑ์ที่ชื่อว่า LCAT และ LCAT มีลักษณะคล้ายกับการรู้จำเสียงพูด แต่แทนที่จะถอดความสิ่งที่พูด เราจะประเมินว่าพูดได้ดีแค่ไหน ตัวอย่างง่ายๆ ในแอปหรือแพลตฟอร์มอย่าง E2school คุณขอให้นักเรียนพูดคำหนึ่งๆ เขาจะบันทึกเสียงแล้วส่งไปยังระบบหลังบ้านของเรา เราจะประเมินและส่งผลการประเมินกลับไป วิธีการประเมินคือ เราให้ AI ได้เรียนรู้จากข้อมูลเจ้าของภาษาเยอะๆ AI จะเรียนรู้ว่าอะไรคือเจ้าของภาษาหรือดีโดยประมาณ และเมื่อคุณส่งเสียงนั้นมา เราจะส่งคะแนนกลับไป คะแนนนั้นคือความใกล้เคียงกับเจ้าของภาษาที่ AI คิดว่าคุณเป็นมากแค่ไหน

Jay: เข้าใจแล้ว ดังนั้นเวลาผมฝึกออกเสียงใน DuoLingo ตัวอย่างเช่น ผมเคยลองเล่นแอปนั้น มันแค่บอกว่าผมพูดเข้าใจได้ มันก็จะมีเสียง ‘Ba-ching’ แล้วให้เครื่องหมายถูกสีเขียว ใช่ คุณพูดถูกแล้ว แต่ในความเป็นจริงผมอาจจะพูดเสียงบางเสียงผิดหรือออกเสียงผิดบางอย่าง แต่แอปไม่ได้บอกผมแบบนั้น นี่คือความแตกต่างใหญ่ระหว่างสิ่งที่คุณทำกับ DuoLingo ใช่ไหม?

Nick: ใช่ แน่นอนเลย ดังนั้นกลุ่มใหญ่ๆ อย่าง DuoLingo และ Babbel ในโลกนี้ เขาใช้การรู้จำเสียงพูดบนอุปกรณ์ ซึ่งก็คือ Siri หรือ Nuance หรือ Google Speech Recognition ที่มากับ iPhone หรือ Android และทั้งหมดนั้นจะให้ผลแค่ผ่านหรือไม่ผ่าน หรือแสดงเครื่องหมายถูกในวิดีโอที่เราทำขึ้น ผมใช้แพลตฟอร์มเหล่านี้และพูดคำผิด แต่ก็ยังผ่านการทดสอบ คุณจะได้เครื่องหมายถูกสีเขียว ผมคิดว่าพวกเขาขอให้ผมพูดว่า mineral water แต่ผมพูดว่า ‘minieral wasa’ และผมก็ยังได้เครื่องหมายถูกสีเขียวและผ่านไปได้ ในขณะที่ระบบของเรา มันจะแจ้งว่า เฮ้ คุณทำถูกตรงนี้ทั้งหมด แต่คุณผิดตรงนี้และตรงนี้ ดังนั้นขั้นตอนถัดไปคือการสร้างสถานการณ์การเรียนรู้ที่ปรับให้เหมาะกับแต่ละคน มีวงจรฟีดแบ็คที่เหมาะสม ขั้นตอนแรกคือการระบุว่าผิดตรงไหน

เจย์: ดีมาก ดีมาก อาจจะคุ้มค่าที่จะถอยออกมานิดหน่อยแล้วพูดถึงว่าการออกเสียงจริงๆ คืออะไร และมันเป็นลักษณะที่แปลกของภาษาเพราะมันเกี่ยวข้องกับร่างกายอย่างมาก คุณรู้ไหม มันเกี่ยวข้องกับลิ้น ริมฝีปาก คอ และเพดานปาก มันแปลกมากเมื่อคุณคิดถึงมัน มันมีแง่มุมทางความคิดอย่างชัดเจน แต่ก็เป็นเรื่องของกล้ามเนื้อและส่วนต่างๆ ของร่างกายซึ่งค่อนข้างแปลก ดังนั้นความเข้าใจของผมเกี่ยวกับการออกเสียงคือผมมองว่ามันมีสามส่วน ส่วนหนึ่งคือเสียง เสียงแต่ละเสียง หรือโฟนีม เช่น เสียงสระ เสียงสระสั้น ‘a,’ ‘e,’ ‘i,’ ‘o,’ หรือเสียงสระยาว เสียงสระผสมอย่าง “ay” เป็นต้น แล้วก็มีเสียงพยัญชนะ ‘p,’ ‘d,’ ‘k,’ ‘m,’ ซึ่งจริงๆ แล้วใช้ส่วนของปาก ในขณะที่เสียงสระไม่ได้ใช้ส่วนของปากโดยตรง คุณกำลังสร้างเสียงจากกล่องเสียง แต่ไม่ได้ถูกขัดขวางโดยลิ้นหรือริมฝีปาก เป็นต้น ดังนั้นคุณมีเสียงแต่ละเสียง จากนั้นก็มีพยัญชนะกลุ่มหนึ่ง และหนึ่งในนักวิจัยที่นี่ที่ E2Language เพิ่งทำการศึกษา เธอได้ดูงานวิจัยเกี่ยวกับพยัญชนะกลุ่มในภาษาอังกฤษ และพยายามหาคอร์ปัสหรือพยายามหาว่ามีพยัญชนะกลุ่มอะไรบ้างและมีกี่กลุ่มในภาษาอังกฤษ แต่เธอไม่พบ เธอพบความคิดเห็นที่แตกต่างกันและงานวิจัยบางชิ้นจากยุค 1980 เป็นต้นมา ดังนั้นเธอจึงทำการศึกษาขนาดเต็มด้วยตัวเองและได้กำหนดว่ามีพยัญชนะกลุ่ม 146 กลุ่มในภาษาอังกฤษ ซึ่งน่าสนใจมาก ดีที่รู้ว่ามันมีจำนวนจำกัด ดังนั้นคุณมีเสียงแต่ละเสียง 44 เสียง แล้วก็มีพยัญชนะกลุ่ม 146 กลุ่ม พยัญชนะกลุ่มคือที่ที่มีพยัญชนะสองตัวขึ้นไปมาต่อกัน เช่น ‘p’ กับ ‘r’ เป็น ‘pr’ หรือ ‘s’ กับ ‘l’ เป็น ‘sl’ เช่นในคำว่า ‘slip’ ซึ่งเป็นปัญหามาก อย่างที่คุณคงรู้ในจีนและในเอเชียตะวันออก เช่น เกาหลี ญี่ปุ่น พวกเขาชอบใส่สระระหว่างพยัญชนะสองตัวนั้น และส่วนที่สามของการออกเสียงไม่ใช่แค่เสียงที่เราสร้างขึ้น แต่เป็นการส่งมอบคำพูดในแง่ของจังหวะ การหยุดพัก การพูดเชื่อมต่อ เป็นต้น ดังนั้นตอนนี้ ความมั่นใจในภาษาเข้ามาช่วยในแง่มุมเหล่านี้ของการออกเสียงอย่างไร?

Nick: ใช่ครับ โดยรวมแล้วภาษาอังกฤษค่อนข้างไม่มีตรรกะ ผมคิดว่ามี 12 วิธีที่แตกต่างกันในการสร้างเสียง ‘sh’ ด้วยการผสมผสานตัวอักษรที่ต่างกันเพื่อสร้างเสียง ‘sh’ อย่าอ้างอิงผมนะครับ ผมต้องตรวจสอบอีกที ดังนั้นมันจึงเป็นภาษาที่ค่อนข้างยาก และเขาบอกว่ามี 44 เสียงในตัวอักษรโฟเนติกสากลอย่างเป็นทางการ และผมคิดว่ามันมีมาตั้งแต่ช่วงปี 1890 กลุ่มชาวฝรั่งเศสเป็นผู้สร้างมันขึ้นมาเดิมที อีกครั้ง อย่าอ้างอิงผมนะครับ ผมต้องตรวจสอบอีกที และยังมีระบบการเข้ารหัสอีกตัวหนึ่งที่เรียกว่า arpabet ซึ่งโดยปกติใช้สำหรับการรู้จำเสียงพูด ไม่ใช่สำหรับการเรียนรู้ภาษา

Jay: ขอโทษครับ นั่นเรียกว่าอะไรนะครับ?

Nick: นั่นคือ Arpabet ใช่ไหม? A-R-P-A-B-E-T ผมคิดว่ามันมาจากมหาวิทยาลัย Carnegie Mellon ซึ่งเป็นระบบการเข้ารหัสที่พวกเขาสร้างขึ้นควบคู่ไปกับ IPA สำหรับการรู้จำเสียงพูด ดังนั้นจึงเหมาะกับการใช้งานที่เกี่ยวกับคอมพิวเตอร์ เช่น การรู้จำเสียงพูด 

Jay: โอเค 

Nick: ผมคิดว่าในตอนนี้และสิ่งที่เรากำลังเน้นคือการประเมินการออกเสียงเทียบกับเจ้าของภาษา และแนวคิดคือเจ้าของภาษาจะพูดแต่ละคำในแบบที่เฉพาะเจาะจงตามสำเนียงของพวกเขา และคุณจะเห็นความแตกต่างในเรื่องนั้น และผมคิดว่า ‘tomato’ ‘tomatoe’ เป็นตัวอย่างที่ดีมาก และผมคิดว่าคุณรู้ สำเนียงต่าง ๆ มี 107 เสียงพร้อมกับตัวแปรต่าง ๆ 

Jay: โอ้ น่าสนใจ 

Nick: และผมก็เคยเห็นตัวอักษรโฟเนติกอื่น ๆ ที่พัฒนาไปในทิศทางต่าง ๆ ผมคิดว่าผมเคยเห็นตัวหนึ่งที่มี 39 เสียงและมันซับซ้อนมาก แต่เรากำลังเน้นแค่ตัวอักษรโฟเนติกสากล 44 เสียงของภาษาอังกฤษ ซึ่งดูเหมือนจะเป็นการอ้างอิงที่ได้รับความนิยมมากที่สุดสำหรับการเรียนรู้การพูดภาษาอังกฤษ และตอนนี้เรากำลังเน้นที่การออกเสียงเท่านั้น แต่ถ้าก้าวไปไกลกว่านั้น และผมคิดว่าคุณได้พูดถึงเรื่องนี้ในข้อที่สามของคุณ คือการดูแง่มุมอื่น ๆ ของผู้เรียนภาษาอังกฤษที่พูดจริง ๆ ใช้เวลานานในการวัดผลว่ามีอะไรบ้าง ดังนั้นคุณมีการออกเสียง ซึ่งคือเสียงที่คุณพยายามจะพูด และนั่นคือมาตรวัดหลัก ถ้าคุณออกเสียงผิดทั้งหมด ความหมายจะไม่ถูกสื่อเลย ดังนั้นคุณต้องออกเสียงถูกอย่างน้อย x เปอร์เซ็นต์เพื่อที่จะสื่อความหมายได้ และจากนั้นก็เพิ่มไปยังเรื่องอื่น ๆ เช่น ความคล่องแคล่ว ความลื่นไหล ไวยากรณ์ ทรัพยากรคำศัพท์ และความเกี่ยวข้องของเนื้อหา ดังนั้นโดยพื้นฐานแล้ว เราพยายามเริ่มจากการออกเสียง ซึ่งจริง ๆ แล้วเป็นปัญหาที่ยากที่สุดทางเทคนิค และใช้เวลานาน แต่ตอนนี้เราก็ทำได้แล้ว และขั้นตอนต่อไปคือการวัดผลเรื่องความคล่องแคล่ว

Jay: ใช่ ผมชอบความมั่นใจในภาษาแบบนั้นมาก เพราะเราใช้มันใน E2School ในคอร์สการออกเสียงของเรา และมันยอดเยี่ยมมากเพราะเราทำให้นักเรียนฝึกเสียงเฉพาะตัวใดตัวหนึ่งหรือกลุ่มพยัญชนะ จากนั้นเราก็ให้พวกเขาทำประโยคซ้ำหรือแค่คำเดียว ฯลฯ และพวกเขาพูดกับคอมพิวเตอร์ และมันเกือบจะทันทีที่ให้คะแนนเปอร์เซ็นต์ตอบกลับ เหมือนคะแนน แต่ดีกว่านั้นมากคือเมื่อพวกเขาคลิกเข้าไป พวกเขาจะเห็นได้จริง ๆ ว่าพยางค์เสียงไหนที่พวกเขาออกเสียงผิด ซึ่งนั่นช่วยได้มาก เพราะพวกเขาอาจไม่รู้ตัว หรือบางทีพวกเขาอาจรู้ตัว แต่ตอนนี้พวกเขาตระหนักอย่างชัดเจนว่า โอเค ฉันต้องลองเสียง ‘p’ อีกครั้ง และไม่ทำให้มันฟังเหมือนเสียง ‘b’ ดังนั้นจึงมีองค์ประกอบนั้นอยู่ แล้วนักเรียนควรทำอย่างไรดี? หรือคุณแนะนำให้นักเรียนทำอะไรเมื่อพวกเขารู้ว่าพวกเขามีปัญหากับเสียง ‘p’ ตัวอย่างเช่น?

Nick: ดังนั้นผมคิดว่าจากมุมมองของการสอน สิ่งที่ผมพยายามทำกับนักเรียนเสมอคือ การชี้ให้เห็นอย่างสุภาพและบอกว่า เฮ้ นั่นไม่ถูกต้องนัก และเราก็ให้เนื้อหาเพิ่มเติมกับพวกเขา อาจจะในบริบทที่ต่างออกไปเพื่อฝึกฝน ดังนั้นคุณออกเสียงผิดเสียงนี้ ดังนั้นในฐานะมนุษย์ที่เป็นเจ้าของภาษา คุณสามารถฟังตรงนี้และรู้ว่าคุณผิดตรงไหน จากนั้นผมก็จะบอกว่า โอเค คำอื่นที่เราสามารถฝึกซ้อมที่มีเสียงเดียวกันนี้คืออะไร เพื่อให้คุณได้ฝึกในบริบทที่ต่างออกไป บริบทที่ต่างกัน ประโยคที่ต่างกัน และนั่นคือสิ่งที่เราพยายามทำ ดังนั้นขั้นตอนแรกของกรณีศึกษาของเราคือการระบุว่าพวกเขาผิดตรงไหน จากนั้นก้าวข้ามไปและก้าวไปข้างหน้าคือการสามารถเสนอคำแนะนำได้ เช่น คำแนะนำแก้ไข และตัวอย่างที่ดีหรือตัวอย่างที่ถูกต้องของสิ่งเหล่านั้น ดังนั้นถ้าพวกเขาออกเสียง R หรือ L หรือเสียง ‘dz’ ผิด คำหนึ่งที่นักเรียนของผมเคยมีปัญหาคือคำว่า ‘casual’ และอีกคำที่ผมมักเลือกคือ ‘usual’ และเราก็ใส่คำเหล่านั้นในประโยคต่าง ๆ ให้พวกเขาฝึกซ้ำอีกครั้ง ดังนั้นแนวคิดก็คือด้วย LCAT มันสามารถเลียนแบบสิ่งที่ครูทำได้ในการเลือกจุดที่คุณผิด จากนั้นนักเรียนก็สามารถเห็น ฟังตัวอย่างที่ถูกต้อง และลองทำอีกครั้ง และฝึกฝนต่อไปจนกว่าจะถูกต้อง

เจย์: ใช่ มันเป็นแบบนั้นจริง ๆ ผมเคยลองเล่นกับภาษาฟาร์ซีและพยายามทำเสียง “kh” เช่น ‘khubi’ “khubam” และผมพบว่ามันสนุกดี หรือมันเป็นไอเดียที่ดีในฐานะครูสอนภาษา ที่จะพูด เริ่มพูดเสียงบางเสียงในภาษาที่สองที่คุณไม่มีในภาษาแม่ของคุณ และรู้สึกว่ามันไม่สบายใจและแปลก จากนั้นก็พยายามทำให้มันรู้สึกปกติ เป็นมาตรฐานปกติที่จะทำ นั่นน่าสนใจมาก

นิค: เห็นด้วยอย่างยิ่ง ตอนที่ผมเรียนภาษาจีนกลาง เสียงที่มีในภาษาจีนกลางซึ่งในฐานะเจ้าของภาษาอังกฤษคุณไม่เคยเรียนรู้ มันจึงยากมาก โดยเฉพาะในวัยผู้ใหญ่ที่จะฝึกเสียงเหล่านั้นจริง ๆ

เจย์: ใช่ ใช่ นั่นแหละ สิ่งที่ดีเมื่อคุณเรียนรู้ภาษาอื่นก็คือ คุณรู้ไหมว่ามีเสียงทั้งหมด 44 เสียง สมมติว่าในภาษาอาหรับจะมี 38 เสียง และจะไม่มีเสียง 6 เสียงที่พวกเขาไม่มี ดังนั้นพวกเขาจะต้องฝึกฝนเสียงเหล่านั้น ดังนั้นผลงานวิจัยบางส่วนที่มีประโยชน์จริง ๆ ก็คือ งานวิจัยเกี่ยวกับการรบกวนจากภาษาแม่ สิ่งที่เราทำใน E2school ก็คือ เรามีเสียงทั้งหมดเหล่านั้น อย่างไรก็ตาม เรามีเครื่องมือเล็ก ๆ ที่ช่วยคัดกรองเนื้อหา ดังนั้นผมจะเข้าไปแล้วบอกว่าผมเป็นผู้พูดภาษาอาหรับ แล้วมันก็จะบอกผมว่าเสียงพยัญชนะใดที่ผมต้องฝึก เพราะผมไม่จำเป็นต้องฝึกทุกเสียง นอกจากนี้ยังมีงานวิจัยเกี่ยวกับไวยากรณ์ด้วย ซึ่งในบางช่วงเราจะพูดถึงเรื่องนั้นด้วย แต่ใช่ นั่นเป็นเรื่องที่น่าสนใจ ผมอาจจะเปลี่ยนหัวข้อเล็กน้อยเพื่อพูดให้น้อยลงเกี่ยวกับเทคนิคการออกเสียง และสนใจในเรื่องสังคมของการออกเสียงมากขึ้น และทำไมใครบางคนถึงอยากพัฒนาการออกเสียง ผมมีไอเดียบ้าง แต่ผมอยากฟังความคิดเห็นของคุณเกี่ยวกับเรื่องนี้ เช่น ทำไมถ้าผมจะหางานในสหราชอาณาจักร หรือด้วยเหตุผลอะไรก็ตาม ทำไมผมถึงอยากมีการออกเสียงที่ชัดเจน

นิค: ฉันคิดว่าโดยรวมแล้ว การออกเสียงคือเมื่อในภาษาพูดหรือภาษาอังกฤษพูด ถ้าการออกเสียงของคุณผิดพลาดอย่างสิ้นเชิง ไม่ว่ากฎไวยากรณ์ คำศัพท์ หรือความคล่องแคล่วของคุณจะถูกต้องแค่ไหน คุณก็ไม่สามารถสื่อสารสิ่งที่คุณพยายามจะพูดได้ ดังนั้นถ้าเสียงของคุณผิด และฉันอาจจะผิดทางวิชาการตรงนี้ แต่จากประสบการณ์ของฉันในการสอนและเรียนรู้ภาษาอื่นๆ ถ้าการออกเสียงของคุณผิด คุณก็ไม่สามารถสื่อความหมายได้เลย และคนเรียนภาษาต่างประเทศด้วยเหตุผลหลากหลายมาก ฉันคิดว่าแน่นอนว่าในฐานะกลุ่มเตรียมสอบ คุณเข้าใจว่ามีตลาดขนาดใหญ่สำหรับคนที่ต้องการสอบทดสอบที่ได้รับการยอมรับ เช่น PTE, IELTS, TOEFL เป็นต้น มีคนจำนวนมากที่เรียนเพื่อความสนุกด้วย พวกเขาชอบเรียนภาษา คนที่พูดได้หลายภาษาในโลก และก็มีคนที่ต้องการทำสิ่งต่างๆ เช่น การเดินทาง และเดินทางไปต่างประเทศและสามารถพูดว่า ห้องน้ำอยู่ที่ไหน? หรือ นั่นราคาเท่าไหร่? และสิ่งเหล่านี้คือสิ่งที่คุณเรียนรู้ซึ่งเป็นสิ่งพื้นฐานมาก เช่น ตอนที่ฉันย้ายไปจีนครั้งแรก ฉันไม่รู้ว่าฉันไม่พูดภาษาจีนกลาง และฉันหลงทางหลายครั้งมาก ดังนั้นมันจึงเป็นประโยชน์มากที่สามารถพูดว่า เดินตรงไปแล้วเลี้ยวขวา หยุดตรงนี้ ดังนั้น ใช่ นี่คือสิ่งที่ฉันคิดว่าเรื่องทางวิชาการเป็นเรื่องใหญ่ การเรียนต่อต่างประเทศ เพื่อความสนุกเพื่อการเดินทาง และอื่นๆ และนั่นคือแก่นของภาษาพูดจริงๆ คือการสื่อความหมายและสามารถสื่อสารกับใครสักคนได้จริงๆ

เจย์: นั่นแหละ ใช่ แต่ใช่ การถูกเข้าใจ และคุณพูดถึงก่อนหน้านี้เกี่ยวกับกราฟีมและโฟนีม คุณช่วยอธิบายให้ฉันหรือผู้ฟังฟังหน่อยได้ไหมว่า กราฟีมคืออะไร โฟนีมคืออะไร และความสัมพันธ์ระหว่างทั้งสองคืออะไร เพราะฉันรู้ว่าในภาษาอังกฤษ ความสัมพันธ์นี้มักจะไม่ค่อยตรงกัน

นิค: ใช่ ดังนั้น และอีกครั้ง ฉันไม่ใช่นักภาษาศาสตร์หรือนักแพทย์ แต่ฉันมีพื้นฐานด้านเทคโนโลยี แต่ภาษาอังกฤษเองประกอบด้วยการผสมผสานของภาษาต่างๆ เช่น ละติน เยอรมัน ฝรั่งเศส และอื่นๆ ดังนั้น กราฟีมคืออักษรของเรา อักษร 26 ตัว และโฟนีมคือเสียงและอักษรโฟเนติก แต่แน่นอนว่า 26 ตัวอักษรกับ 44 เสียงจะไม่ตรงกัน และตัวอย่างที่ฉันเคยพูดถึงก่อนหน้านี้คือ คุณสามารถสร้างเสียง ‘sh’ ได้ 12 วิธีในภาษาอังกฤษ ดังนั้น 12 การผสมผสานของกราฟีมทำให้เกิดเสียง ‘sh’ ครั้งหนึ่ง มันคือ

เจย์: ดังนั้นมันไม่ใช่แค่ ‘sh’

นิค: ไม่ใช่ 

เจย์: ถูกต้อง โอเค เข้าใจแล้ว ‘ss’ และ ‘zh’ และยังมี

นิค: ‘ti’

เจย์: และ ‘ti’。 

นิค: ใช่ ใช่ มันไม่สมเหตุสมผลเลย มันไม่ค่อยมีตรรกะ แต่ก็มีอยู่จริง และคุณรู้ไหม มันคือการสื่อสาร ดังนั้นมันเป็นภาษาที่ยาก นั่นคือความสัมพันธ์ที่ไม่ตรงกัน แต่ก็มีบางกฎทั่วไปที่อธิบายได้ในกรณีส่วนใหญ่ แต่ไม่มีข้อเดียวที่ชัดเจนสำหรับทั้งหมด

เจย์: ฉันคิดว่านั่นน่าหงุดหงิดมากสำหรับคนที่กำลังเรียนในประเทศของพวกเขา เช่น จีนหรือเกาหลีใต้ พวกเขาเรียนภาษาอังกฤษแบบในตำรา นี่คือสิ่งที่ฉันสอนในเกาหลีใต้เป็นเวลาสองปี และคุณรู้ไหม พูดตามตรง ภาษาเกาหลีเป็นภาษาที่น่าสนใจเพราะพวกเขามีสิ่งที่เรียกว่า perfect orthography ซึ่งหมายความว่าความสัมพันธ์ระหว่างการสะกดกับเสียงนั้นแทบจะเป็นหนึ่งต่อหนึ่ง ไม่มีข้อยกเว้น แต่ตามที่คุณพูด ในภาษาอังกฤษ ความสัมพันธ์ระหว่างการสะกดกับเสียงแตกต่างกันอย่างมาก เพราะการสื่อสาร 'ti' และสิ่งที่เกิดขึ้นกับนักเรียนเกาหลีคือ พวกเขาเรียนตามตำรา เรียนไวยากรณ์ ฯลฯ แล้วพวกเขาก็ไปถึงออสเตรเลียหรือสหรัฐอเมริกา และทันใดนั้น พวกเขาก็ไม่เข้าใจว่าทุกคนพูดอะไร ฉันเรียนภาษาอังกฤษมา 12 ปีแล้วแต่ไม่เข้าใจใครเลยในสิ่งที่บ้าคลั่งเหล่านี้ เช่น หนึ่งในสิ่งที่เราทำในภาษาอังกฤษคือถ้าคุณอยากทำอะไรสุดสัปดาห์นี้ Whatchya, what 'dz' คือ What do you want to do? Whatcha แบบนี้เป็นต้น การผสมเสียงแปลก ๆ เหล่านี้และอื่น ๆ 

นิค: และนั่นก็เป็นปัญหาทางเทคนิคจริง ๆ ด้วย เช่น เรามีปัญหาจริง ๆ เมื่อคุณสามารถเชื่อมเสียงสองเสียงที่เหมือนกันได้ ดังนั้นถ้าคุณพูดว่า after the show, we ในฐานะเจ้าของภาษา คุณจะเชื่อมเสียงของคำเหล่านั้นเข้าด้วยกัน และ AI จะมองหาเสียงสองเสียงเพราะมันอิงจากพจนานุกรมของเรา มันจะบอกว่า เฮ้ มีสองเสียง และแม้ว่าคุณจะได้คะแนนดีสำหรับเสียงหนึ่ง มันก็จะให้คะแนนต่ำกว่าสำหรับเสียงที่สอง แม้ว่าคุณในฐานะเจ้าของภาษาจะเชื่อมเสียงเข้าด้วยกันก็ตาม ใช่ ดังนั้นมันจึงสร้างปัญหาทางเทคนิคมากมาย แม้แต่เมื่อเจ้าของภาษาพูดเพื่อพยายามทำให้ถูกต้อง จากมุมมองความไม่แม่นยำของผลิตภัณฑ์?

เจย์: ก็ใช่ มันยุ่งเหยิงจริง ๆ ใช่ไหม? อย่างแม้แต่คำถามว่า สบายดีไหม? เราไม่ได้พูดแบบนั้น เราพูดว่า how whare you ใช่ไหม? ดังนั้นคุณต้องฝึกเครื่องให้รู้จักว่า ฉันคิดว่ากฎคือถ้ามีเสียงสระตามด้วยเสียงพยัญชนะ หรือมีบางอย่างที่ถูกเชื่อมเข้าด้วยกัน หรือถูกย้ายไป เครื่องของคุณจะรู้จักกฎเล็ก ๆ เหล่านี้ใช่ไหม?

นิค: ใช่ ตอนที่เราปล่อยผลิตภัณฑ์ครั้งแรก เรามีปัญหาหลายอย่าง แน่นอนว่าตอนเปิดตัวใหม่ๆ เซิร์ฟเวอร์ล่มเลย เพราะมีการใช้งานเยอะมากจากกลุ่มในเกาหลี ใช่ เซิร์ฟเวอร์ล่ม และโครงสร้างพื้นฐานก็มีปัญหา จากมุมมองความแม่นยำของเนื้อหา การประเมินประโยคเช่น after the show we, and how are you? เป็นปัญหาข้อมูลที่ต้องแก้ไข แต่คุณก็ต้องฉลาดในการตั้งค่าพจนานุกรมหรือเล็กซิคอนให้ทำงานร่วมกันได้อย่างราบรื่นด้วย

เจย์: เข้าใจแล้ว โอเค ผมแค่พยายามจินตนาการว่าระบบถูกเขียนโปรแกรมยังไง เพราะมีข้อกำหนดบางอย่างใช่ไหม และหนึ่งในกฎคือ บางครั้งเราก็เพิ่มเสียง บางครั้งก็ลบเสียง ผมคิดว่าพวกเขาเรียกสิ่งนี้ว่า allusions, deletions ทางเทคนิค ว้าว โอเค คุณต้องเขียนโปรแกรมระบบนี้ และมันไม่ใช่แค่ใส่พจนานุกรมแล้วบอกว่านี่คือเสียงทั้งหมดใช่ไหม ใครเป็นคนเขียนโปรแกรมทั้งหมดนี้ และมันเกิดขึ้นได้ยังไง?

นิค: ตอนแรกที่ผมเริ่มเรื่องนี้ ผมอยู่ที่จีน กำลังสอนหนังสือ ผมไม่ได้คุยกับพ่อแม่มาหลายปี และเพิ่งคุยกับพ่อแม่ได้ประมาณสามสี่เดือน พวกเขาบอกว่า เฮ้ เราอยากให้คุณไปหางานปกติทำ แล้วกลับไปเรียนต่อมหาวิทยาลัย ผมเลยรวบรวมนักวิจัยจากทั่วโลกที่มีทักษะเฉพาะทาง เช่น AI, เครือข่ายประสาทลึก, ภาษาศาสตร์เชิงคำนวณ แล้วผมก็โทรหาพวกเขาเลย บอกว่า เฮ้ ผมอยากสร้างสิ่งนี้ คุณช่วยได้ไหม และก็ได้รับความช่วยเหลือมากจาก MIT เราเจอหนุ่มๆ ฉลาดๆ ที่นั่นมาช่วยแนะนำ และเราก็หาทีมมาสร้างผลิตภัณฑ์จริงๆ มันใช้เวลานานมาก ตั้งแต่เดโมแรกที่ทำงานได้แค่ห้าประโยค แล้วก็กระโดดจากห้าประโยคที่ทำงานได้อย่างแม่นยำ ไปสู่ผลิตภัณฑ์ที่เราสามารถขยายได้เป็นล้านๆ ครั้งสำหรับผู้ใช้เป็นล้านๆ คน และยังทำให้แม่นยำกับเนื้อหาหลากหลายมาก ซึ่งช่องว่างนี้ใช้เวลานานพอสมควร แต่ก็เป็นเส้นทางที่ดีขึ้นเรื่อยๆ ตอนนี้ผมคิดว่าเราเพิ่งทำ API เรียกใช้งานในระบบจริงได้ 20 ล้านครั้ง ซึ่งเจ๋งมาก และยังดูการทดสอบภาษาอังกฤษอัตโนมัติของเราเองด้วย ทุกอย่างเริ่มจากรายการและข้อความ LinkedIn จำนวนมาก โทรศัพท์หาคนแบบไม่บอกล่วงหน้า หลายคนก็วางสายใส่ผม แต่ก็เป็นส่วนหนึ่งของมันใช่ไหม

เจย์: ว้าว เพื่อน นั่นมันน่าทึ่งมาก แล้วพวกเขาต้องร่วมมือกันใช่ไหม เหมือนกับว่าคุณรวบรวมนักวิจัยเป็นทีมใช่ไหม?

นิค: ใช่ เรารวมทีมและหานักโปรแกรมเมอร์เก่ง ๆ ที่นี่ในซิดนีย์ด้วย กำลังศึกษาเรื่องคณิตศาสตร์และฟิสิกส์ที่มหาวิทยาลัย UNSW เพื่อรวบรวมทุกอย่างและทำให้มันทำงานได้จริงจากไอเดียจนกลายเป็นผลิตภัณฑ์จริงๆ

เจย์: ว้าว มันน่าทึ่งมาก ฉันไม่รู้เรื่องนี้มาก่อนเลย นั่นเจ๋งมาก และคุณเห็นไหม ฉันมีการเรียก API ถึง 20 ล้านครั้ง นั่นหมายความว่า 20 ล้านคนกดปุ่ม พูดกับคอมพิวเตอร์ และได้รับคำติชม นั่นมันบ้าบอมาก เพราะถ้าคิดว่าต้องใช้ครูกี่คนในการให้คำติชมด้วยวาจา 20 ล้านครั้งกับนักเรียน มันเป็นไปไม่ได้เลยใช่ไหม?

นิค: ใช่ มันเจ๋งมากจริง ๆ เราทำได้ 10 ล้านครั้งอย่างรวดเร็วเพราะช่วง COVID ทุกอย่างค่อนข้างวุ่นวาย แต่ใช่ เราเพิ่งทำได้ 20 ล้านครั้ง และมันน่าตื่นเต้นมากที่เรามีผลกระทบในการช่วยนักเรียนเรียนรู้ได้ดีและทำให้ขยายผลได้ แน่นอนว่ามีแง่มุมทางสังคมในธุรกิจนี้ ฉันคิดว่าสิ่งที่เราทำเป็นประโยชน์สุทธิสำหรับสังคมและการศึกษา มันทำให้ฉันรู้สึกตื่นเต้นและมีความสุขมาก รู้สึกเติมเต็มมาก

เจย์: ใช่ ฉันเห็นด้วย ฉันคิดว่ามันมีประโยชน์สุทธิสำหรับสังคมแน่นอน น่าสนใจนะ เราอยู่ในยุคที่ผู้คนตระหนักถึงรูปแบบต่าง ๆ ของการเลือกปฏิบัติ และฉันคิดว่าเรากำลังก้าวหน้าทางสังคมได้ดี แต่หนึ่งในรูปแบบของการเลือกปฏิบัติที่ฉันคิดว่าถูกมองข้ามคือสำเนียง ผู้คนมักเลือกปฏิบัติตามสำเนียงอย่างมาก ฉันเคยอ่านบทความในนิตยสารที่พูดถึงว่ารูปแบบภาษาอังกฤษแบบไหนที่ได้รับความนิยมมากที่สุด และแบบไหนที่แย่ที่สุด งานวิจัยนี้แย่มาก แต่เขาบอกว่าสำเนียงผู้ชายชาวอังกฤษเป็นรูปแบบภาษาอังกฤษที่ได้รับความนิยมมากที่สุด ส่วนแย่ที่สุดคือผู้ชายชาวเวียดนามที่พูดภาษาอังกฤษ เพราะมีอิทธิพลจากภาษาหลักของพวกเขา และการออกเสียงภาษาเวียดนามที่แตกต่างกันมากจนผู้คนไม่ชอบสำเนียงภาษาอังกฤษแบบเวียดนาม นั่นก็สมเหตุสมผลนะ นี่มันแย่มาก และฉันคิดว่าการเปลี่ยนแปลงเกี่ยวกับการเลือกปฏิบัติและทำให้ผู้คนตระหนักถึงมันเป็นสิ่งสำคัญ แต่ก็มีบทบาทของนักเรียนด้วย สิ่งที่คุณกำลังทำคือช่วยให้คนพูดชัดเจนขึ้นและเอาชนะข้อจำกัดเหล่านั้นได้ น่าสนใจมากใช่ไหม?

นิค: ใช่ แน่นอน ผมก็เคยทำแบบนั้นเหมือนกัน ที่ผมตัดสินสติปัญญาของใครบางคนจากความสามารถในการสื่อสารด้วยวาจา

เจย์: ใช่ 

นิค: และ ซึ่งมันผิดอย่างสิ้นเชิง มันเป็นเรื่องธรรมชาติของเจ้าของภาษา ผมคิดว่า ที่คุณคิดว่า โอ้ เราสื่อสารไม่ได้ ดังนั้นคุณจึงไม่ฉลาดมาก และสำหรับผม เมื่อคุณตระหนักว่ามันไม่ถูกต้องเลย มันเป็นเรื่องธรรมชาติที่ฝังอยู่ และผมก็เคยอยู่ในสถานการณ์นั้นมาก่อน แต่การเรียนภาษาและการสอนภาษา คุณจะเข้าใจว่ามันไม่เกี่ยวกับเรื่องนั้นเลย ความสามารถในการสื่อสารเป็นสิ่งสำคัญจริง ๆ และนั่นคือเหตุผลที่เราทำสิ่งนี้และผ่านความยากลำบาก นี่คือสตาร์ทอัพและการขึ้นลงของเรื่องทั้งหมดนี้ คือการให้วิสัยทัศน์ของผมสำหรับสิ่งนี้ในอีก 10 ปีข้างหน้า คือ นักเรียนทุกคนที่ไหนก็ได้ในโลกบนสมาร์ทโฟนสามารถมีบทเรียนภาษาแบบเปิดกว้างอัตโนมัติกับครูสอนภาษา AI นั่นคือวิสัยทัศน์ที่ผมเห็น และมันจะช่วยลดอคติและเปิดประตูมากมายสำหรับผู้เรียนที่ไม่สามารถจ่าย $50 $60 ต่อชั่วโมงได้ด้วย 

เจย์: ใช่ 

นิค: สำหรับครู 

เจย์: ใช่ 

นิค: พวกเขาสามารถจ่าย $5 ต่อเดือนเพื่อเรียนบทเรียนคุณภาพสูงบนโทรศัพท์ที่สามารถขยายได้จริง ๆ

เจย์: งั้นคุณจะย้ายไปทำหรือดูเรื่องปฏิสัมพันธ์ไหม เพราะตอนนี้ และนี่คือข้อจำกัดของการทดสอบภาษาอังกฤษบางอย่างด้วย คือไม่มีปฏิสัมพันธ์ในการประเมินการพูดของพวกเขา พวกเขาอ่านออกเสียงหรือพูดซ้ำประโยคหรืออธิบายภาพ ฯลฯ ผมคิดว่ามีข้อจำกัดในการทดสอบภาษาอังกฤษที่มีปฏิสัมพันธ์จริง ๆ เพราะลักษณะของผู้สนทนา แต่คุณช่วยเล่าให้ผมฟังได้ไหมว่าความมั่นใจในภาษาอาจไปถึงจุดนั้นได้อย่างไรกับปฏิสัมพันธ์?

นิค: ใช่ ปัญหาทางเทคนิคใหญ่ที่เราเจอตั้งแต่แรกคือเราจะทำอย่างไรให้ผลิตภัณฑ์นี้ขยายตัวได้ในแง่ของโครงสร้างพื้นฐาน? เราจะทำอย่างไรให้ผลิตภัณฑ์นี้สามารถประเมินเนื้อหาที่หลากหลายได้ และใช้เวลานานมากกว่าจะหาวิธีทำให้ผลิตภัณฑ์นี้ประเมินเนื้อหาที่หลากหลายมากๆ ได้ สิ่งที่เราทำคือเราทดลองและหาข้อมูลว่าคำแต่ละคำต้องการข้อมูลหรือชุดข้อมูลเท่าไหร่เพื่อให้ AI มีความแม่นยำ จากนั้นเราก็ประมาณข้อมูลนั้นและทำให้แม่นยำสำหรับคำที่ใช้บ่อยที่สุด 10,000 คำในภาษาอังกฤษและการผสมผสานใดๆ ของคำเหล่านั้น ตอนนี้คุณสามารถพิมพ์ข้อความพูดและรับผลการประเมินกลับมาได้เลย แต่แน่นอนว่านั่นยังเป็นสถานการณ์แบบปิดจากมุมมองการทดสอบและการเรียนรู้ มันสำคัญมากที่จะมีคำถามและคำตอบที่สร้างสรรค์แบบเปิดกว้าง ดังนั้นขั้นตอนต่อไปสำหรับเราที่ได้รับความสนใจมากคือการมีการประเมินแบบเปิดกว้าง ตอนนี้เราสามารถประเมินเนื้อหาได้เมื่อรู้ว่ามันคืออะไร แต่สิ่งที่เราต้องทำก่อนคือการรู้จำว่าเนื้อหานั้นคืออะไร เรามีเดโมบนเว็บไซต์ที่คุณสามารถพูดแล้วเราจะประเมิน คุณจึงสามารถตอบแบบสร้างสรรค์และเปิดกว้างได้ แน่นอนว่าผลิตภัณฑ์นี้มีข้อจำกัด เช่น การใช้ระบบรู้จำเสียงพูดถอดความสิ่งที่พูดออกมาแล้วเราประเมินจากวิธีการพูด ทั้งหมดนี้ขึ้นอยู่กับความแม่นยำของการรู้จำตั้งแต่ขั้นตอนแรก ถ้าคุณเป็นผู้เรียนระดับเริ่มต้น หรือมีสำเนียงหนัก แม้แต่ ASR ที่ดีที่สุดในโลกก็ไม่สามารถให้ผลการอ่านที่แม่นยำในสิ่งที่พวกเขาพยายามจะพูดได้ บริบทก็มีส่วน แต่ผมคิดว่าเราพบวิธีแก้ปัญหานั้นแล้ว แต่ต้องใช้การพัฒนาค่อนข้างมาก ดังนั้นเรากำลังมองไปในทิศทางนั้น และในการทดสอบอัตโนมัติที่เราสร้างขึ้น เราก็กำลังทดลองกับเรื่องนี้ รวมถึงการให้คำตอบ 1 ถึง 3 นาที ถามนักเรียนเกี่ยวกับศิลปะ สิ่งแวดล้อม และคำถามสไตล์ IELTS ด้วยด้วยเช่นกัน

เจย์: ใช่

นิค: แล้วการทำแบบประเมินแบบเปิดกว้างที่เป็นระบบอัตโนมัติเต็มรูปแบบ ซึ่งเจ๋งมากและน่าตื่นเต้นจริงๆ ผมคิดว่านั่นแหละคือจุดที่เราจะเติบโต และนั่นคือจุดเด่นของเรา จุดสนใจของเราคือการทำงานในส่วนนี้ เพราะใช่ อย่างที่คุณบอก จากมุมมองการทดสอบและการเรียนรู้ มันสำคัญมากที่จะไม่ใช่แค่การอ่านข้อความหรือประโยค ซ้ำคำ ซึ่งประเมินได้แค่บางส่วน แต่เพื่อให้ได้การวัดความสามารถทางภาษาอย่างแท้จริง และช่วยให้พวกเขาเรียนรู้ คือการมีบทสนทนาแบบเปิดกว้างกับพวกเขา

เจย์: ใช่ ดีมาก ใช่ นั่นมันใหญ่เลย ปัญหากับคำตอบแบบเปิดกว้างก็คือเนื้อหา ใช่ไหม?

นิค: น่าแปลกที่ตัวชี้วัดอื่นๆ เช่น ความคล่องแคล่วและความพรุน ไม่สนใจเนื้อหา ดังนั้นคุณไม่จำเป็นต้องรู้ว่ากำลังพูดอะไร แต่สำหรับการออกเสียง หรือเสียง คุณต้องรู้ว่าผู้ใช้พยายามจะพูดอะไร แล้วคุณจึงจะประเมินได้ว่าพูดได้ดีแค่ไหน

เจย์: งั้นมันทำงานแบบนี้ใช่ไหม สมมติว่าผมกำลังอธิบายภาพของหอไอเฟล แล้วผมพูดเป็นประโยค แล้วมันก็ถอดเสียงเป็นคำ เหมือนบริการถอดเสียงสำหรับพิมพ์ด้วยเสียง ผมไม่รู้ว่ามันทำงานยังไง มันทำงานยังไงกันแน่?

นิค: เช่น ใช้การรู้จำเสียงพูดเพื่อถอดรหัสสิ่งที่ถูกพูดเป็นขั้นตอนแรก แล้วมันจะได้ข้อความ และเมื่อคุณได้ข้อความแล้ว คุณก็ส่งข้อความนั้นพร้อมกับเสียงไปยัง API ของเรา แล้วเราจะทำการประเมินและส่งผลลัพธ์กลับมา

เจย์: โอเค งั้นมันจะดูที่เสียง จะนำผ่านซอฟต์แวร์ประเมินการออกเสียงของคุณ แต่ก็จะดูคำด้วย มันจะสร้างแผนที่ความหมายและบอกว่า ใช่ เขากำลังพูดถึงอะไรก็ตามที่ฉันพูดเกี่ยวกับหอไอเฟล แล้วก็ให้คะแนนเนื้อหาด้วย และอาจจะรวมถึงไวยากรณ์ด้วย มันซับซ้อนจริงๆ

นิค: ใช่ นั่นแหละแผนแน่นอน คือจะมีหกตัวชี้วัดหลักเป็นวิธีที่เราจะวัดว่าคุณสื่อความหมายอย่างไรและสามารถวัดปริมาณได้จริงๆ แล้วแบ่งเป็นหมวดหมู่ เรามีการออกเสียง, ความพรุน, ความคล่องแคล่ว, ไวยากรณ์, คำศัพท์หรือทรัพยากรทางศัพท์ และความเกี่ยวข้องของเนื้อหา หกตัวชี้วัดนี้เรานั่งลงและวิเคราะห์ทุกอย่างตั้งแต่เกณฑ์ IELTS ไปจนถึงข้อกำหนดทางเทคนิค ว่าเราทำอะไรได้บ้าง ทำอะไรไม่ได้บ้าง แล้วใส่มันในกระบวนการนี้ ซึ่งนั่นคือวิธีที่เราคิดว่าจะเปลี่ยนวิธีที่คุณจะสามารถส่งมอบการประเมินแบบเปิดที่อัตโนมัติเต็มรูปแบบโดยใช้ตัวชี้วัดเหล่านี้สำหรับการทดสอบและการเรียนรู้ด้วย

เจย์: ดี ดี แล้ววันหนึ่งในอนาคตไกลๆ นั้นจะมีการโต้ตอบที่คุณจะสามารถสนทนาได้จริงๆ แต่นั่นมันเป็นเรื่องที่ต่างออกไปใช่ไหม?

นิค: ผมมีแผนสำหรับเรื่องนั้นเขียนไว้แล้ว รู้ชัดเจนว่าจะทำอย่างไร แต่มันยากมากในเชิงเทคนิค ดังนั้นใช่ มันจะเกิดขึ้น แต่ก็ยังไม่ใช่ตอนนี้

เจย์: นั่นแหละตอนที่คุณเคยดูหนังเรื่อง ‘her’ ไหม ที่พวกเขามีหูฟังเล็กๆ แล้วเขาก็ตกหลุมรักกับ... คุณเคยดูหนังเรื่องนั้นไหม? เป็นหนังของ Jaoquin Phoenix นั่นแหละ ชื่ออะไรก็ไม่รู้ มันเป็นหนังที่สวยงามมาก จริงๆ เป็นหนึ่งในหนังโปรดของผม และพวกเขามีหูฟังพวกนี้ที่อยู่ในอนาคต แล้วเขาก็ตกหลุมรักกับ AI ในหูของเขา แต่แล้วเขาก็รู้ว่าทุกคนก็ตกหลุมรักกับ AI ของตัวเองเพราะพวกเขามีบทสนทนาที่วิเศษ มันคุ้มค่าที่จะดู มันเจ๋งมาก โอเค ดีมาก น่าสนใจจริงๆ งั้นบอกผมหน่อยเกี่ยวกับการทดสอบที่คุณสร้างขึ้นนี้

Nick: ใช่ เรากำลังทำงานกับกลุ่มที่ชื่อ Holmes Education Group และเรากำลังใช้ระบบร่วมกับพวกเขา เราสร้างการทดสอบอัตโนมัติขึ้นมา DuoLingo ปล่อยการทดสอบหนึ่งช่วงกลาง COVID เมื่อประมาณหนึ่งปีที่แล้ว ราคา 69 ดอลลาร์ และผมคิดว่ามันยังไม่อัตโนมัติเต็มที่ ยังมีคนประเมินอยู่ ในขณะที่ของเรานั้นอัตโนมัติเต็มที่ เริ่มต้นด้วยการพูดและฟังเป็นหลัก และกรณีใช้งานเดิมคือใช้เพื่อทำให้กระบวนการสมัครเข้าโรงเรียนและมหาวิทยาลัยง่ายขึ้น แต่เมื่อเราพัฒนาต่อไป มันดูเหมือนว่าเราจะใช้มันเป็นข้อสอบเข้าจริงๆ เพื่อทำให้กระบวนการนั้นอัตโนมัติ และผมไม่คิดว่ามันจะมาแทน IELTS ได้ แต่เราก็อยากจะก้าวไปในทิศทางนั้นด้วยเทคโนโลยีนี้ 

Jay: ว้าว มันทดสอบทักษะอะไรบ้าง?

Nick: ตอนนี้มีแค่การพูดและฟัง แต่เรากำลังเพิ่มการอ่าน ไวยากรณ์ ความเข้าใจ ฯลฯ

Jay: ใช่ เพราะการทดสอบหลายอย่างมักละเลยการพูด เช่น TOEIC ตัวอย่างเช่น เท่าที่ผมรู้ TOEIC เป็นการทดสอบฟังและอ่านเป็นหลัก เพราะการประเมินการพูดมีค่าใช้จ่ายสูง มักต้องใช้คนประเมิน ผมรู้ว่าเราที่ E2Language ประเมินงานเขียนและการพูดเยอะมาก และเรายังใช้คนประเมินอยู่ เพราะระดับความซับซ้อนแบบนี้ เช่น เรียงความ IELTS เรายังไม่เจอ AI ตัวไหนที่ทำให้นักเรียนพอใจได้ และนักเรียนต้องการความพึงพอใจสูงมาก ต้องการคำติชมและคำอธิบายที่ละเอียด ดังนั้น มันเป็นตลาดที่น่าทึ่งมาก ถ้าคุณเข้าไปและแก้ปัญหานั้นได้ มันจะเป็นเรื่องที่ยิ่งใหญ่มาก

Nick: มันยากแน่นอน แต่ผมคิดว่าเรากำลังอยู่บนเส้นทางที่ถูกต้อง

Jay: ใช่ ผมคิดว่าปัญหาใหญ่แบบนี้ เราต้องเริ่มแก้ไขทีละนิด คุณต้องมีไอเดียเล็กๆ และแก้ปัญหาเล็กๆ จนกว่าจะแก้ปัญหาใหญ่ได้ ผมหมายถึง เรากำลังพยายามแก้ปัญหาใหญ่ในการสอนภาษาอังกฤษบนคอมพิวเตอร์ และหาวิธีทำมัน มันผ่านมานานแล้วที่ผมดูเรื่องนี้มา 10 ปี และผมยังเปลี่ยนใจอยู่เรื่อยๆ และยังไม่รู้วิธีสอนไวยากรณ์เลย เรื่องนั้น ผมไม่รู้จะสอนไวยากรณ์ยังไง ผมลองมาหลายวิธีแล้ว สลับไปมาหลายทาง และสุดท้าย ผมคิดว่าผมยอมแพ้แล้ว และอาจจะใกล้จะเจอทางที่ถูกต้องตอนที่ผมยอมแพ้ ขอโทษครับ เชิญต่อ

Nick: ผมจะบอกว่ามันสมเหตุสมผลมากใช่ไหม? เพราะผมคิดว่าในภาษาจีนกลางจะพูดว่า “kàn shénme?” ซึ่งแปลว่า ‘คุณกำลังดูอะไร?’ ไม่ใช่ ‘คุณดูอะไรอยู่?’ และผมคิดว่าภาษาเยอรมัน ฝรั่งเศส และภาษาที่มาจากภาษาละตินทั้งหมดมีโครงสร้างภาษาที่คล้ายกัน ภาษาอังกฤษเป็นภาษาเดียวที่มีโครงสร้างแบบนั้น ใช่ไหม?

Jay: ผมไม่รู้ว่าคุณจะดูอะไรใน Google Images ซึ่งน่าสนใจมาก แผนที่มอร์ฟีม ถ้าคุณพิมพ์ morpheme map สิ่งที่มันทำคือใส่ประโยคภาษาอังกฤษไว้ด้านล่าง ‘What are you looking at’ และใส่ประโยคภาษาจีนแมนดารินไว้ด้านบน และมันจะวาดเส้นแสดงลำดับคำ บางอันแตกต่างกันอย่างมาก นั่นแค่ลำดับคำ ยังไม่รวมถึงว่า กริยาใช้อย่างไร และบอกเวลาและไวยากรณ์อย่างไร ผมพบว่าไวยากรณ์น่าสนใจมาก แต่ดูเหมือนจะแก้ไม่ได้ ใช่ เยี่ยม Nick คนจะติดต่อคุณและหาข้อมูลเพิ่มเติมเกี่ยวกับ language confidence ได้อย่างไร

Nick: เข้าไปที่เว็บไซต์ของเรา languageconfidence.ai หรือส่งอีเมลมาที่ [email protected] ใช่ มีเดโมบนเว็บไซต์ ลองเล่นดู และแจ้งข้อเสนอแนะมาได้ ผมมักมองหาพันธมิตรเพื่อพัฒนาผลิตภัณฑ์ นั่นคือวิธีที่เราทำงานกับพันธมิตร มันเป็นความสัมพันธ์ที่ร่วมมือกันจริงๆ ผมคิดว่าเราใช้เวลาค่อนข้างมากกับ CTO ของเราที่เมลเบิร์น เพื่อหาวิธีใช้ผลิตภัณฑ์และกรณีการใช้งานที่ดีที่สุด ดังนั้นใช่ ติดต่อมาได้เลย เรายินดีรับฟังจากคุณ

Jay: มันดูเหมือนว่ามันทำให้แพลตฟอร์ม E2school ของเรามีความแตกต่างอย่างมาก เพราะคอร์สการออกเสียง ถ้าเรามีสองทางเลือก คือไม่ให้คำติชม หรือจ้างครู ซึ่งจะทำให้ราคาคอร์สพุ่งสูงขึ้น และไม่มีใครใช้ ดังนั้นสิ่งที่เราทำได้กับ language confidence คือให้คำติชมมากมายกับนักเรียน และคิดว่าราคาคือ 19 ดอลลาร์สำหรับสามเดือนหรืออะไรประมาณนั้น ดังนั้นใช่ มันเป็นเครื่องมือที่มีค่าสำหรับเรา และใช่ นักเรียนของเราใช้มัน ซึ่งดีมาก

Nick: ใช่ นั่นเยี่ยมมาก และใช่ ผมสนุกกับการทำงานกับพวกคุณมาก มันสนุกดี และผมตั้งตารออีกหลายปีข้างหน้า

Jay: ใช่เลย แน่นอน เราจะขยายไปเรื่อยๆ และดูว่าไปถึงไหน เยี่ยม ขอบคุณมากที่มาร่วมกับผมวันนี้ Nick

Nick: ขอบคุณที่เชิญผมมาร่วม ผมซาบซึ้งมาก

ผู้พูด: ขอบคุณที่ฟัง E2 Talks อย่าลืมดูที่ e2language.com สำหรับคอร์ส PTE, IELTS, OET และ TOEFL และถ้าคุณต้องการความช่วยเหลือในการเรียนภาษาอังกฤษทั่วไป ลองดูที่ e2school.comขอบคุณ