Buddy.ai rozwija rozpoznawanie mowy i naukę języka dla dzieci

Rynek aplikacji do nauki języka dla dzieci staje się coraz bardziej zatłoczony i poddawany coraz większej kontroli. W zeszłym tygodniu organizacja non profit Common Sense Media uruchomiła Youth AI Safety Institute, pierwsze niezależne laboratorium tego rodzaju, finansowane kwotą 20 milionów dolarów rocznie, które poddaje testom obciążeniowym produkty AI dla dzieci – presja, która pojawia się właśnie wtedy, gdy AI już stanowi 33,5% przychodu na rynku produktów do nauki języka online.

W tym samym czasie, sam segment dziecięcy w ramach tego rynku ma wzrosnąć z 2,38 miliarda dolarów w 2026 roku do 5,17 miliarda dolarów do 2035 roku. Wyraźnie widać, że wraz z integracją AI rosną inwestycje – ale także nadzór.

Badania przeprowadzone przez Instytut AI Uniwersytetu Kolorado udokumentowały tę lukę w sposób wyraźny: dokładność rozpoznawania mowy jest znacznie niższa dla dzieci niż dla dorosłych, ponieważ większość systemów komercyjnych jest szkolona na czystym dźwięku od dorosłych mówców – często czytających z przygotowanego tekstu.

Artykuł z 2024 roku potwierdza, dlaczego: głosy dzieci obejmują szybkie, nieprzewidywalne zmiany wysokości głosu, artykulacji i rozwoju słownictwa, co powoduje, że modele szkolone na dorosłych zawodzą.

I w praktyce oznacza to, że sześcioletnie dziecko uczące się angielskiego otrzymuje system, który błędnie rozpoznaje jego wypowiedzi, nie reaguje lub co gorsza – reaguje na coś zupełnie innego. Dziecko traci zainteresowanie nauką; rodzic traci pieniądze.

To jest problem, nad którym Ivan Crewkov zaczął pracować w 2018 roku, cztery lata przed tym, jak duże modele językowe stały się powszechnym tematem rozmów.

Znany punkt wyjścia

Crewkov trafił do sektora technologii edukacyjnych z osobistych powodów. Kiedy jego rodzina przeniosła się z Syberii do Kalifornii w 2014 roku, jego córka Sofia miała cztery lata i miała trudności z nauką angielskiego w przedszkolu. Próbował każdego dostępnego narzędzia i znalazł te same luki we wszystkich.

„Często obejmowały czytanie, czego jeszcze nie potrafiła, zbyt mocno przypominały pracę i nie oferowały ćwiczeń mówienia – kluczowych dla dzieci uczących się nowego języka”, powiedział Unite AI.

Następnie zwrócił się do nauczycieli prowadzących zajęcia na żywo przez internet, zaczął nagrywać sesje i zauważył coś, czego nie oczekiwał. „Nauczyciele dosłownie czytali ze swoich ekranów”, powiedział, a wielu z nich nie było certyfikowanymi nauczycielami; każda sesja kosztowała 15 do 20 dolarów.

Dzięki doświadczeniu w AI Crewkov jasno oceniał sytuację: „Było dla mnie jasne, że prawdopodobnie 80% tej pracy mogłoby być wykonane przy użyciu wirtualnej, mówiącej postaci AI i rozpoznawania mowy. To również znacznie poszerzyłoby dostęp do rynku, ponieważ był niezwykle drogi”,

„Pomysł polegał na tym, aby zapewnić miesiąc nauki za cenę jednej sesji z nauczycielem”, dodał. Ten pomysł stał się Buddy.ai.

Blisko 10,8 miliona małych dzieci – 32% wszystkich amerykańskich dzieci poniżej dziewiątego roku życia – to dzieci uczące się dwóch języków (DLL), z co najmniej jednym rodzicem, który mówi językiem innym niż angielski w domu, zgodnie z danymi Migration Policy Institute. Od 2000 roku, w rzeczywistości, ta populacja wzrosła o 24%, a DLL stanowią teraz ponad 20% populacji małych dzieci w 24 stanach i Waszyngtonie.

To prawdopodobnie rodziny, które najczęściej szukają tego, co oferują platformy takie jak Buddy.ai, a zarazem mają najmniejsze szanse na stały dostęp do wysokiej jakości programów wczesnej edukacji. Wśród dzieci DLL 43% żyje w gospodarstwach domowych o niskich dochodach w porównaniu z 33% dzieci niebędących DLL.

Logika handlowa jest zatem jasna. Trudniejsze pytanie brzmi, czy technologia ta naprawdę działa – i tutaj podejście Buddy.ai znacznie odbiega od większości konkurencji.

Stworzone z myślą o dzieciach, nie dostosowane później

Różnica, którą Crewkov wskazuje między budowaniem dla dzieci a dostosowaniem dla nich, jest architektoniczna, a nie kosmetyczna. „Budowanie AI od podstaw dla dzieci oznacza, że ograniczamy i przebudowujemy każdą warstwę stosu wokół głosów i zachowania dzieci, wymogów prawnych oraz zdolności skupienia uwagi – zamiast próbować dodawać chatbotowi dla dorosłych „tryb dziecięcy”.”

Podstawowym problemem jest akustyka. „Stos LLM dla dorosłych zakłada tekst i mowę dla dorosłych: długie zdania gramatyczne, stabilną wymowę i ciche środowiska. Sześcioletnie dziecko daje Ci odwrotność: fragmentaryczne wypowiedzi, błędną wymowę, krzyki, silne akcenty i hałas w tle.”

System rozpoznawania mowy Buddy.ai został wytrenowany i jest stale ponownie trenowany na dziesiątkach tysięcy godzin prawdziwych głosów dzieci w różnym wieku i z różnymi akcentami, nagranych w hałaśliwych warunkach domowych. Firma twierdzi, że teraz przewyższa ogólne rozpoznawanie mowy Google w przypadku głosów dzieci, co ma więcej wiarygodności, niż mogłoby się wydawać: szkolenie specjalnie na docelowej populacji stale przewyższa szkolenie na danych dla dorosłych.

Warstwa konwersacyjna jest podobnie stworzona z myślą o dzieciach. Każda sesja odbywa się w ramach tego, co Crewkov nazywa „warstwą zarządzającą” – systemu uwzględniającego program nauczania, z planem sesji, określonymi tematami i śledzeniem celów. Model językowy działa jako jeden z komponentów w ramach tej struktury, a nie jako sam produkt.

Jeśli dziecko zboczy z kursu, system kieruje je z powrotem; rozmowa nie dryfuje bez ograniczeń w stronę wszystkiego, co mógłby wygenerować ogólny model językowy. „Istnieje plan sesji, dozwolone tematy, śledzenie celów i kod, który kieruje, przekierowuje lub kończy rozmowę, gdy jest to potrzebne – więc sześcioletnie dziecko nigdy nie wpada w otwartą, nieograniczoną rozmowę w Internecie.”

Prywatność jest również traktowana jako ograniczenie architektoniczne oraz element zasad działania – ale po cichu stała się również przewagą konkurencyjną. Ponieważ Reguła Ochrony Prywatności Dzieci w Internecie (COPPA) zabrania gromadzenia danych głosowych dzieci bez zgody rodziców, największy publicznie dostępny zbiór głosów dzieci wynosi tylko kilkaset godzin.

Buddy.ai zgromadził dziesiątki tysięcy godzin prawdziwych głosów dzieci w różnym wieku i z różnymi akcentami, nagranych w hałaśliwych warunkach domowych. Większość konkurentów wybrała łatwiejszą drogę, dostosowując LLM dla dorosłych do dzieci, zamiast budować od podstaw, ale ten skrót stał się teraz słabością.

W przypadku Buddy.ai wszystkie obliczenia AI odbywają się na własnej infrastrukturze platformy, głos dziecka jest przetwarzany w czasie rzeczywistym i usuwany, zanim rodzice nawet pomyślą o tym, a żadne rozmowy nie są kierowane przez komercyjne API AI, zgodnie z oświadczeniem Crewkowa.

„Bardzo jasno wyjaśniamy rodzicom, jakie dane zbieramy, dlaczego i jak mogą to usunąć – transparentność jest równie ważna jak sama technologia”, podkreślił Crewkov.

Od czasu uruchomienia ChitChat, najnowszej dużej aktualizacji na rynku amerykańskim, która wprowadza bardziej zaawansowaną, swobodną rozmowę, firma zgłasza, że amerykańscy uczniowie wykonali 7,7 razy więcej ćwiczeń w tym samym czasie co w poprzednim roku.

Na świecie średnia liczba ćwiczeń wykonywanych miesięcznie wzrosła 3,5-krotnie rok do roku.

Crewkov jest otwarty co do ograniczeń tych liczb. „Projektowanie badań, które mogłyby ilościowo zmierzyć naukę uczniów, jest czymś, co mamy nadzieję zrobić w najbliższej przyszłości”, powiedział. Na razie jednak podstawa dowodowa opiera się na opinii użytkowników, danych o korzystaniu z produktu i nagrodach branżowych.

Zastosowanie, którego nikt nie planował

Być może najbardziej wymownym momentem w historii Buddy.ai jest ten, który nadszedł niezapowiedziany: bez żadnej ukierunkowanej reklamy, rodzice dzieci z autyzmem i opóźnieniami w rozwoju mowy zaczęli pojawiać się w danych ankiety jako jedni z najbardziej zaangażowanych użytkowników platformy.

„Byliśmy początkowo dość zaskoczeni. To na pewno uświadomiło nam, że istnieją inne sposoby, w jakie Buddy mógłby pomagać uczniom po przystępnej cenie na całym świecie”, wspominał Crewkov.

Dla założyciela nie było to tylko ciekawe zjawisko – wskazywało na lukę, której produkt nie był przeznaczony do wypełnienia, ale którą wyraźnie mógł wypełnić. Firma odpowiedziała, tworząc specjalny kurs stosowanej analizy zachowania (ABA).

Luka jest szeroka i dobrze udokumentowana. Raport rynkowy z 2025 roku wykazał, że częstość występowania autyzmu w USA jest tak wysoka, jak 1 na 31 dzieci dzisiaj, w porównaniu z 1 na 150 w 2000 roku – na tle utrzymującego się niedoboru certyfikowanych terapeutów. Dla rodzin bez odpowiedniego ubezpieczenia, roczne koszty terapii ABA mogą osiągnąć 250 000 dolarów.

Badania Narodowych Instytutów Zdrowia (NIH) wykazały, dlaczego rodziny nie otrzymywały ABA: najczęstsze powody obejmowały długie czasy oczekiwania (34%), brak dostawców ABA w ich okolicy (10%) i brak pokrycia ubezpieczeniowego (10%). Dane ankiety wykazały również, że ponad połowa wszystkich hrabstw w USA nie ma certyfikowanych analityków behawioralnych.

To, czy postać AI stanowi istotną interwencję na poziomie klinicznym, pozostaje otwartym pytaniem – ale jako niezawodne i tanie narzędzie do ćwiczeń dostępne na żądanie dla dzieci na długich listach oczekiwania ma łatwiejszą do obrony wartość.

„Wciąż nad tym pracujemy, ale jesteśmy naprawdę dumni z tego, dokąd ten projekt zmierza”, powiedział Crewkov.

Szersze pytanie

Szerszy rynek edukacyjny jest teraz pełen firm składających podobne deklaracje: AI tworzone specjalnie do określonego celu, solidna architektura i produkty, które naprawdę uczą. W rzeczywistości, globalny rynek AI w edukacji szacowany jest na 32,27 miliarda dolarów do 2030 roku, a każdy główny gracz ma strategię dla dzieci.

Pozycję Buddy.ai wyróżniają nie same deklaracje, ale przebieg rozwoju w czasie. Crewkov zaczął pracować nad rozpoznawaniem mowy dzieci zanim fala inwestycji uczyniła to modnym, i zanim modele LLM ułatwiły stworzenie przekonująco brzmiącego nauczyciela języka w jedno popołudnie.

Infrastruktura techniczna – modele akustyczne szkolone na głosach dzieci, architektura uwzględniająca program nauczania, autorski system awatara – odzwierciedla prawie dekadę iteracji nad konkretnym problemem, a nie szybki zwrot w stronę gorącego rynku.

„W ciągu dwóch lat Buddy będzie w stanie zapewnić osobom uczącym się angielskiego ćwiczenia potrzebne do przejścia od pierwszych angielskich słów do płynności. Nie spieszymy się, ponieważ priorytetem jest bezpieczeństwo i prywatność”, wyjaśnił Crewkov.

I wszystko to opiera się na filozofii projektowej, która idzie wbrew większości myślenia o produktach AI. „Sześcioletnie dzieci nie wracają dla AI. Wracają dla postaci i świata, którego są częścią.”

To jest trudniejsza rzecz do odtworzenia niż chatbot z przyjazną nazwą. I na razie jest to przewaga Buddy.ai najtrudniejsza do podważenia.