На конгрессе в Белграде ученые ИИЯ РУДН представили результаты инновационных исследований, направленных на решение актуальных задач прикладной лингвистики
На конгрессе в Белграде ученые ИИЯ РУДН представили результаты инновационных исследований, направленных на решение актуальных задач прикладной лингвистики.png)
С 23 по 25 мая 2025 года в Белградском университете прошел The 8th International Congress of Applied Linguistics Today – Modern Approaches to Old and New Challenges (ALT8)/VIII Международный конгресс прикладной лингвистики сегодня – современные подходы к старым и новым вызовам.Более 260 участников ведущих специалистов из Ганы, Великобритании, Марокко, России, Нигерии, Польши, России, Сербии, США приняли участие в обсуждении актуальных вопросов и тенденций в данной области: от теоретических основ прикладной лингвистики, эмпирических и междисциплинарных исследований до роли компьютерной лингвистики в развитии искусственного интеллекта.
Свои доклады вниманию зарубежных коллег представили ученые института иностранных языков РУДН: Наталья Александровна Ахренова, главный специалист по стратегическому развитию ИИЯ РУДН, ведущий научный сотрудник, профессор кафедры теории и практики иностранных языков, доктор филологических наук, и Яна Александровна Волкова, ведущий научный сотрудник, доктор филологических наук, профессор кафедры теории и практики иностранных языков.
.png)
Профессор Наталья Александровна Ахренова была приглашена стать руководителем секции APPLIED LINGUISTICS & NEW TECHNOLOGIES 5, которая проходила в Русском центре, открытого в Белградском университете при поддержке Фонда Русский Мир, а также выступила с докладом в рамках приоритетного направления «Лингвистика» на тему «The emotional palette of AI: verbal and nonverbal markers in human and chatbot communication».Исследование посвящено изучению эмоциональной компоненты искусственного интеллекта, его способности имитировать человеческие эмоции с помощью эмоционально окрашенной лексики.
Цель данного исследования заключается в определении степени эмоциональности ИИ на основе сравнительного анализа эмоциональных маркеров в текстах, сгенерированных чат-ботами, и текстах реальных людей.
Исследовательским материалом послужили текстовые сообщения англоязычных пользователей мессенджера Telegram и чат-ботов платформы Character.ai. Эмпирическая база включала ответы пяти субъектов и пяти чат-ботов на однотипные вопросы, направленные на выявление эмоциональных реакций.
Результаты исследования показали, что:
1. ИИ способен адекватно применять эмоционально окрашенную лексику в зависимости от контекста.
2. Лексика, используемая чат-ботами, менее разнообразна и редко включает устойчивые выражения и неологизмы.
3. Сообщения чат-ботов, как правило, короче, чем у реальных людей, а их эмоциональность ограничена цензурой и настройками платформы.
4. Чат-боты используют больше восклицательных знаков, что иногда выглядит неестественно.
«На текущем этапе эмоциональный ИИ способен частично имитировать человеческие эмоции с помощью вербальных и графических средств. Однако существующие нейронные сети не достигают уровня точности, присущего человеческой речи. Дальнейшее развитие технологий глубокого обучения и повышенная доступность нейронных сетей могут сделать ИИ более эмоционально убедительным в ближайшем будущем», отметила профессор ИИЯ РУДН Наталья Александровна Ахренова.
.png)
Профессор Яна Александровна Волкова выступила с докладом в рамках приоритетного направления «Лингвистика» на тему «Exploring Conceptual Inconsistencies in Translating Emotion Terms: A Corpus-Based Study on English-Russian Equivalence».В докладе на материале Национального корпуса русского языка, параллельного подкорпуса были проанализированы варианты перевода английских лексем, обозначающих эмоции, таких как anger, что представляет собой лингвистически и культурологически сложную задачу. В русском языке эквиваленты anger – гнев, злость, озлобление, ярость, недовольство – различаются по степени эмоциональной интенсивности, социальным коннотациям и контексту употребления. Например, ярость обозначает крайнюю форму гнева, тогда как злость передаёт более импульсивное, личностно окрашенное состояние. Человеческий переводчик способен учитывать эти тонкие различия, исходя из контекста и культурных реалий, в то время как машинный перевод, как правило, сводит все вариации к более нейтральному гнев. Данное различие подчёркивает ключевую роль культурной интерпретации и контекстуализации в адекватной передаче эмоциональной лексики в переводе.
По мнению профессора Яны Александровны Волковой, «проведённый анализ демонстрирует, что адекватный перевод лексики, обозначающей эмоции, требует не только языковой, но и культурной интерпретации. Разнообразие оттенков значений и стилистических регистров, связанных с эмоциональными терминами, зачастую выходит за пределы возможностей современных систем машинного перевода. В отличие от человека-переводчика, способного учитывать контекст, культурные коннотации и эмоциональную интенсивность, автоматические алгоритмы склонны упрощать перевод, сводя его к наиболее нейтральным и частотным вариантам. Это свидетельствует о необходимости дальнейшего развития технологий перевода, ориентированных на семантическую гибкость и культурную чувствительность, особенно в работе с эмоционально-окрашенной лексикой».