Ivan Crewkov Διευθύνων Σύμβουλος & Συνιδρυτής της Buddy AI – Interview Series

Ο Ivan Crewkov είναι ο Διευθύνων Σύμβουλος και Συνιδρυτής του Buddy AI, ο πρώτος στον κόσμο συνομιλητικός δάσκαλος τεχνητής νοημοσύνης για παιδιά, με αποστολή να διασφαλίσει ότι όλοι οι μαθητές έχουν τη δυνατότητα να αντέξουν οικονομικά μαθήματα αγγλικών 1:1. Αφού μετακόμισε στις ΗΠΑ από τη Σιβηρία, ο Ιβάν είδε την προσχολική κόρη του να αγωνίζεται να μάθει αγγλικά. Αυτό τον ενέπνευσε να δημιουργήσει τον Buddy, έναν φανταστικό χαρακτήρα με τον οποίο τα παιδιά μπορούν πραγματικά να συνομιλήσουν μέσω της δύναμης της γενετικής τεχνητής νοημοσύνης.

Από την κυκλοφορία της το 2020, η εφαρμογή Buddy έχει κερδίσει πολλά βραβεία και έχει φτάσει στην κορυφή των τσαρτ στην κατηγορία Kids and Education του App Store με περισσότερες από 36 εκατομμύρια λήψεις παγκοσμίως.

Το 2014, παρουσιάσατε το Cubic.ai, ένα από τα πρώτα έξυπνα ηχεία και εφαρμογές φωνητικής βοήθειας για έξυπνα σπίτια. Ποια ήταν μερικά από τα βασικά σας σημεία από αυτήν την εμπειρία;

Δεν είμαι σίγουρος ότι μπορώ να πάρω τα εύσημα για την κυκλοφορία του Cubic.ai. Μπήκα στην εταιρεία ένα χρόνο μετά την ίδρυσή της και έλαβα τον τίτλο του συνιδρυτή μου για τη συνεισφορά μου.

Εδώ είναι τα βασικά συμπεράσματα:

• Το υλικό είναι δύσκολο, αλλά κάποιος πρέπει να το κάνει ούτως ή άλλως. Η εξασφάλιση επιχειρηματικής χρηματοδότησης για startups υλικού είναι εξαιρετικά δύσκολη. Το μόνο πράγμα που κάνει τα πράγματα λίγο πιο εύκολα είναι το crowdfunding.
• Ο χώρος των προϊόντων Voice-first είναι τεράστιος και ποικίλος. Ό,τι ισχύει για τα έξυπνα σπίτια δεν ισχύει για την πρώιμη μάθηση, από τις τεχνολογίες μέχρι το σχεδιασμό UX.

Θα μπορούσατε να μοιραστείτε την ιστορία γένεσης του Buddy και πώς προήλθε από την οικογένειά σας που μετακόμισε στις ΗΠΑ από τη Σιβηρία;

Με το Cubic.ai, μετακόμισα από τη Σιβηρία στις ΗΠΑ το 2014 και έφερα μαζί μου την οικογένειά μου. Η μεγαλύτερη κόρη μου η Σοφία άρχισε να μαθαίνει αγγλικά ως δεύτερη γλώσσα όταν πήγε σε ένα νηπιαγωγείο στο Mountain View της Καλιφόρνια, σε ηλικία 4 ετών. Η Σοφία δυσκολεύτηκε να αρχίσει να μιλά αγγλικά για τους πρώτους 3 – 5 μήνες στην προσχολική ηλικία. Ανησυχήσαμε γιατί δεν μπορούσε να βρει φίλους και να παίξει με τους περισσότερους συνομηλίκους της λόγω της γλώσσας. Αρχίσαμε να ψάχνουμε τρόπους να τη βοηθήσουμε να μάθει να μιλάει.

Έγινε σαφές ότι οι εφαρμογές γλώσσας για παιδιά δεν διδάσκουν να μιλούν (και όλα παρέμειναν ίδια με την πάροδο του χρόνου) και οι γλωσσικές εφαρμογές για ενήλικες όπως το Duolingo δεν λειτουργούν για παιδιά λόγω του UX. Έτσι, ξεκινήσαμε να παρακολουθούμε μαθήματα σε πλατφόρμες που συνδέουν τα παιδιά με ζωντανούς δασκάλους μέσω τηλεδιάσκεψης. Παραδείγματα είναι το Cambly, το VipKid, το Novakid, το GoStudent, κ.λπ. Καθώς παρατήρησα ότι η Σοφία μαθαίνει με ζωντανούς δασκάλους εικονικά, είδα το όφελος της προσοχής 1:1 και της ενεργητικής ομιλίας, αλλά είδα και τις ελλείψεις αυτών των προγραμμάτων γενικά.

Για παράδειγμα, καθώς κλιμακώνονται, πολλές από τις διαδικτυακές πλατφόρμες διδασκαλίας και τα διαδικτυακά σχολεία πρέπει να προσλαμβάνουν άτομα χωρίς παιδαγωγικό υπόβαθρο, δεξιότητες στη διδασκαλία των παιδιών ή ακόμη και κατάλληλο επίπεδο επάρκειας αγγλικών. Έτσι, για να διασφαλιστεί μια ορισμένη ποιότητα εκπαίδευσης, οι διαδικτυακές πλατφόρμες και τα σχολεία αυστηρά σεναριακά προγράμματα σπουδών και σχέδια μαθημάτων, και οι δάσκαλοι πρέπει να χρησιμοποιούν προκατασκευασμένες ασκήσεις, συμπεριλαμβανομένων αποσπασμάτων ήχου και βίντεο. Έτσι, δυστυχώς, σε πολλές πλατφόρμες, οι δάσκαλοι βασικά λειτουργούν σαν bots.

Ωστόσο, η διαδικτυακή διδασκαλία ήταν ο μόνος τρόπος για τους περισσότερους ανθρώπους να μάθουν να ΜΙΛΟΥΝ Αγγλικά, ειδικά σε μη αγγλόφωνες χώρες. Αλλά εν μέρει λόγω της έλλειψης δασκάλων, είναι πολύ ακριβό για τις περισσότερες οικογένειες. Η μάθηση με ζωντανούς δασκάλους είναι μια κορυφαία εκπαιδευτική υπηρεσία που λίγες οικογένειες μπορούν να αντέξουν οικονομικά.

Ο συνιδρυτής μου και εγώ καταλάβαμε ότι η διδασκαλία της τεχνητής νοημοσύνης είναι ο μόνος επεκτάσιμος τρόπος για να παρέχουμε αγγλόφωνη διδασκαλία 1:1 σε κάθε παιδί παγκοσμίως. Σύντομα, μάθαμε ότι είναι και το καλύτερο από εκπαιδευτική άποψη. Όταν εξετάζαμε τα πρώτα πρωτότυπα του Buddy, εμπνευστήκαμε από την έρευνα στον τομέα των εικονικών ανθρώπων στην εκπαίδευση.

Οι ακαδημαϊκές μελέτες δείχνουν τα εκπαιδευτικά πλεονεκτήματα και την υπεροχή των κινούμενων παιδαγωγικών παραγόντων σε σύγκριση με πιο παραδοσιακά εργαλεία και περιβάλλοντα μάθησης. Για παράδειγμα, βλ Αλληλεπίδραση πρόσωπο με πρόσωπο με παιδαγωγικούς πράκτορες, είκοσι χρόνια μετά, ένα άρθρο του 2016 που κάνει επισκόπηση του πεδίου και παραθέτει μεγάλο μέρος του σχετικού υλικού. Εδώ είναι ένα απόσπασμα:

«Συγκεκριμένα, η μετα-ανάλυση διαπίστωσε ότι οι πράκτορες ενισχύουν τη μάθηση σε σύγκριση με περιβάλλοντα μάθησης που δεν διαθέτουν πράκτορες. […] Ίσως το πιο ενδιαφέρον ήταν το εύρημα ότι, στην επίσημη εκπαίδευση, οι παιδαγωγικοί παράγοντες φαίνεται να είναι πιο αποτελεσματικοί για τους νεότερους μαθητές παρά για τους μεγαλύτερους. […] μελέτες έχουν βρει, για παράδειγμα, ότι οι μαθητές που αλληλεπιδρούν με παιδαγωγικούς παράγοντες παρουσιάζουν ισχυρότερα μαθησιακά αποτελέσματα όταν 1) οι παιδαγωγικοί παράγοντες μιλούν αντί να επικοινωνούν με κείμενο, 2) οι παιδαγωγικοί παράγοντες χρησιμοποιούν ανθρώπινες χειρονομίες, 3) οι παιδαγωγικοί παράγοντες επικοινωνούν συνομιλητικά παρά επίσημα, και 4) οι παιδαγωγικοί παράγοντες χρησιμοποιούν ευγενική παρά άμεση διατύπωση.» 

Αυτό ενίσχυσε την εμπιστοσύνη μας στην πολυτροπική προσέγγιση διδασκαλίας τεχνητής νοημοσύνης. Αποφασίσαμε ότι ο Buddy θα ήταν ένας εκπαιδευτής πολυτροπικής τεχνητής νοημοσύνης – ένας κινούμενος παιδαγωγικός πράκτορας ικανός για αναγνώριση φωνής και επεξεργασία φυσικής γλώσσας. Στον πυρήνα του, ένα σύστημα AI Tutoring αποτελείται από τρεις κύριες τεχνολογίες:

1. Αυτόματη αναγνώριση ομιλίας (ASR) και ανάλυση μας επιτρέπουν να επεξεργαστούμε και να αναλύσουμε την ομιλία του μαθητή.
2. Επεξεργασία φυσικής γλώσσας (NLP), κατανόηση φυσικής γλώσσας και διαχείριση διαλόγου που επεξεργάζεται το περιεχόμενο του λόγου του μαθητή και παράγει την επόμενη ανταπόκριση. Η απάντηση αποτελείται από λεκτικά και μη λεκτικά στοιχεία.
3. Ενσωματωμένος εικονικός χαρακτήρας κινουμένων σχεδίων που παρέχει τόσο σχόλια ακρόασης όσο και αναπαράγει την απόκριση του συστήματος. Ο χαρακτήρας κινείται διαδικαστικά – το σύστημα δημιουργεί κινούμενα σχέδια εν κινήσει από την απόκριση NLP.

Και τα τρία στοιχεία είναι ζωτικής σημασίας για την προσέγγισή μας, διότι μόνο σε συνδυασμό μας επιτρέπουν να δημιουργήσουμε έναν ελκυστικό, διαδραστικό δάσκαλο και να προσφέρουμε μια επιτυχημένη εκπαιδευτική εμπειρία.

Η κόρη μου Σοφία και ο γιος του συνιδρυτή μου Arseny έγιναν οι πρώτοι χρήστες του Buddy. Η Σοφία χρησιμοποίησε τις παλαιότερες εκδόσεις του Buddy μέχρι την 1η δημοτικού.

Αρκετά χρόνια αργότερα, η μικρότερη κόρη μου Alisa άρχισε να χρησιμοποιεί το Buddy σε ηλικία τριών ετών όταν πήγε στο νηπιαγωγείο. Τώρα, είναι στο Μεταβατικό Νηπιαγωγείο και παίζει με τον Μπάντι σχεδόν κάθε μέρα. Όταν η Alisa άρχισε να μαθαίνει με τον Buddy, είχε πολλά προβλήματα ομιλίας, οπότε ο Buddy δεν την καταλάβαινε τις περισσότερες φορές. Αλλά μετά από μερικές εβδομάδες εξάσκησης, όχι μόνο τα αγγλικά της αλλά και η ομιλία της βελτιώθηκαν, καθώς προσπάθησε να κάνει ό,τι μπορούσε για να κάνει τον Μπάντυ να την καταλάβει.

Γιατί οι κληρονομικοί τρόποι διδασκαλίας μιας δεύτερης γλώσσας είναι τόσο αναποτελεσματικοί;

Σήμερα, εστιάζουμε στην επίλυση συγκεκριμένων εκπαιδευτικών προβλημάτων που σχετίζονται με την ομιλία. Δεν μπορείτε να μάθετε να μιλάτε χωρίς εξάσκηση στην ομιλία:

• Τα περισσότερα παραδοσιακά εκπαιδευτικά εργαλεία επικεντρώνονται στη διδασκαλία άλλων γλωσσικών δεξιοτήτων όπως η ανάγνωση ή η γραφή.
• Οι εφαρμογές γλώσσας για παιδιά δεν διδάσκουν δεξιότητες ομιλίας.
• Ορισμένες Εφαρμογές Γλωσσών για ενήλικες σήμερα παρέχουν πρακτική ομιλίας με χρήση τεχνητής νοημοσύνης, αλλά αυτές οι υπηρεσίες δεν λειτουργούν για παιδιά λόγω UX, ανησυχιών για την ασφάλεια και κανονισμών απορρήτου.
• Οι ζωντανοί δάσκαλοι είναι πολύ ακριβοί για τις περισσότερες οικογένειες. Δυστυχώς, πολλοί δάσκαλοι δεν έχουν παιδαγωγική κατάρτιση ή δεν είναι ικανοί στα αγγλικά.

Ο Buddy είναι δάσκαλος πολυτροπικής τεχνητής νοημοσύνης.

• Είναι ανώτερο από τις παραδοσιακές εφαρμογές εκμάθησης επειδή λειτουργεί σαν ζωντανός δάσκαλος με πολλούς τρόπους. Επιτρέψτε μου να αναφέρω έναν από τους συμβούλους μας, τον Δρ. Alex Desatnik, PhD, University College του Λονδίνου:

«Εικονικός δάσκαλος βασισμένος στη φωνή. Αυτή η ιδέα μπορεί να ακούγεται απλή, αλλά υπάρχει επιστήμη πίσω από αυτήν. Από την άποψη της ψυχολογίας της μάθησης, ο εικονικός ομιλητής χαρακτήρας είναι μια ενσάρκωση του δασκάλου. Αυτή η προσέγγιση δημιουργεί ένα αποτέλεσμα που ονομάζεται επιστημική εμπιστοσύνη, ενισχύοντας τα κίνητρα και τη δέσμευση του μαθητή και βελτιώνοντας τα μαθησιακά αποτελέσματα».

• Το Buddy έχει κάποια πλεονεκτήματα ακόμη και σε σχέση με τους ανθρώπινους δασκάλους. Ο Buddy δεν κρίνει, και για μερικά παιδιά, είναι πιο εύκολο να αρχίσουν να μιλάνε με τον Buddy παρά με έναν δάσκαλο. Γι' αυτό σήμερα, πολλοί δάσκαλοι χρησιμοποιούν το Buddy ως παγοθραυστικό που βοηθά τα παιδιά να ξεπεράσουν τον φόβο και την ταλαιπωρία τους και να αρχίσουν να μιλούν τη γλώσσα.

Ο Μπάντυ εργάζεται για να βοηθήσει τους δασκάλους, όχι για να τους αντικαταστήσει.

Νομίζω ότι είναι πολύ σημαντικό να το σημειώσουμε αυτό. Το Buddy μπορεί να βοηθήσει τους δασκάλους να αυτοματοποιήσουν το εγκόσμιο μέρος της δουλειάς τους – παρέχοντας τακτική πρακτική. Θέλουμε να δώσουμε δύναμη στους δασκάλους των σχολείων. Ο Buddy είναι σαν μια ομάδα δασκάλων και βοηθών δασκάλων, που εργάζονται ατομικά με κάθε παιδί στην τάξη και αναφέρουν τον δάσκαλο της τάξης.

Μπορείτε να συζητήσετε πώς ο Buddy χρησιμοποιεί στοιχεία του gamification για να κρατά τα παιδιά ενθουσιασμένα με τη μάθηση;

Διασκεδαστικό γεγονός: Το Buddy's Mobile App λήφθηκε 22 εκατομμύρια φορές το 2023 και πάνω από το 70% αυτών των λήψεων έγιναν από παιδιά. Για τα παιδιά, η εφαρμογή μας είναι ένα παιχνίδι όπου παίζουν με τον Buddy, τον εικονικό φίλο τους που μιλάει και έναν δημοφιλή Youtuber. Τα παιδιά κατεβάζουν την εφαρμογή και πείθουν τους γονείς να πληρώσουν για μια συνδρομή, εξηγώντας ότι ο Μπάντι είναι δάσκαλος.

Για να λειτουργήσει αυτή η προσέγγιση, σχεδιάζουμε το Buddy ως ένα παιχνίδι με ιστορία και σύμπαν. Συνεργαζόμαστε με σχεδιαστές χαρακτήρων και συγγραφείς του Χόλιγουντ για να δημιουργήσουμε τον Μπάντι και την ιστορία του. Έχουμε μια πολύ ισχυρή ομάδα σχεδιασμού παιχνιδιών που εργάζεται απευθείας με τους εκπαιδευτικούς μας και μετατρέπει το πρόγραμμα σπουδών και τις ασκήσεις σε μίνι παιχνίδια στον κόσμο του Buddy.

Ποιες είναι μερικές άλλες βασικές λειτουργίες που κάνουν τον Buddy τόσο ισχυρό στη διδασκαλία μιας δεύτερης γλώσσας;

Η βασική μας λειτουργικότητα εστιάζεται πραγματικά στον Buddy ως δάσκαλο πολυτροπικής τεχνητής νοημοσύνης:

• Αναγνώρισης ομιλίας
• Συνομιλητική AI
• Οπτική συμπεριφορά Avatar

Ποιοι είναι μερικοί από τους αλγόριθμους μηχανικής εκμάθησης που χρησιμοποιούνται στο Buddy;

Αναπτύσσουμε ολόκληρη τη στοίβα τεχνολογιών, εργαζόμαστε μαζί για να επιτρέψουμε την πολυτροπική μας προσέγγιση διδασκαλίας τεχνητής νοημοσύνης.

• Bsr Το (Buddy's Speech Recognition) είναι μια ιδιόκτητη μηχανή αναγνώρισης ομιλίας ειδικά για να λειτουργεί με τονισμένη παιδική ομιλία και να συμμορφώνεται με κανονισμούς όπως το COPPA.
• BLM (Μοντέλο γλώσσας Buddy) — Μηχανή τεχνητής νοημοσύνης συνομιλίας για παιδιά. Ασφαλές, γρήγορο και δωρεάν για λειτουργία. Επικεντρώνεται σε συγκεκριμένες εκπαιδευτικές λειτουργίες και είναι πολύ λιγότερο ευέλικτο από τα μεγάλα γλωσσικά μοντέλα.
• ΜΩΡΟ (Buddy's Avatar Behavior Engine). Αυτή η τεχνολογία δημιουργεί την οπτική συμπεριφορά του χαρακτήρα μας με βάση το πλαίσιο της συνομιλίας. Ο Μπάντυ καταλαβαίνει πότε πρέπει να χαμογελάσει, να αλλάξει χρώμα ή να φορέσει ένα ανόητο καπέλο.

Πολλά συστήματα αναγνώρισης φωνής παλεύουν με προφορές ειδικά για μικρά παιδιά, πώς ο Buddy ξεπερνά αυτές τις προκλήσεις;

Αναπτύσσοντας το BSR, την αποκλειστική μας τεχνολογία αναγνώρισης ομιλίας.

Το μοναδικό κοινό και η αγορά μας απαιτούσαν την ανάπτυξη αποκλειστικής τεχνολογίας. Ο φίλος πρέπει να αναγνωρίσει την ιδιαίτερα τονισμένη ομιλία των νεαρών μαθητών Αγγλικών ως Ξένης Γλώσσας (EFL). Ένας άλλος παράγοντας που περιπλέκει είναι ότι οι αρχάριοι μαθητές ξεκινούν μαθαίνοντας ξεχωριστές, συχνά σύντομες λέξεις, οι οποίες είναι πολύ δύσκολο να αναγνωριστούν χωρίς το πλαίσιο. Τέλος, η αγορά των παιδιών υπόκειται σε αυστηρές ρυθμίσεις και η αναγνώριση φωνής υπόκειται στον Νόμο για την Προστασία του Απορρήτου των Παιδιών στο Διαδίκτυο (COPPA) δεδομένου ότι οι ηχογραφήσεις φωνής λαμβάνονται υπόψη Προσωπικά στοιχεία ταυτοποίησης (PII).

Το BSR χειρίζεται την ομιλία των παιδιών με διαφορετικές προφορές, που παράγεται σε μια ποικιλία φορητών συσκευών με μικρόφωνα διαφόρων ακουστικών ποιοτήτων και σε πραγματικά περιβάλλοντα με πολλά είδη θορύβου περιβάλλοντος. Και είναι συμβατό με το COPPA από το σχεδιασμό.

Δουλεύοντας παγκοσμίως, καταφέραμε να συγκεντρώσουμε ένα μοναδικό σύνολο δεδομένων για να εκπαιδεύσουμε το μοντέλο μας. Σήμερα, η BSR ξεπερνά τις εμπορικές λύσεις εκτός ραφιού όσον αφορά την αναγνώριση και την κατανόηση της τονισμένης ομιλίας των παιδιών.

Πώς σκοπεύετε να επεκτείνετε τη διείσδυση στην αγορά για να στοχεύσετε γονείς που μπορεί να μην είναι εξοικειωμένοι με την τεχνολογία AI;

Ο Buddy άρχισε να βλέπει την επιτυχία πριν η τεχνητή νοημοσύνη γίνει τσιτάτο και οι περισσότεροι από τους χρήστες μας δεν είναι οι τυπικοί χρήστες της πρώιμης τεχνολογίας. Επιλύουμε με επιτυχία ένα σημαντικό εκπαιδευτικό πρόβλημα και τυχαίνει να χρησιμοποιούμε τεχνητή νοημοσύνη για αυτό.

Ωστόσο, μια από τις προκλήσεις που αντιμετωπίζουμε είναι να κάνουμε τους γονείς να αντιμετωπίζουν τη μάθηση με τον Buddy τόσο σοβαρά όσο και με έναν ζωντανό δάσκαλο — μην παραλείπετε μαθήματα, μην ακολουθείτε ένα πρόγραμμα κ.λπ. Η τρέχουσα επανάσταση της τεχνητής νοημοσύνης φαίνεται να βοηθά σε αυτό.

Θα έλεγα ότι το επόμενο μεγάλο βήμα για εμάς είναι να αρχίσουμε να συνεργαζόμαστε πιο στενά με τους δασκάλους και τα σχολεία. Διεξάγουμε μια πιλοτική συνεργασία με ένα σχολείο στη Βραζιλία και συζητάμε για συνεργασίες με δώδεκα ακόμη εκπαιδευτικά ιδρύματα.

Ποιο είναι το όραμά σας για το μέλλον των δασκάλων τεχνητής νοημοσύνης και της εκπαίδευσης γενικότερα;

Οι δάσκαλοι τεχνητής νοημοσύνης είναι ο καλύτερος και ο μόνος επεκτάσιμος τρόπος για να λυθεί το #1 εκπαιδευτικό πρόβλημα της ανθρωπότητας – η παγκόσμια έλλειψη δασκάλων. Χρειαζόμαστε περίπου 69 εκατομμύρια νέους δασκάλους για να ανταποκριθούν μόνο σε βασικές μαθησιακές ανάγκες. Για μαθήματα που απαιτούν διδασκαλία 1:1, όπως η εκμάθηση ξένων γλωσσών, το πρόβλημα είναι πολύ χειρότερο.

Η επανάσταση της τεχνητής νοημοσύνης επιτάχυνε την ανάπτυξη των δασκάλων τεχνητής νοημοσύνης, αν και κυρίως στο τμήμα ενηλίκων που χρησιμοποιούν λύσεις εκτός ραφιού, ενώ η πρώιμη μάθηση παραμένει δραματικά ανεπαρκής. Είμαστε περήφανοι που είμαστε πρωτοπόροι στη διδασκαλία τεχνητής νοημοσύνης για μικρά παιδιά.

Όσον αφορά το μέλλον μας, ο Buddy ξεκίνησε ως δάσκαλος εκμάθησης ξένων γλωσσών, αλλά μακροπρόθεσμα θα γίνει μια πλατφόρμα διδασκαλίας τεχνητής νοημοσύνης που θα διδάσκει μια μεγάλη ποικιλία μαθημάτων σε παιδιά κάτω των 12 ετών. Έχουμε ήδη αρχίσει να διαθέτουμε μια πρώιμη έκδοση της πρώτης μας μη μάθημα γλώσσας – το σχολικό πρόγραμμα προετοιμασίας για παιδιά των ΗΠΑ. Βλέπουμε τον Buddy ως τον βοηθό μάθησης του παιδιού, που μεγαλώνει με ένα παιδί από 3 έως 4 ετών και διδάσκει πολλαπλά μαθήματα για πολλά χρόνια.

Σας ευχαριστούμε για την υπέροχη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να το επισκεφτούν Buddy AI.