Η Buddy.ai αναπτύσσει αναγνώριση ομιλίας και γλωσσική εξάσκηση για παιδιά

Η αγορά εφαρμογών μάθησης γλωσσών για παιδιά γίνεται ολοένα και πιο κορεσμένη και υπό αυξανόμενο έλεγχο. Την περασμένη εβδομάδα, ο μη κερδοσκοπικός οργανισμός Common Sense Media εγκαινίασε το Youth AI Safety Institute, το πρώτο ανεξάρτητο εργαστήριο του είδους του που υποστηρίζεται από 20 εκατομμύρια δολάρια ΗΠΑ το χρόνο για δοκιμές αντοχής σε προϊόντα AI για παιδιά – πίεση που έρχεται ακριβώς όταν το AI ήδη αντιστοιχεί σε 33.5% των εσόδων των ψηφιακών προϊόντων εκμάθησης γλωσσών.

Την ίδια στιγμή, μόνο το τμήμα αυτής της αγοράς που αφορά παιδιά προβλέπεται να αυξηθεί από 2,38 δισεκατομμύρια δολάρια ΗΠΑ το 2026 σε 5,17 δισεκατομμύρια μέχρι το 2035. Είναι σαφές ότι τα χρήματα κινούνται παράλληλα με την ενσωμάτωση του AI – αλλά και η επιτήρηση.

Έρευνες από το Ινστιτούτο AI του Πανεπιστημίου του Κολοράντο έχουν τεκμηριώσει το χάσμα σαφώς: η ακρίβεια αναγνώρισης ομιλίας είναι σημαντικά χαμηλότερη για παιδιά από ότι για ενήλικες επειδή τα περισσότερα εμπορικά συστήματα εκπαιδεύονται σε καθαρό ήχο από ενήλικες ομιλητές – συχνά διαβάζοντας από σενάρια.

Μια έρευνα του 2024 ενισχύει το γιατί: οι φωνές των παιδιών περιλαμβάνουν γρήγορες, απρόβλεπτες αλλαγές στο τονικό ύψος, στην άρθρωση και στην ανάπτυξη του λεξιλογίου που προκαλούν τα μοντέλα εκπαιδευμένα σε ενήλικες να σφάλλουν.

Και, στην πράξη, αυτό σημαίνει ότι ένα εξάχρονο παιδί που μαθαίνει αγγλικά παίρνει ένα σύστημα που δεν ακούει σωστά, αποτυγχάνει να απαντήσει, ή χειρότερα: απαντάει σε κάτι εντελώς διαφορετικό. Το παιδί χάνει το ενδιαφέρον για μάθηση· ο γονέας χάνει χρήματα.

Αυτό είναι το πρόβλημα που ο Ivan Crewkov άρχισε να δουλεύει πάνω του το 2018, τέσσερα χρόνια πριν τα μεγάλα μοντέλα γλωσσών γίνουν συνηθισμένο θέμα δημόσιας συζήτησης.

Μια οικεία αφετηρία

Η είσοδος του Crewkov στον χώρο της εκπαιδευτικής τεχνολογίας ήταν προσωπική. Όταν η οικογένειά του μετακόμισε από τη Σιβηρία στην Καλιφόρνια το 2014, η κόρη του Sofia ήταν τεσσάρων ετών και δυσκολευόταν να μάθει αγγλικά στο νηπιαγωγείο. Δοκίμασε κάθε διαθέσιμο εργαλείο και βρήκε τα ίδια κενά σε όλα αυτά.

«Συχνά περιελάμβαναν ανάγνωση, την οποία δεν μπορούσε ακόμη να κάνει, έμοιαζαν υπερβολικά με δουλειά και δεν πρόσφεραν εξάσκηση στην ομιλία – κρίσιμη για τα παιδιά που μαθαίνουν μια νέα γλώσσα», είπε στον Unite AI.

Τότε στράφηκε σε καθηγητές που δίδασκαν ζωντανά μέσω διαδικτύου, άρχισε να ηχογραφεί τις συνεδρίες και παρατήρησε κάτι που δεν περίμενε. «Οι δάσκαλοι διάβαζαν κυριολεκτικά από τις οθόνες τους», είπε, και πολλοί δεν ήταν πιστοποιημένοι εκπαιδευτικοί· κάθε συνεδρία κόστιζε 15 έως 20 δολάρια.

Με την εμπειρία του στην AI, ο Crewkov αξιολόγησε απλά την κατάσταση: «Ήταν σαφές ότι πιθανώς το 80% αυτού του έργου θα μπορούσε να γίνει χρησιμοποιώντας έναν εικονικό, ομιλώντα χαρακτήρα AI και αναγνώριση ομιλίας. Αυτό θα έκανε την αγορά προσιτή σε πολύ περισσότερους ανθρώπους επειδή ήταν εξαιρετικά ακριβό»,

«Η ιδέα ήταν να παρέχουμε έναν μήνα μάθησης στο κόστος μιας συνεδρίας διδασκαλίας», πρόσθεσε. Αυτή η ιδέα έγινε Buddy.ai.

Κοντά στα 10,8 εκατομμύρια μικρά παιδιά – 32% όλων των παιδιών κάτω των εννέα ετών στις ΗΠΑ – είναι παιδιά που μαθαίνουν δύο γλώσσες (DLL), με τουλάχιστον έναν γονέα που μιλάει μια άλλη γλώσσα εκτός από τα αγγλικά στο σπίτι, όπως παρατηρεί το Migration Policy Institute. Από το 2000, στην πραγματικότητα, αυτός ο πληθυσμός έχει αυξηθεί κατά 24%, και οι DLLs αποτελούν τώρα περισσότερο από 20% του πληθυσμού των μικρών παιδιών σε 24 πολιτείες και στην Ουάσινγκτον DC.

Αυτές είναι πιθανότατα οι οικογένειες που είναι πιο πιθανό να αναζητήσουν τι προσφέρουν πλατφόρμες όπως η Buddy.ai – και είναι οι λιγότερο πιθανό να έχουν συνεχή πρόσβαση σε υψηλής ποιότητας προγράμματα προσχολικής εκπαίδευσης. Το 43% των παιδιών DLL ζει σε νοικοκυριά με χαμηλό εισόδημα σε σύγκριση με 33% των μη-DLL παιδιών.

Η εμπορική λογική, λοιπόν, είναι σαφής. Το πιο δύσκολο ερώτημα είναι αν η τεχνολογία πράγματι αποδίδει τα αναμενόμενα – και εδώ, η προσέγγιση της Buddy.ai διαφοροποιείται σημαντικά από τους περισσότερους ανταγωνιστές.

Σχεδιασμένο εξαρχής, όχι προσαρμοσμένο εκ των υστέρων

Η διάκριση που κάνει ο Crewkov μεταξύ της κατασκευής για παιδιά και της προσαρμογής για αυτά είναι αρχιτεκτονική, όχι αισθητική. «Η κατασκευή του AI από το μηδέν για παιδιά σημαίνει ότι περιορίζουμε και ξανασχεδιάζουμε κάθε επίπεδο του συστήματος γύρω από τις φωνές των παιδιών, τη συμπεριφορά, τις κανονιστικές απαιτήσεις και τη διάρκεια συγκέντρωσης – αντί να προσπαθούμε να προσθέσουμε λειτουργία για παιδιά σε ένα chatbot ενηλίκων».

Το βασικό πρόβλημα είναι ακουστικό. «Οι στοίβες LLM για ενήλικες υποθέτουν κείμενο και ομιλία για ενήλικες: μακρές γραμματικές προτάσεις, σταθερή προφορά και ήσυχα περιβάλλοντα. Ένα εξάχρονο παιδί σας δίνει το αντίθετο: θραύσματα προτάσεων, λανθασμένες προφορές, φωνές, ισχυρές προφορές και θόρυβους στο υπόβαθρο».

Το σύστημα αναγνώρισης ομιλίας της Buddy έχει εκπαιδευτεί και συνεχίζει να επανεκπαιδεύεται σε δεκάδες χιλιάδες ώρες πραγματικών φωνών παιδιών σε όλες τις ηλικίες, προφορές και θορυβώδη οικιακά περιβάλλοντα. Η εταιρεία ισχυρίζεται ότι τώρα υπερβαίνει τη γενικής χρήσης αναγνώριση ομιλίας της Google για τις φωνές των παιδιών, ισχυρισμός που είναι πιο αξιόπιστος από ό,τι φαίνεται αρχικά: η εκπαίδευση ειδικά στον πληθυσμό-στόχο υπερβαίνει συνεχώς την εκπαίδευση σε δεδομένα ενηλίκων.

Το επίπεδο συνομιλίας έχει επίσης σχεδιαστεί ειδικά για αυτόν τον σκοπό. Κάθε συνεδρία λειτουργεί μέσα σε αυτό που ο Crewkov περιγράφει ως «επίπεδο ελέγχου» – ένα σύστημα που λαμβάνει υπόψη το εκπαιδευτικό πρόγραμμα, με σχέδιο συνεδρίας, ορισμένα θέματα και παρακολούθηση στόχων. Το γλωσσικό μοντέλο λειτουργεί ως ένα συστατικό μέσα σε αυτή τη δομή, όχι ως το ίδιο το προϊόν.

Αν ένα παιδί παρεκκλίνει από το θέμα, το σύστημα ανακατευθύνει· η συνομιλία δεν παρασύρεται χωρίς όρια σε οτιδήποτε θα μπορούσε να παράγει ένα LLM γενικής χρήσης. «Υπάρχει ένα σχέδιο συνεδρίας, επιτρεπόμενα θέματα, παρακολούθηση στόχων και κώδικας που κατευθύνει, ανακατευθύνει ή τερματίζει τη συζήτηση όταν χρειάζεται – ώστε ένα εξάχρονο παιδί να μην πέσει ποτέ σε διαδικτυακή συζήτηση χωρίς όρια».

Η ιδιωτικότητα, επίσης, αντιμετωπίζεται ως αρχιτεκτονικός περιορισμός καθώς και ως πολιτική – αλλά έχει επίσης σιωπηλά μετατραπεί σε ανταγωνιστικό πλεονέκτημα. Επειδή ο Κανόνας Προστασίας της Ιδιωτικότητας των Παιδιών στο Διαδίκτυο (COPPA) απαγορεύει τη συλλογή δεδομένων φωνής παιδιών χωρίς τη συναίνεση των γονέων, το μεγαλύτερο δημόσια διαθέσιμο σύνολο φωνών παιδιών ανέρχεται σε μόνο μερικές εκατοντάδες ώρες.

Η Buddy.ai έχει συλλέξει δεκάδες χιλιάδες ώρες πραγματικών φωνών παιδιών σε όλες τις ηλικίες, προφορές και θορυβώδη οικιακά περιβάλλοντα. Οι περισσότεροι ανταγωνιστές επέλεξαν τον εύκολο δρόμο της προσαρμογής των LLM ενηλίκων για παιδιά αντί να χτίσουν από το μηδέν· αλλά αυτή η συντόμευση είναι τώρα ένα μειονέκτημα.

Στην περίπτωση της Buddy, όλοι οι υπολογισμοί AI εκτελούνται στην ιδιόκτητη υποδομή της πλατφόρμας, η φωνή του παιδιού υποβάλλεται σε επεξεργασία σε πραγματικό χρόνο και απορρίπτεται πριν οι γονείς σκεφτούν γι’ αυτό, και καμία συζήτηση δεν διέρχεται από εμπορικά API τεχνητής νοημοσύνης, όπως ανέφερε ο Crewkov.

«Είμαστε πολύ σαφείς με τους γονείς σχετικά με τι συλλέγουμε, γιατί και πώς μπορούν να το διαγράψουν – η διαφάνεια είναι τόσο σημαντική όσο και η τεχνολογία», τόνισε ο Crewkov.

Από την έναρξη του ChitChat, της πιο πρόσφατης σημαντικής ενημέρωσης στις ΗΠΑ που εισάγει πιο προηγμένες ελεύθερες συζητήσεις, η εταιρεία αναφέρει ότι οι μαθητές στις ΗΠΑ ολοκλήρωσαν 7,7 φορές περισσότερες ασκήσεις στην ίδια χρονική περίοδο σε σύγκριση με το προηγούμενο έτος.

Παγκοσμίως, ο μέσος αριθμός ολοκληρωμένων ασκήσεων ανά μήνα έχει αυξηθεί 3,5 φορές ετησίως.

Ο Crewkov είναι ειλικρινής σχετικά με τα όρια του τι αυτά τα νούμερα αποδεικνύουν. «Η σχεδίαση ερευνών που θα μπορούσαν να μετρήσουν ποσοτικά την μάθηση των μαθητών είναι κάτι που ελπίζουμε να κάνουμε στο προσεχές μέλλον», είπε. Για τώρα, όμως, η βάση αποδείξεων βασίζεται σε ανατροφοδότηση χρηστών, δεδομένα χρήσης του προϊόντος και αναγνώριση μέσω κλαδικών βραβείων.

Η χρήση που κανείς δεν είχε σχεδιάσει

Πιθανότατα η πιο αποκαλυπτική στιγμή στην ιστορία της Buddy.ai είναι αυτή που ήρθε χωρίς πρόσκληση: χωρίς στοχευμένο μάρκετινγκ, γονείς παιδιών με αυτισμό και καθυστερήσεις ομιλίας άρχισαν να εμφανίζονται στα δεδομένα της έρευνας μεταξύ των πιο ενεργών χρηστών της πλατφόρμας.

«Ήμασταν αρχικά αρκετά έκπληκτοι. Αυτό σίγουρα υπογράμμισε ότι υπήρχαν άλλοι τρόποι με τους οποίους η Buddy θα μπορούσε να εξυπηρετεί οικονομικά τους μαθητές σε όλο τον κόσμο», θυμάται ο Crewkov.

Για τον ιδρυτή, δεν ήταν μόνο μια ενδιαφέρουσα ανωμαλία – έδειξε ένα κενό που το προϊόν δεν είχε σχεδιαστεί να καλύψει αλλά φαινόταν ότι θα μπορούσε. Η εταιρεία ανταποκρίθηκε δημιουργώντας ένα ειδικό μάθημα Εφαρμοσμένης Ανάλυσης Συμπεριφοράς (ABA).

Το κενό είναι μεγάλο και καλά τεκμηριωμένο. Μια έκθεση αγοράς του 2025 βρήκε ότι η συχνότητα αυτισμού στις ΗΠΑ είναι τόσο υψηλή όσο 1 σε 31 παιδιά σήμερα, από 1 σε 150 το 2000 – μέσα σε ένα σταθερό υπόβαθρο ελλείψεων πιστοποιημένων θεραπευτών. Για οικογένειες χωρίς επαρκή κάλυψη ασφάλισης, τα ετήσια έξοδα θεραπείας ABA μπορούν να φτάσουν 250.000 δολάρια.

Έρευνες των Εθνικών Ινστιτούτων Υγείας των ΗΠΑ (NIH) για το γιατί οι οικογένειες δεν έλαβαν ABA βρήκαν τα εμπόδια να είναι εντυπωσιακά πρακτικά: οι συχνότερα αναφερόμενοι λόγοι περιελάμβαναν μακρές λίστες αναμονής (34%), έλλειψη παρόχων ABA στην περιοχή τους (10%) και ασφάλιση που δεν καλύπτει τη θεραπεία (10%). Τα δεδομένα της έρευνας έδειξαν επίσης ότι περισσότερες από τις μισές κομητείες των ΗΠΑ δεν έχουν πιστοποιημένους αναλυτές συμπεριφοράς.

Το αν ένας χαρακτήρας AI συνιστά μια σημαντική παρέμβαση στο κλινικό επίπεδο παραμένει ένα ανοιχτό ερώτημα – αλλά ως ένα σταθερό, χαμηλού κόστους, διαθέσιμο όποτε χρειάζεται εργαλείο εξάσκησης για παιδιά σε μακρές λίστες αναμονής, η αξία του μπορεί να υποστηριχθεί ευκολότερα.

«Αυτό παραμένει ένα έργο σε εξέλιξη, αλλά είμαστε πραγματικά υπερήφανοι για το πού πάει η πρωτοβουλία», είπε ο Crewkov.

Το ευρύτερο ερώτημα

Η ευρύτερη αγορά edtech είναι τώρα γεμάτη εταιρείες που κάνουν παρόμοιους ισχυρισμούς: ειδικά σχεδιασμένη AI, στιβαρή αρχιτεκτονική και προϊόντα που όντως οδηγούν στη μάθηση. Στην πραγματικότητα, η παγκόσμια αγορά AI στην εκπαίδευση εκτιμάται να φτάσει 32,27 δισεκατομμύρια δολάρια μέχρι το 2030, και κάθε μεγάλος παίκτης έχει μια στρατηγική για παιδιά.

Αυτό που διαφοροποιεί τη θέση της Buddy.ai δεν είναι οι ίδιοι οι ισχυρισμοί, αλλά η χρονολογία. Ο Crewkov άρχισε να δουλεύει στην αναγνώριση ομιλίας παιδιών πολύ πριν το τρέχον κύμα επενδύσεων κάνει το πεδίο μόδα, και πριν τα LLM επιτρέψουν να δημιουργηθεί ένας πειστικός στην ομιλία καθηγητής γλώσσας μέσα σε ένα απόγευμα.

Η τεχνική υποδομή – τα ακουστικά μοντέλα εκπαιδευμένα στις φωνές των παιδιών, η αρχιτεκτονική που λαμβάνει υπόψη το εκπαιδευτικό πρόγραμμα, το ιδιόκτητο σύστημα avatar – αντανακλά σχεδόν μια δεκαετία διαδοχικών βελτιώσεων για το συγκεκριμένο πρόβλημα, όχι μια γρήγορη στροφή προς μια καυτή αγορά.

«Σε δύο χρόνια, η Buddy θα μπορεί να δώσει σε όσους μαθαίνουν αγγλικά τις ασκήσεις που χρειάζονται για να προχωρήσουν από τις πρώτες αγγλικές λέξεις μέχρι την ευχέρεια στα αγγλικά. Δεν βιαζόμαστε, επειδή προτεραιότητά μας είναι η ασφάλεια και η ιδιωτικότητα», εξήγησε ο Crewkov.

Και κάτω από όλα αυτά είναι μια φιλοσοφία σχεδιασμού που πηγαίνει κόντρα σε μεγάλο μέρος της επικρατούσας σκέψης για τα προϊόντα AI. «Τα εξάχρονα παιδιά δεν επιστρέφουν για AI. Επιστρέφουν για έναν χαρακτήρα και έναν κόσμο που αισθάνονται μέρος του».

Αυτό είναι ένα πιο δύσκολο πράγμα να αναπαραχθεί από ένα chatbot με φιλικό όνομα. Και, προς το παρόν, αυτό είναι το πιο υπερασπίσιμο ανταγωνιστικό πλεονέκτημα της Buddy.ai.