विचार नेता
बडी.एआई बच्चों के लिए वाक्-पहचान और भाषा अभ्यास विकसित कर रहा है
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुBuddy.ai built children's speech recognition from scratch four years before LLMs went…
और देखें
- Buddy.ai built children's speech recognition from scratch four years before LLMs went mainstream.
- The platform now outperforms Google on kids' speech by training on tens of thousands of real child voice hours.
- Parents of children with autism became top users revealing an unplanned market for low-cost ABA practice tools.
बच्चों के लिए भाषा सीखने वाले ऐप्स का बाजार भीड़भाड़ वाला हो गया है और इसकी जांच बढ़ रही है। पिछले हफ्ते, गैर-लाभकारी संगठन कॉमन सेंस मीडिया ने यूथ एआई सुरक्षा संस्थान लॉन्च किया, यह अपनी तरह की पहली स्वतंत्र प्रयोगशाला है, जिसे बच्चों के एआई उत्पादों का दबाव-परीक्षण करने के लिए हर साल 2 करोड़ अमेरिकी डॉलर की सहायता मिलती है। यह अतिरिक्त जांच ऐसे समय में हो रही है जब डिजिटल भाषा-शिक्षण उत्पादों के राजस्व में एआई की हिस्सेदारी पहले ही 33.5% है।
इसी समय, इस खंड के भीतर सिर्फ बच्चों वाला बाजार 2026 में $2.38 बिलियन से 2035 में $5.17 बिलियन तक तेजी से बढ़ने की उम्मीद है। स्पष्ट रूप से, पैसा एआई एकीकरण के समानांतर चल रहा है – लेकिन निगरानी भी बढ़ रही है।
शोध कोलोराडो विश्वविद्यालय के एआई संस्थान का है और इस अंतर को स्पष्ट करता है: वयस्कों की तुलना में बच्चों की वाक्-पहचान की सटीकता काफी कम है क्योंकि अधिकांश व्यावसायिक प्रणालियों को वयस्क वक्ताओं से साफ ऑडियो पर प्रशिक्षित किया जाता है – अक्सर स्क्रिप्ट से पढ़कर।
2024 के एक पेपर में बताया गया है कि क्यों: बच्चों की आवाज की ऊंचाई, उच्चारण और शब्दावली के विकास में तेज तथा अप्रत्याशित बदलाव होते हैं जो वयस्क-प्रशिक्षित मॉडल को लड़खड़ाने का कारण बनते हैं।
और, व्यवहार में, इसका मतलब है कि एक छह साल का बच्चा जो अंग्रेजी सीख रहा है, उसे एक प्रणाली मिलती है जो उसे गलत सुनती है, प्रतिक्रिया नहीं देती है, या और भी बदतर: पूरी तरह से गलत चीज़ पर प्रतिक्रिया देती है। बच्चा सीखने में रुचि खो देता है; माता-पिता पैसा खो देते हैं।
यह वह समस्या है जिस पर इवान क्रूकोव ने 2018 में काम करना शुरू किया, बड़े भाषा मॉडल आम चर्चा का विषय बनने से चार साल पहले।
एक परिचित शुरुआती बिंदु
क्रूकोव का एडटेक स्पेस में प्रवेश व्यक्तिगत था। जब उनका परिवार 2014 में साइबेरिया से कैलिफोर्निया चला गया, तो उनकी बेटी सोफिया चार साल की थी और प्रीस्कूल में अंग्रेजी सीखने में संघर्ष कर रही थी। उन्होंने हर उपलब्ध साधन आजमाया और सभी में एक जैसी कमियां पाईं।
“उनमें अक्सर पढ़ना पड़ता था, जो वह अभी तक नहीं कर सकती थी, वे बहुत अधिक काम की तरह लगते थे, और वे बोलने का अभ्यास नहीं प्रदान करते थे – जो बच्चों के लिए एक नई भाषा सीखने के लिए महत्वपूर्ण है,” उन्होंने यूनाइट एआई को बताया।
उन्होंने फिर लाइव ऑनलाइन ट्यूटर्स की ओर रुख किया, सत्रों की रिकॉर्डिंग शुरू की, और कुछ ऐसा देखा जिसकी उन्हें उम्मीद नहीं थी। “शिक्षक सचमुच अपनी स्क्रीन से पढ़ रहे थे,” उन्होंने कहा, और कई प्रमाणित शिक्षक नहीं थे; प्रत्येक सत्र की लागत $15 से $20 थी।
एआई में अनुभव रखने वाले क्रूकोव का स्थिति को लेकर आकलन स्पष्ट था: “मुझे यह स्पष्ट था कि संभवतः 80% काम बोलने वाले एक आभासी एआई पात्र और वाक्-पहचान का उपयोग करके किया जा सकता है। इससे यह सेवा कहीं अधिक लोगों की पहुंच में आ सकेगी क्योंकि यह बहुत महंगा था,”
“विचार यह था कि एक ट्यूटरिंग सत्र की लागत पर एक महीने की पढ़ाई उपलब्ध कराना,” उन्होंने जोड़ा। यह विचार बडी.एआई बन गया।
लगभग 10.8 मिलियन छोटे बच्चे – नौ साल से कम उम्र के सभी अमेरिकी बच्चों का 32% – दो भाषाएं सीखने वाले बच्चे (डीएलएल) हैं, जिनके माता-पिता में से कम से कम एक घर पर अंग्रेजी के अलावा दूसरी भाषा बोलता है, जैसा कि माइग्रेशन पॉलिसी इंस्टीट्यूट के अनुसार है। वास्तव में, 2000 से यह आबादी 24% बढ़ गई है, और डीएलएल अब 24 राज्यों और वाशिंगटन डीसी में छोटे बच्चों की आबादी का 20% से अधिक है।
संभवतः इन्हीं परिवारों में बडी.एआई जैसे प्लेटफॉर्म की तलाश करने की संभावना सबसे अधिक है, जबकि उच्च गुणवत्ता वाले शुरुआती बाल्यावस्था शिक्षा कार्यक्रमों तक नियमित पहुंच की संभावना सबसे कम है। डीएलएल बच्चों में से 43% कम आय वाले परिवारों में रहते हैं, जबकि गैर-डीएलएल बच्चों में यह अनुपात 33% है।
व्यावसायिक तर्क, फिर, स्पष्ट है। कठिन प्रश्न यह है कि क्या तकनीक वास्तव में अपेक्षित नतीजे देती है – और यहां, बडी.एआई का दृष्टिकोण अधिकांश प्रतिस्पर्धियों से काफी अलग है।
बच्चों के लिए शुरू से निर्मित, बाद में अनुकूलित नहीं
क्रूकोव के अनुसार बच्चों के लिए शुरू से बनाने और मौजूदा प्रणाली को उनके लिए ढालने का अंतर संरचना में है, केवल बाहरी रूप में नहीं। “बच्चों के लिए एआई बनाने का मतलब है कि हम बच्चों की आवाज़, व्यवहार, कानूनी आवश्यकताओं और ध्यान टिकाने की क्षमता को ध्यान में रखते हुए प्रणाली के हर स्तर को प्रतिबंधित और पुनः डिज़ाइन करते हैं – एक वयस्क चैटबॉट को ‘बच्चे मोड’ में बदलने की कोशिश करने के बजाय।”
मूल समस्या ध्वनिक है। “वयस्क एलएलएम स्टैक वयस्क पाठ और भाषण मानते हैं: लंबे व्याकरणिक वाक्य, स्थिर उच्चारण, और शांत वातावरण। एक छह साल का बच्चा आपको इसके विपरीत देता है: टुकड़े टुकड़े बोल, गलत उच्चारण, चिल्लाना, गहरे क्षेत्रीय लहजे, और पृष्ठभूमि शोर। ”
बडी की वाक्-पहचान प्रणाली को अलग-अलग उम्र और लहजों वाले बच्चों की वास्तविक आवाजों की हजारों-हजार घंटों की रिकॉर्डिंग पर प्रशिक्षित किया गया है और लगातार दोबारा प्रशिक्षित किया जाता है। ये रिकॉर्डिंग शोर वाले घरेलू परिवेश की हैं। स्टार्टअप का दावा है कि यह अब बच्चों की आवाजों पर गूगल की सामान्य उपयोग वाली वाक्-पहचान प्रणाली से बेहतर प्रदर्शन करती है, यह दावा पहली नजर में जितना लगता है, उससे अधिक विश्वसनीय है: लक्षित उपयोगकर्ता समूह के डेटा पर विशेष प्रशिक्षण वयस्क डेटा पर प्रशिक्षण देने से बेहतर प्रदर्शन करता है।
संवाद प्रणाली की परत भी इसी उद्देश्य से विशेष रूप से बनाई गई है। प्रत्येक सत्र क्रूकोव द्वारा वर्णित “नियंत्रण परत” के भीतर संचालित होता है – एक पाठ्यक्रम-जागरूक प्रणाली जिसमें एक सत्र योजना, परिभाषित विषय और लक्ष्य ट्रैकिंग शामिल है। भाषा मॉडल इस संरचना के भीतर एक घटक के रूप में काम करता है, उत्पाद के रूप में नहीं।
यदि बच्चा विषय से भटक जाता है, तो प्रणाली पुनः निर्देशित करती है; बातचीत किसी सामान्य भाषा मॉडल द्वारा बनाए जा सकने वाले किसी भी विषय की ओर अनियंत्रित रूप से नहीं बहती। “एक सत्र योजना है, अनुमत विषय हैं, लक्ष्य ट्रैकिंग है, और कोड है जो बातचीत को तब निर्देशित करता है, पुनः निर्देशित करता है या जब आवश्यक हो समाप्त करता है – इसलिए एक छह साल का बच्चा कभी भी खुले अंत वाली इंटरनेट चैट में नहीं गिरता,”
गोपनीयता को प्रणाली की संरचना में एक अनिवार्य सीमा और नीतिगत आवश्यकता माना जाता है। साथ ही, यह चुपचाप प्रतिस्पर्धात्मक लाभ भी बन गई है। क्योंकि बच्चों के ऑनलाइन गोपनीयता संरक्षण नियम (सीओपीपीए) माता-पिता की सहमति के बिना बच्चों की आवाज़ डेटा एकत्र करने की मनाही करता है, सबसे बड़ा सार्वजनिक रूप से उपलब्ध बच्चों की आवाजों का डेटासेट केवल कुछ सौ घंटों का है।
बडी.एआई ने अलग-अलग उम्र और लहजों वाले बच्चों की असली आवाजों की दसियों हजार घंटों की रिकॉर्डिंग शोर वाले घरेलू परिवेश से एकत्र की है। अधिकांश प्रतिस्पर्धियों ने शुरू से प्रणाली बनाने के बजाय वयस्कों के लिए बने एलएलएम को बच्चों के लिए ढालने का आसान रास्ता चुना, लेकिन यह आसान रास्ता अब कमजोरी बन गया है।
बडी के मामले में, एआई की सारी गणनाएं प्लेटफॉर्म के अपने बुनियादी ढांचे पर की जाती हैं, बच्चों की आवाज़ वास्तविक समय में संसाधित की जाती है, और माता-पिता के इस बारे में सोचने से पहले ही मिटा दी जाती है, और कोई बातचीत व्यावसायिक एआई एपीआई के माध्यम से नहीं भेजी जाती है, जैसा कि क्रूकोव ने बताया।
“हम माता-पिता के साथ यह स्पष्ट करते हैं कि हम क्या एकत्र करते हैं, क्यों और वे इसे कैसे हटा सकते हैं – पारदर्शिता तकनीक जितनी ही महत्वपूर्ण है,” क्रूकोव ने जोर दिया।
अमेरिकी बाजार में अधिक उन्नत और सहज बातचीत की सुविधा देने वाला अपना नवीनतम बड़ा अपडेट चिटचैट जारी करने के बाद, कंपनी के अनुसार अमेरिकी छात्रों ने एक ही समय सीमा में पिछले वर्ष की तुलना में 7.7 गुना अधिक अभ्यास पूरे किए।
वैश्विक स्तर पर, प्रति माह पूरे किए गए अभ्यासों की औसत संख्या में साल-दर-साल 3.5 गुना वृद्धि हुई है।
क्रूकोव स्पष्ट रूप से स्वीकार करते हैं कि इन आंकड़ों से क्या साबित होता है, इसकी सीमाएं हैं। “अध्ययन डिजाइन करना जो छात्रों के सीखने को मात्रात्मक रूप से माप सकता है, यह कुछ ऐसा है जिसे हम निकट भविष्य में करने की उम्मीद करते हैं,” उन्होंने कहा। अभी के लिए, हालांकि, साक्ष्य आधार उपयोगकर्ता प्रतिक्रिया, उत्पाद जुड़ाव डेटा और उद्योग पुरस्कार मान्यता पर निर्भर करता है।
वह उपयोग जिसकी किसी ने योजना नहीं बनाई थी
शायद बडी.एआई की कहानी में सबसे अर्थपूर्ण क्षण वह है जो बिना बुलाए आया: बिना किसी लक्षित विपणन के, ऑटिज्म और भाषा विलंब वाले बच्चों के माता-पिता सर्वेक्षण डेटा में प्लेटफॉर्म के सबसे सक्रिय उपयोगकर्ताओं में दिखाई देने लगे।
“हम शुरू में बहुत आश्चर्यचकित थे। यह निश्चित रूप से यह उजागर करता है कि बडी के लिए दुनिया भर के विद्यार्थियों की किफायती ढंग से मदद करने के दूसरे तरीके भी थे,” क्रूकोव ने याद किया।
संस्थापक के लिए, यह सिर्फ एक दिलचस्प विचलन नहीं था – यह एक अंतराल की ओर इशारा करता था जिसे भरने के लिए उत्पाद नहीं बनाया गया था, लेकिन जिसे वह संभवतः भर सकता था। कंपनी ने एक समर्पित अनुप्रयुक्त व्यवहार विश्लेषण (एबीए) पाठ्यक्रम बनाने का जवाब दिया।
यह कमी बड़ी है और इसके पर्याप्त प्रमाण भी मौजूद हैं। 2025 की एक बाजार रिपोर्ट में पाया गया कि संयुक्त राज्य अमेरिका में ऑटिज्म की व्याप्ति हर 31 में से 1 बच्चे तक पहुंच गई है, जबकि वर्ष 2000 में यह हर 150 में से 1 थी – प्रमाणित चिकित्सकों की कमी के लगातार परिदृश्य के खिलाफ। पर्याप्त बीमा कवरेज के बिना परिवारों के लिए, वार्षिक एबीए थेरेपी की लागत $250,000 तक पहुंच सकती है।
अमेरिकी राष्ट्रीय स्वास्थ्य संस्थान (एनआईएच) के अनुसंधान ने पाया कि परिवार एबीए प्राप्त क्यों नहीं कर रहे थे, बाधाएं आश्चर्यजनक रूप से व्यावहारिक थीं: सबसे आम कारणों में लंबा प्रतीक्षा समय (34%), उनके क्षेत्र में एबीए प्रदाताओं की कमी (10%), और बीमा जो चिकित्सा को कवर नहीं करता था (10%) शामिल थे। सर्वेक्षण डेटा ने यह भी दिखाया कि 50% से अधिक अमेरिकी काउंटियों में कोई बोर्ड-प्रमाणित व्यवहार विश्लेषक नहीं हैं।
क्या एक एआई पात्र एक नैदानिक स्तर पर एक महत्वपूर्ण हस्तक्षेप का गठन करता है, यह एक खुला प्रश्न बना हुआ है – लेकिन लंबी प्रतीक्षा सूची वाले बच्चों के लिए एक नियमित, कम लागत वाला, मांग पर अभ्यास उपकरण के रूप में, इसके उपयोगी होने का तर्क अधिक मजबूती से दिया जा सकता है।
“इस पर अभी काम चल रहा है, लेकिन यह पहल जिस दिशा में बढ़ रही है, उस पर हमें सचमुच गर्व है,” क्रूकोव ने कहा।
बड़ा प्रश्न
व्यापक शिक्षा-तकनीक बाजार अब मिलते-जुलते दावे करने वाली कंपनियों से भरा है: विशेष उद्देश्य के लिए बनी एआई, मजबूत संरचना और वास्तव में सीखने में मदद करने वाले उत्पाद। वास्तव में, शिक्षा में एआई के वैश्विक बाजार का अनुमान है कि 2030 तक $32.27 बिलियन तक पहुंच जाएगा, और हर बड़े खिलाड़ी के पास बच्चों के लिए एक रणनीति है।
बडी.एआई की स्थिति को अलग बनाने वाली बात उसके दावे नहीं, बल्कि उसके विकास का लंबा इतिहास है। क्रूकोव ने बच्चों की वाक्-पहचान पर काम निवेश की मौजूदा लहर से इसे लोकप्रिय बनाने के बहुत पहले शुरू किया था। यह उस समय से भी पहले की बात है जब एलएलएम ने एक ही दोपहर में प्रभावशाली ढंग से बोलने वाला भाषा-शिक्षक बनाना आसान कर दिया।
तकनीकी बुनियादी ढांचा – ध्वनिक मॉडल जो बच्चों की आवाजों पर प्रशिक्षित हैं, पाठ्यक्रम-जागरूक वास्तुकला, प्रोप्राइटरी अवतार प्रणाली – बच्चों की विशिष्ट समस्या पर लगभग एक दशक के लगातार सुधार को दर्शाता है, न कि लोकप्रिय हो रहे बाजार की ओर अचानक रुख।
“दो साल में, बडी अंग्रेजी सीखने वालों को अंग्रेजी के शुरुआती शब्दों से धाराप्रवाह बोलने तक पहुंचने के लिए जरूरी अभ्यास देने में सक्षम होगा। हम जल्दबाजी में नहीं हैं क्योंकि हम सुरक्षा और गोपनीयता को प्राथमिकता देते हैं,” क्रूकोव ने समझाया।
और इसके पीछे एक डिजाइन दर्शन है जो अधिकांश एआई उत्पाद सोच के खिलाफ जाता है। “छह साल के बच्चे एआई के लिए वापस नहीं आते हैं। वे एक पात्र और एक दुनिया के लिए वापस आते हैं जिसका वे हिस्सा महसूस करते हैं। ”
दोस्ताना नाम वाले चैटबॉट की तुलना में इसे दोहराना कहीं कठिन है। फिलहाल यही बडी.एआई का सबसे मजबूत, आसानी से न दोहराया जा सकने वाला प्रतिस्पर्धात्मक लाभ है।
