Ivan Crewkov CEO & Co-Founder of Buddy AI – Intervju-serie

Ivan Crewkov er CEO og medgrunnlegger av Buddy AI, verdens første konversasjonelle AI-lærer for barn, med mål om å sikre at alle studenter kan betale for en-til-en engelskundervisning. Etter å ha flyttet til USA fra Sibir, så Ivan at hans datter i barnehagealderen hadde vanskelig for å lære engelsk. Dette inspirerte ham til å bygge Buddy, en fiktiv karakter som barn kan faktisk kommunisere med gjennom kraften av generativ AI.

Siden lanseringen i 2020 har Buddy-appen vunnet flere priser og toppet listen over App Store’s barn og utdanningskategorier med over 36 millioner nedlastinger verden over.

I 2014 lanserte du Cubic.ai, en av de første smarte høyttalerne og stemmeassistent-appene for smarte hjem. Hva var noen av dine viktigste erfaringer fra denne opplevelsen?

Jeg er ikke sikker på at jeg kan ta kreditt for å ha lansert Cubic.ai. Jeg ble med i selskapet ett år etter grunnleggingen og fikk tittelen medgrunnlegger for min innsats.

Her er noen av mine viktigste erfaringer:

• Hardware er vanskelig, men noen må gjøre det likevel. Å sikre venturekapital til hardware-startups er ekstremt vanskelig. Det eneste som gjør ting litt enklere er crowdfunding.
• Rommet for stemme-først produkter er stort og mangfoldig. Det som gjelder for smarte hjem, gjelder ikke for tidlig læring, fra teknologier til brukergrensesnitt.

Kan du dele historien om Buddy og hvordan den oppstod fra din familie som flyttet til USA fra Sibir?

Med Cubic.ai flyttet jeg fra Sibir til USA i 2014 og tok med meg familien. Min eldre datter Sofia begynte å lære engelsk som andre språk da hun gikk på barnehage i Mountain View, California, i en alder av 4 år. Sofia hadde vanskelig for å begynne å snakke engelsk de første 3-5 månedene på barnehagen. Vi var bekymret fordi hun ikke kunne finne venner og leke med de fleste av sine jevnaldrende på grunn av språket. Vi begynte å se etter måter å hjelpe henne å lære å snakke.

Det ble klart at språk-appene for barn ikke lærer å snakke (og alt har forblitt det samme over tid), og språk-appene for voksne som Duolingo fungerer ikke for barn på grunn av brukergrensesnittet. Så vi begynte å ta leksjoner på plattformer som kobler barn med live-lærere via video-konferanser. Eksempler er Cambly, VipKid, Novakid, GoStudent osv. Da jeg observerte Sofia lære med live-lærere virtuelt, så jeg fordelen av en-til-en oppmerksomhet og aktiv tale-praksis, men også svakhetene i disse programmene generelt.

For eksempel, da de skalerer, må mange av de online-undervisningsplattformene og skolene ansette personer uten pedagogisk bakgrunn, ferdigheter i å undervise barn, eller selv en ordentlig engelsk språklig nivå. Så for å sikre en viss kvalitet på utdanningen, scripter online-plattformene og skolene strengt læreplaner og leksjoner, og lærerne må bruke forhåndsdefinerte øvelser, inkludert lyd- og video-fragmenter. Så, dessverre, på mange plattformer, fungerer lærerne som roboter.

Likevel er online-undervisning den eneste måten for de fleste mennesker å lære å snakke, spesielt i ikke-engelsktalende land. Men delvis på grunn av lærermangelen, er det alt for dyrt for de fleste familier. Å lære med live-lærere er en premium-utdanningstjeneste som få familier kan betale for.

Min medgrunnlegger og jeg kom til at forstå at AI-undervisning er den eneste skalerbare måten å tilby en-til-en engelsk-undervisning til hvert barn verden over. Snart lærte vi at det også er det beste fra et pedagogisk ståsted. Da vi vurderte Buddys tidlige prototyper, ble vi inspirert av forskning i feltet virtuelle mennesker i utdanning.

Akademiske studier viser at animerte pedagogiske agenter har pedagogiske fordeler og overlegenhet sammenlignet med mer tradisjonelle læringsverktøy og -miljøer. For eksempel, se Face-to-Face Interaction with Pedagogical Agents, Twenty Years Later, en artikkel fra 2016 som gir en oversikt over feltet og sitater til mye av det relevante materialet. Her er et sitat:

“Spesielt fant meta-analysen at agenter forbedrer læring sammenlignet med læringsmiljøer som ikke har agenter. […] Kanskje det mest interessante var funnene som viste at pedagogiske agenter synes å være mer effektive for yngre lærende enn for eldre lærende. […] Studier har funnet, for eksempel, at studenter som interagerer med pedagogiske agenter viser sterkere læringsresultater når 1) pedagogiske agenter snakker i stedet for å kommunisere med tekst, 2) pedagogiske agenter bruker menneskelige gestus, 3) pedagogiske agenter kommuniserer konversasjonelt i stedet for formelt, og 4) pedagogiske agenter bruker høflig i stedet for direkte formulering.”

Dette styrket vår tro på den multimodale AI-undervisningsmetoden. Vi bestemte at Buddy skulle være en multimodal AI-lærer – en animert pedagogisk agent som kan gjenkjenne tale og naturlig språkbehandling. I kjernen består et AI-undervisningssystem av tre hovedteknologier:

1. Automatisk tale-gjenkjenning (ASR) og analyse som lar oss prosessere og analysere elevens tale.
2. Naturlig språkbehandling (NLP), naturlig språkforståelse og dialogstyring som prosesserer innholdet i elevens tale og produserer neste respons. Responsen består av både verbale og ikke-verbale komponenter.
3. Embodied animert virtuell karakter som gir både lytting-tilbakemelding og spiller av systemets respons. Karakteren er animert prosessuelt – systemet skaper animasjoner på fly fra NLP-responsen.

Alle tre komponenter er avgjørende for vår tilnærming fordi bare i kombinasjon lar de oss bygge en engasjerende, interaktiv lærer og levere en vellykket utdannelsesopplevelse.

Min datter Sofia og min medgrunnleggers sønn Arseny ble Buddys første brukere. Sofia brukte de tidlige versjonene av Buddy gjennom 1. klasse.

Etter flere år begynte min yngre datter Alisa å bruke Buddy da hun var tre år gammel og gikk på barnehage. Nå er hun i overgangsklassen og leker med Buddy nesten hver dag. Da Alisa begynte å lære med Buddy, hadde hun flere taleproblemer, så Buddy forstod henne ikke mesteparten av tiden. Men etter noen uker med praksis, ikke bare hennes engelsk, men også hennes tale, ble bedre, da hun prøvde å gjøre sitt beste for å få Buddy til å forstå henne.

Hvorfor er de tradisjonelle måtene å undervise et annet språk så ineffektive?

I dag fokuserer vi på å løse bestemte utdanningsproblemer knyttet til tale. Du kan ikke lære å snakke uten tale-praksis:

• De fleste tradisjonelle utdanningsverktøyene fokuserer på å undervise andre språkferdigheter som lesing eller skriving.
• Språk-appene for barn lærer ikke tale-ferdigheter.
• Noen språk-appene for voksne tilbyr tale-praksis med AI, men disse tjenestene fungerer ikke for barn på grunn av brukergrensesnitt, sikkerhetsproblemer og personvernsregler.
• Live-lærere er for dyre for de fleste familier. Dessverre har mange lærere ikke pedagogisk utdanning eller er ikke flytende i engelsk.

Buddy er en multimodal AI-lærer.

• Det er overlegen i forhold til tradisjonelle lærings-appene fordi det fungerer som en live-lærer på mange måter. La meg sitere en av våre rådgivere, Dr. Alex Desatnik, PhD, University College London:

“Stemme-basert virtuell lærer. Dette konseptet kan høres enkelt ut, men det er vitenskap bak det. Fra et psykologisk perspektiv på læring, er den virtuelle talende karakteren en inkarnasjon av læreren. Denne tilnærmingen skaper en effekt som kalles epistemisk tillit, som styrker elevens motivasjon og engasjement, og forbedrer læringsresultatene.”

• Buddy har noen fordeler selv over menneskelige lærere. Buddy dømmer ikke, og for noen barn gjør det det lettere å begynne å snakke med Buddy enn med en lærer. Derfor bruker mange lærere i dag Buddy som en isbryter som hjelper barna å overvinne sin frykt og ubehag og begynne å snakke språket.

Buddy fungerer for å hjelpe lærere, ikke for å erstatte dem.

Jeg tror det er veldig viktig å merke seg dette. Buddy kan hjelpe lærere å automatisere den jevne delen av jobben – å gi regelmessig praksis. Vi ønsker å gi makt til skolelærere. Buddy er som et lag av lærere og lærerassistenter som arbeider individuelt med hvert barn i klassen og rapporterer til klasselæreren.

Kan du diskutere hvordan Buddy bruker elementer av gamification for å holde barna engasjerte i læring?

En interessant fakta: Buddys mobil-app ble lastet ned 22 millioner ganger i 2023, og over 70% av disse nedlastningene ble gjort av barn. For barn er vår app en spill hvor de leker med Buddy, deres talende virtuelle venn og en populær youtuber. Barna laster ned appen og overtaler foreldrene til å betale for en abonnement, og forklarer at Buddy er en lærer.

For å gjøre denne tilnærmingen til å fungere, designer vi Buddy som et spill med en historie og en univers. Vi arbeider med Hollywood-karakterskapslere og forfattere for å skape Buddy og hans historie. Vi har et meget sterkt spill-design team som arbeider direkte med våre pedagoger og omdanner læreplaner og øvelser til mini-spill i Buddys verden.

Hva er noen av de andre kjernefunksjonene som gjør Buddy så kraftig i å undervise et annet språk?

Vår kjernefunksjon er virkelig fokusert på Buddy som en multimodal AI-lærer:

• Tale-gjenkjenning
• Konversasjonell AI
• Avatar visuelt atferd

Hva er noen av de maskinlæringsalgoritmene som brukes i Buddy?

Vi utvikler hele stakken av teknologier som arbeider sammen for å muliggjøre vår multimodale AI-undervisningsmetode.

• BSR (Buddys Tale-Gjenkjenning) er en proprietær tale-gjenkjenning-motor som er spesifikt utviklet for å fungere med aksentert barns tale og å følge regler som COPPA.
• BLM (Buddys språkmodell) — Konversasjonell AI-motor for barn. Sikker, rask og gratis å operere. Den fokuserer på spesifikke pedagogiske funksjoner og er mye mindre fleksibel enn store språkmodeller.
• BABE (Buddys Avatar Atferdsmotor). Denne teknologien genererer vår figurativ atferd basert på samtalekonteksten. Buddy forstår når han må smile, endre farge eller sette på en latterlig hatt.

Mange tale-gjenkjenningssystemer sliter med aksenter, spesielt for unge barn, hvordan overvinner Buddy disse utfordringene?

Ved å utvikle BSR, vår proprietære tale-gjenkjenningsteknologi.

Vår unike målgruppe og marked krevde utvikling av proprietær teknologi. Buddy må gjenkjenne den høyt aksenterte tale til unge engelsk som fremmedspråk-lærere. En annen kompliserende faktor er at nybegynner-elever starter med å lære separate, ofte korte ord, som er svært vanskelige å gjenkjenne uten kontekst. Til slutt er barnemarkedet høyt regulert, og tale-gjenkjenning er underlagt Children Online Privacy Protection Act (COPPA) siden taleopptak er betraktet som personlig identifiserbar informasjon (PII).

BSR håndterer barns tale med forskjellige aksenter, produsert på en rekke mobile enheter med mikrofoner av forskjellige akustiske kvaliteter og i sanntids-miljøer med mange typer bakgrunnsstøy. Og det er COPPA-samsvarig fra design.

Ved å arbeide globalt, har vi klart å samle en unik datamengde for å trene vår modell på. I dag overgår BSR kommersielle, ferdige løsninger i å gjenkjenne og forstå aksentert barns tale.

Hvordan planlegger du å utvide markedspenetreringen for å nå foreldre som kanskje ikke er kjent med AI-teknologi?

Buddy så suksess før AI ble et buzzord, og de fleste av våre brukere er ikke typiske tidlige teknologi-adoptere. Vi løser et viktig utdanningsproblem, og det skjer å være at vi bruker AI til det.

Likevel er en av utfordringene vi møter å få foreldre til å behandle læring med Buddy like alvorlig som med en live-lærer — ikke hoppe over leksjoner, holde fast til en timeplan osv. Den nåværende AI-revolusjonen synes å hjelpe med det.

Jeg ville si at neste store skritt for oss er å begynne å arbeide mer tett med lærere og skoler. Vi kjører en pilot-partneravtale med en skole i Brasil og diskuterer partnerskap med et dusin flere utdanningsinstitusjoner.

Hva er din visjon for fremtiden av AI-lærere og utdanning generelt?

AI-lærere er den beste og eneste skalerbare måten å løse menneskehetens #1 utdanningsproblem – den globale lærermangelen. Vi trenger omtrent 69 millioner nye lærere for å møte bare de grunnleggende læringsbehovene. For fag som krever en-til-en undervisning, som språklæring, er problemet mye verre.

AI-revolusjonen akselererte utviklingen av AI-lærere, selv om det primært var i voksen-segmentet med ferdige løsninger, mens tidlig læring forble dramatisk underbetjent. Vi er stolte av å være pionerer i AI-undervisning for små barn.

Med hensyn til vår fremtid, startet Buddy som en språklærer, men på lengre sikt vil det bli en AI-undervisningsplattform som underviser et bredt spekter av fag til barn under 12 år. Vi har allerede begynt å rulle ut en tidlig versjon av vår første ikke-språk-kurs – Skole-forberedelses-kurset for amerikanske barn. Vi ser på Buddy som barnets læringsassistent, som vokser opp med et barn fra 3 til 4 år gammel og underviser flere kurs over mange år.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, kan besøke Buddy AI.