Tästä alkaa uusi blogijuttusarja, jossa kerron vieraan kielen opiskelun tueksi rakentamastani työkalusta. Siinä käytetään tekoälyä luomaan sanaston itse valitusta tekstistä. Kerron tässä ensimmäisessä osassa, mistä kaikki alkoi.
Lähtökohta
Tämä sanastohanke lähti tarpeestani luoda oppimateriaalia japanin kielen itseopiskelua varten. Halusin oppia ymmärtämään, mitä suosikklauluissani sanotaan ja mitä suosikkiartisistini haastatteluissaan puhuvat.
Opiskeluni törmäsi heti vaikeuksiin, kun halusin opetella juuri tietynlaista sanastoa. En turistifraaseja tai työelämän kohteliaisuuksia, vaan sitä epämuodollista puhekieltä, jota j-rockissa ja j-popissa usein kuulee.
Lisää vaikeuskerrointa sanaston opiskeluun tuotti vielä se, etten osannut perinteisiä japanilaisia kirjoitusmerkkejä (hiraganaa, katakanaa ja kanjia). Vaikka tietäisin, miten sana lausutaan, en osaisi yhdistää sitä edessäni oleviin kirjoitusmerkkeihin.
Pyysin aluksi tekoälyä kääntämään kokonaisen laulutekstin ja pääsin sillä tavalla kiinni laulun sanomaan. Sanavarastoni ei kuitenkaan karttunut siitä juuri ollenkaan. En nimittäin pystynyt jäljittämään käännöksestä yksittäisiä sanoja, sillä lauseet rakennetaan eri kielissä eri tavalla. Lisäksi japanin kielessä kaikkea ei sanotakaan ääneen, joten osan joutuu aina arvaamaan tai tulkitsemaan.
Aloin tämän jälkeen kysellä yksittäisiä sanoja tekoälyltä, miten ne kirjoitetaan länsimaisilla aakkosilla (romaji), mitä ne tarkoittavat ja mitä tämä taivutusmuoto tarkoittaa. Opin pian, että yhdellä sanalla voi olla useita erilaisia merkityksiä. Esimerkiksi sana akane (茜) tarkoittaa kirjaimellisesti erästä kasvia, mutta tavallisesti sitä käytetään tarkoittamaan syvänpunaita väriä. Joskus myös nostalgiaa, iltaruskoa, vaurautta ja itsereflektion hetkeä. Kirjaimellinen käännös ei siis riitä ymmärtämään, mitä sana tarkoittaa. Pitäisi nähdä eri merkitykset, jotta niistä voisi valita sopivimman.
Sanojen opettelu oli tällä tavalla hyvin mielenkiintoista, mutta myös hyvin hidasta. Oli aika vaivalloista kirjoittaa pitkä kehote yhden sanan selvittämiseksi. Lisäksi saamani vastaukset hukkuivat nopeasti tekoälyn keskusteluketjujen syövereihin.
Idea
Mitäpä, jos valjastaisin tekoälyn luomaan sanaston koko laulun lyriikasta kerralla?Yhdessä laulussa on 60-120 sanaa, mikä voisi olla juuri sopiva yhden illan opiskeluannos. Luonnollisesti tällainen sanasto täytyy tallentaa tiedostoiksi, jotta ne löytää helposti jatkossa.
Jälkikäteen ajateltuna tässä on kaksi asiaa. Yksittäisten sanojen selvittäminen on normaalia tiedonhakua, mutta koko laulun sanaston käsitteleminen yhdellä kertaa on jo askel kohti jonkinlaista systeemiä.
Juttusarjan seuraavassa, eli toisessa osassa pohditaan sanojen oppimista ja opettamista ehkä hieman pintaa syvemmältä.