Ivan Crewkov CEO & Co-Founder of Buddy AI – Interview Serie

Ivan Crewkov er CEO & Co-Founder of Buddy AI, verdens første konversationale AI-lærer for børn, med missionen at sikre, at alle studerende kan betale for 1:1 engelsk undervisning. Efter at have flyttet til USA fra Sibirien oplevede Ivan, at hans førskolealderlige datter kæmpede for at lære engelsk. Dette inspirerede ham til at bygge Buddy, en fiktiv karakter, som børn kan faktisk konversere med gennem generativ AI.

Siden lanceringen i 2020 har Buddy-appen vundet flere priser og toppet hitlisterne i App Store’s Børn og Uddannelse-kategori med over 36M downloads verden over.

I 2014 lancerede du Cubic.ai, en af de første smarte højttalere og stemmeassistent-apps til smarte hjem. Hvad var nogle af dine vigtigste erfaringer fra denne oplevelse?

Jeg er ikke sikker på, jeg kan tage æren for at lancere Cubic.ai. Jeg sluttede mig til virksomheden et år efter dens grundlæggelse og fik min medstifter-titel for min bidrag.

Her er de vigtigste erfaringer:

• Hardware er svært, men nogen må gøre det alligevel. At sikre venturefinansiering til hardware-startups er ekstremt svært. Det eneste, der gør tingene lidt lettere, er crowdfunding.
• Rummet for stemme-først produkter er stort og varieret. Det, der gælder for smarte hjem, gælder ikke for tidlig læring, fra teknologier til brugeroplevelse.

Kan du dele historien om Buddy og hvordan den opstod fra din families flytning til USA fra Sibirien?

Med Cubic.ai flyttede jeg fra Sibirien til USA i 2014 og tog min familie med. Min ældste datter Sofia startede med at lære engelsk som andetsprog, da hun gik i børnehave i Mountain View, Californien, i en alder af 4. Sofia kæmpede for at begynde at tale engelsk i de første 3-5 måneder i børnehave. Vi var bekymrede, fordi hun ikke kunne finde venner og lege med de fleste af sine jævnaldrende på grund af sproget. Vi startede med at lede efter måder at hjælpe hende med at lære at tale.

Det blev klart, at sprogapps til børn ikke underviser i at tale (og alt har forblevet det samme over tid), og sprogapps til voksne som Duolingo fungerer ikke for børn på grund af brugeroplevelsen. Så vi startede med at tage lektioner på platforme, der forbinder børn med live-lærere via videokonferencing. Eksempler er Cambly, VipKid, Novakid, GoStudent osv. Da jeg observerede Sofia lære med live-tutorer virtuelt, så jeg fordelene ved 1:1 opmærksomhed og aktiv taleøvelse, men også ulemperne ved disse programmer i almindelighed.

For eksempel må mange af de online-undervisningsplatforme og online-skoler, når de skal skaleres, hyre mennesker uden pædagogisk baggrund, undervisningserfaring eller endda en ordentlig engelsk færdighedsniveau. For at sikre en vis kvalitet af uddannelse kræver online-platforme og skoler strengt manus og lektionsplaner, og lærere må bruge forudindspillede øvelser, herunder lyd- og videofragmenter. Så desværre fungerer tutorer på mange platforme grundlæggende som robotter.

Alligevel har online-undervisning været den eneste måde for de fleste mennesker at lære at tale engelsk, især i ikke-engelsktalende lande. Men delvist på grund af lærermanglen er det langt for dyrt for de fleste familier. At lære med live-lærere er en premiumuddannelsesservice, som få familier kan betale.

Min medstifter og jeg nåede til den erkendelse, at AI-undervisning er den eneste skalerbare måde at give 1:1 engelskundervisning til hvert barn i verden. Snart opdagede vi, at det også er det bedste fra et uddannelsesmæssigt synspunkt. Da vi overvejede Buddys tidligste prototyper, blev vi inspireret af forskning i feltet virtuelle mennesker i uddannelse.

Akademiske studier viser de pædagogiske agents uddannelsesmæssige fordele og overlegenhed i forhold til mere traditionelle læringsværktøjer og -miljøer. For eksempel kan man se Face-to-Face Interaction with Pedagogical Agents, Twenty Years Later, en artikel fra 2016, der giver en oversigt over feltet og citerer meget af det relevante materiale. Her er et citat:

“I særdeleshed fandt meta-analysen, at agenter forbedrer læring i sammenligning med læringsmiljøer, der ikke har agenter. […] Måske det mest interessante var fundet af, at i formel uddannelse synes pædagogiske agenter at være mere effektive for yngre lærende end for ældre lærende. […] Studier har fundet, for eksempel, at studerende, der interagerer med pædagogiske agenter, viser stærkere læringsresultater, når 1) pædagogiske agenter taler i stedet for at kommunikere med tekst, 2) pædagogiske agenter bruger menneskelignende gestus, 3) pædagogiske agenter kommunikerer konversationelt i stedet for formelt, og 4) pædagogiske agenter bruger høflig i stedet for direkte formulering.”

Dette styrkede vores tillid til den multimodale AI-undervisningsapproach. Vi besluttede, at Buddy ville være en multimodal AI-lærer – en animeret pædagogisk agent i stand til talegenkendelse og naturlig sprogbehandling. I dens kerne består et AI-undervisningssystem af tre hovedteknologier:

1. Automatisk talegenkendelse (ASR) og analyse giver os mulighed for at behandle og analysere elevens tale.
2. Naturlig sprogbehandling (NLP), naturlig sprogforståelse og dialogstyring, der behandler indholdet af elevens tale og producerer den næste respons. Responset består af både verbale og non-verbale komponenter.
3. En inkarneret animeret virtuel karakter, der giver både lytterfeedback og afspiller systemets respons. Karakteren er animeret procedurally – systemet opretter animationer på bagsiden af NLP-responset.

Alle tre komponenter er afgørende for vores tilgang, fordi de kun i kombination giver os mulighed for at bygge en engagerende, interaktiv lærer og levere en succesfuld uddannelsesoplevelse.

Min datter Sofia og min medstifters søn Arseny blev Buddys første brugere. Sofia brugte de tidligste versioner af Buddy gennem 1. klasse.

Flere år senere startede min yngre datter Alisa med at bruge Buddy, da hun var tre år gammel og gik i børnehave. Nu er hun i overgangsklasse og leger med Buddy næsten hver dag. Da Alisa startede med at lære med Buddy, havde hun flere taleproblemer, så Buddy forstod hende ikke det meste af tiden. Men efter et par ugers øvelse forbedredes ikke kun hendes engelsk, men også hendes tale, da hun prøvede sit bedste for at få Buddy til at forstå hende.

Hvorfor er de traditionelle måder at undervise i et andet sprog så ineffektive?

I dag er vi fokuseret på at løse bestemte uddannelsesproblemer i forbindelse med tale:

• De fleste traditionelle uddannelsesværktøjer fokuserer på at undervise i andre sprogfærdigheder som læsning eller skrivning.
• Sprogapps til børn underviser ikke i talefærdigheder.
• Nogle sprogapps til voksne tilbyder taleøvelse med AI, men disse tjenester fungerer ikke for børn på grund af brugeroplevelse, sikkerhedsbekymringer og privatlivsregler.
• Live-lærere er for dyre for de fleste familier. Desværre har mange lærere ikke pædagogisk uddannelse eller er ikke dygtige i engelsk.

Buddy er en multimodal AI-lærer.

• Det er overlegent i forhold til traditionelle læringsapps, fordi det fungerer som en live-lærer på mange måder. Lad mig citerer en af vores rådgivere, Dr. Alex Desatnik, PhD, University College London:

“En stemmebaseret virtuel lærer. Dette koncept kan lyde simpelt, men der er videnskab bag det. Fra et læringspsykologisk synspunkt er den virtuelle talende karakter en inkarnation af læreren. Denne tilgang skaber en effekt kaldet epistemisk tillid, der styrker elevens motivation og engagement og forbedrer læringsresultaterne.”

• Buddy har nogle fordele, selv over for menneskelige lærere. Buddy dømmer ikke, og for nogle børn gør det det lettere at starte med at tale med Buddy end med en lærer. Derfor bruger mange lærere i dag Buddy som en icebreaker, der hjælper børnene med at overvinde deres frygt og ubehag og starte med at tale sproget.

Buddy arbejder for at hjælpe lærere, ikke for at erstatte dem.

Jeg synes, det er meget vigtigt at bemærke dette. Buddy kan hjælpe lærere med at automatisere den kedelige del af deres job – at give regelmæssig øvelse. Vi vil give magt til skolelærere. Buddy er som et hold af lærere og lærerassistenter, der arbejder individuelt med hvert barn i klassen og rapporterer til klasselæreren.

Kan du diskutere, hvordan Buddy bruger elementer af gamification til at holde børnene begejstrede for at lære?

En sjov faktum: Buddys mobile app blev downloadet 22 millioner gange i 2023, og over 70% af disse downloads blev lavet af børn. For børn er vores app et spil, hvor de leger med Buddy, deres talende virtuelle ven og en populær youtuber. Børnene downloader appen og overbeviser forældrene om at betale for en abonnement, og forklarer, at Buddy er en lærer.

For at gøre denne tilgang til at fungere, designer vi Buddy som et spil med en historie og en univers. Vi arbejder med Hollywood-karaktersdesignere og forfattere til at skabe Buddy og hans historie. Vi har et meget stærkt spildesignhold, der arbejder direkte med vores uddannelsesfolk og omdanner curriculum og øvelser til mini-spil i Buddys verden.

Hvad er nogle af de andre kernefunktioner, der gør Buddy så kraftfuld i undervisning i et andet sprog?

Vores kernefunktion er virkelig fokuseret på Buddy som en multimodal AI-lærer:

• Talegenkendelse
• Konversationel AI
• Avatar visuelt adfærd

Hvad er nogle af de maskinlæringsalgoritmer, der bruges i Buddy?

Vi udvikler hele teknologistaben, der arbejder sammen for at aktivere vores multimodale AI-undervisningsapproach.

• BSR (Buddys Talegenkendelse) er en proprietær talegenkendelsesmotor, der specifikt er designet til at arbejde med accenteret børnetale og overholde regler som COPPA.
• BLM (Buddys sprogmodel) — Konversationel AI-motor til børn. Sikker, hurtig og fri til at operere. Den fokuserer på specifik uddannelsesfunktion og er langt mindre alsidig end store sprogmodeller.
• BABE (Buddys Avatar Adfærds Motor). Denne teknologi genererer vores characters visuelle adfærd baseret på samtalekonteksten. Buddy forstår, når han har brug for at smile, ændre farve eller tage en latterlig hat på.

Mange talegenkendelsessystemer kæmper med accenter, især for små børn, hvordan overvinder Buddy disse udfordringer?

Ved at udvikle BSR, vores proprietære talegenkendelsesteknologi.

Vores unikke publikum og marked krævede udviklingen af proprietær teknologi. Buddy må kunne genkende den højt accenterede tale af unge engelsk som fremmedsprog-lærere. En anden komplicerende faktor er, at begynder-elever starter med at lære separate, ofte korte ord, som er meget svære at genkende uden kontekst. Endelig er børnemarkedet højt reguleret, og talegenkendelse er underlagt Children Online Privacy Protection Act (COPPA), da taleoptagelser betragtes som personligt identificerbart information (PII).

BSR håndterer børns tale med forskellige accenter, produceret på en række mobile enheder med mikrofoner af varierende akustisk kvalitet og i rigtige miljøer med mange slags baggrundsstøj. Og det er COPPA-sikret fra designets begyndelse.

Ved at arbejde globalt har vi formået at samle en unik datasaet til at træne vores model på. I dag overgår BSR kommercielle standardløsninger i genkendelse og forståelse af accenteret børnetale.

Hvordan planlægger du at udvide markedspenetration for at målrette forældre, der måske ikke er bekendt med AI-teknologi?

Buddy startede med at se succes, før AI blev en buzzword, og de fleste af vores brugere er ikke de typiske tidlige teknologi-adoptorer. Vi løser en vigtig uddannelsesproblem, og det sker bare, at vi bruger AI til det.

Alligevel er en af de udfordringer, vi står over for, at få forældre til at behandle læring med Buddy lige så alvorligt som med en live-lærer — ikke springe over lektioner, holde fast ved en tidsplan osv. Den nuværende AI-revolution synes at hjælpe med det.

Jeg ville sige, at det næste store skridt for os er at starte med at arbejde tættere med lærere og skoler. Vi kører en pilotpartnerskab med en skole i Brasilien og diskuterer partnerskaber med et dusin mere uddannelsesinstitutioner.

Hvad er din vision for fremtiden for AI-lærere og uddannelse i almindelighed?

AI-lærere er den bedste og den eneste skalerbare måde at løse menneskehedens #1 uddannelsesproblem – den globale lærermangel. Vi har brug for omkring 69 millioner nye lærere for at løse blot de grundlæggende læringsbehov. For fag, der kræver 1:1-undervisning, som sprogtilæring, er problemet langt værre.

AI-revolutionen accelererede udviklingen af AI-lærere, selvom det primært var i den voksne sektor med standardløsninger, mens tidlig læring forblev dramatisk underbetjent. Vi er stolte af at være pionerer inden for AI-undervisning for små børn.

Med hensyn til vores fremtid startede Buddy som en sprogtilæring-lærer, men på længere sigt vil det blive en AI-undervisningsplatform, der underviser i en bred vifte af fag til børn under 12. Vi har allerede startet med at rulle ud en tidlig version af vores første ikke-sprogkurriculum – Skoleforberedelseskurriculum for amerikanske børn. Vi ser Buddy som barnets læringsassistent, der vokser op med barnet fra 3 til 4 år og underviser i multiple fag over mange år.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Buddy AI.