Ivan Crewkov CEO & Co-Founder of Buddy AI – Wywiad

Ivan Crewkov jest CEO & Co-Founderem Buddy AI, pierwszego na świecie konwersacyjnego AI tutora dla dzieci, który ma na celu zapewnienie wszystkim uczniom dostępu do indywidualnych lekcji języka angielskiego. Po przeprowadzce do USA z Syberii, Ivan był świadkiem, jak jego córka w wieku przedszkolnym miała trudności z nauką języka angielskiego. To zainspirowało go do stworzenia Buddy, fikcyjnej postaci, z którą dzieci mogą rozmawiać dzięki mocy generatywnego AI.

Od momentu uruchomienia w 2020 roku, aplikacja Buddy wygrała wiele nagród i zajęła pierwsze miejsce w kategorii Dzieci i Edukacja w App Store z ponad 36 milionami pobrań na całym świecie.

W 2014 roku uruchomiłeś Cubic.ai, jeden z pierwszych inteligentnych głośników i aplikacji asystentów głosowych dla smart home. Jakie były Twoje najważniejsze wnioski z tego doświadczenia?

Nie jestem pewien, czy mogę przyjąć za to kredyt. Dołączyłem do firmy rok po jej założeniu i otrzymałem tytuł współzałożyciela za moją wkład.

Oto najważniejsze wnioski:

• Hardware jest trudny, ale ktoś musi to robić. Uzyskanie finansowania venture dla startupów hardware jest niezwykle trudne. Jedyną rzeczą, która sprawia, że rzeczy stają się nieco łatwiejsze, jest crowdfunding.
• Przestrzeń produktów Voice-first jest ogromna i zróżnicowana. To, co stosuje się do smart home, nie stosuje się do wczesnej edukacji, od technologii po projektowanie UX.

Czy mógłbyś podzielić się historią Buddy i tym, jak powstała z Twojej rodziny, która przeprowadziła się do USA z Syberii?

Z Cubic.ai, przeprowadziłem się z Syberii do USA w 2014 roku i przywiózłem ze sobą rodzinę. Moja starsza córka Sofia zaczęła uczyć się języka angielskiego jako drugiego języka, gdy poszła do przedszkola w Mountain View, w Kalifornii, w wieku 4 lat. Sofia miała trudności z rozpoczęciem mówienia po angielsku przez pierwsze 3-5 miesięcy w przedszkolu. Byliśmy zaniepokojeni, ponieważ nie mogła znaleźć przyjaciół i bawić się z większością rówieśników z powodu języka. Zaczęliśmy szukać sposobów, aby pomóc jej nauczyć się mówić.

Okazało się, że aplikacje językowe dla dzieci nie uczą mówienia (i wszystko pozostało takie same w czasie), a aplikacje językowe dla dorosłych, takie jak Duolingo, nie działają dla dzieci z powodu UX. Zaczęliśmy brać lekcje na platformach, które łączą dzieci z nauczycielami za pośrednictwem wideokonferencji. Przykłady to Cambly, VipKid, Novakid, GoStudent itp. Podczas obserwowania Sofii, która uczyła się z nauczycielami wirtualnymi, zobaczyłem korzyści z indywidualnej uwagi i aktywnej praktyki mówienia, ale także zobaczyłem niedociągnięcia tych programów w ogóle.

Na przykład, gdy te platformy się rozwijają, wiele z nich musi zatrudniać ludzi bez wykształcenia pedagogicznego, umiejętności nauczania dzieci lub nawet odpowiedniego poziomu biegłości językowej. Aby zapewnić pewien poziom jakości edukacji, platformy i szkoły online ściśle przepisują programy nauczania i plany lekcji, a nauczyciele muszą używać gotowych ćwiczeń, w tym fragmentów audio i wideo. Niestety, na wielu platformach nauczyciele pracują tak jak boty.

Jednak nauczanie online było jedynym sposobem, aby większość ludzi nauczyła się mówić, zwłaszcza w krajach nieanglojęzycznych. Ale częściowo z powodu braku nauczycieli, jest to zbyt drogie dla większości rodzin. Ucz się z nauczycielami jest usługą edukacyjną premium, której tylko nieliczne rodziny mogą sobie pozwolić.

Mój współzałożyciel i ja doszliśmy do wniosku, że AI tutoring jest jedynym skalowalnym sposobem, aby zapewnić indywidualne lekcje języka angielskiego każdemu dziecku na świecie. Wkrótce dowiedzieliśmy się, że jest to również najlepsze z punktu widzenia edukacji. Gdy rozważaliśmy pierwsze prototypy Buddy, zainspirowaliśmy się badaniami w dziedzinie Wirtualnych Ludzi w Edukacji.

Studia akademickie pokazują edukacyjne zalety i wyższość animowanych pedagogicznych agentów w porównaniu z bardziej tradycyjnymi narzędziami i środowiskami edukacyjnymi. Na przykład, zobacz Face-to-Face Interaction with Pedagogical Agents, Twenty Years Later, artykuł z 2016 roku, który omawia tę dziedzinę i cytuję wiele istotnych materiałów. Oto jeden cytat:

„W szczególności, meta-analiza wykazała, że agenci poprawiają uczenie się w porównaniu ze środowiskami edukacyjnymi, które nie zawierają agentów. […] Może najbardziej interesujące było to, że w edukacji formalnej pedagogiczni agenci wydają się być bardziej skuteczni dla młodszych uczniów niż dla starszych. […] Badania wykazały, na przykład, że studenci, którzy interaktywnie uczą się z pedagogicznymi agentami, wykazują silniejsze wyniki uczenia się, gdy 1) pedagogiczni agenci mówią zamiast komunikować się za pomocą tekstu, 2) pedagogiczni agenci używają gestów podobnych do ludzkich, 3) pedagogiczni agenci komunikują się w sposób konwersacyjny zamiast formalny, i 4) pedagogiczni agenci używają grzecznych zamiast bezpośrednich sformułowań.”

To wzmocniło naszą pewność w multimodalnym podejściu do AI tutoringu. Postanowiliśmy, że Buddy będzie multimodalnym AI tutorem – animowanym pedagogicznym agentem zdolnym do rozpoznawania mowy i przetwarzania języka naturalnego. W swojej istocie, system AI Tutoring składa się z trzech głównych technologii:

1. Automatyczne rozpoznawanie mowy (ASR) i analiza pozwalają nam przetwarzać i analizować mowę ucznia.
2. Przetwarzanie języka naturalnego (NLP), naturalne zrozumienie języka i zarządzanie dialogiem, które przetwarza treść mowy ucznia i wytwarza następną odpowiedź. Odpowiedź składa się z zarówno werbalnych, jak i niewerbalnych składników.
3. Osadzony animowany wirtualny charakter dostarcza zarówno informacji zwrotnej, jak i odtwarza odpowiedź systemu. Charakter jest animowany proceduralnie – system tworzy animacje na bieżąco z odpowiedzi NLP.

Wszystkie trzy składniki są niezbędne dla naszego podejścia, ponieważ tylko w połączeniu pozwalają nam budować angażującego, interaktywnego tutora i dostarczać udany doświadczenie edukacyjne.

Moja córka Sofia i syn mojego współzałożyciela Arseny byli pierwszymi użytkownikami Buddy. Sofia używała wczesnych wersji Buddy przez cały pierwszy rok szkolny.

Kilka lat później, moja młodsza córka Alisa zaczęła używać Buddy w wieku 3 lat, gdy poszła do przedszkola. Teraz jest w klasie przygotowawczej i bawi się z Buddy prawie każdego dnia. Gdy Alisa zaczęła uczyć się z Buddy, miała kilka problemów z mową, więc Buddy nie rozumiał jej większości czasu. Ale po kilku tygodniach praktyki, nie tylko jej angielski, ale także mowa poprawiły się, ponieważ starała się najbardziej, aby Buddy ją zrozumiał.

Dlaczego tradycyjne metody nauczania języka obcego są tak nieskuteczne?

Dziś koncentrujemy się na rozwiązywaniu konkretnych problemów edukacyjnych związanych z mową. Nie można nauczyć się mówić bez praktyki mówienia:

• Większość tradycyjnych narzędzi edukacyjnych koncentruje się na nauczaniu innych umiejętności językowych, takich jak czytanie lub pisanie.
• Aplikacje językowe dla dzieci nie uczą umiejętności mówienia.
• Niektóre aplikacje językowe dla dorosłych dostarczają ćwiczenia mówienia za pomocą AI, ale te usługi nie działają dla dzieci z powodu UX, problemów bezpieczeństwa i regulacji prywatności.
• Nauczyciele są zbyt drodzy dla większości rodzin. Niestety, wielu nauczycieli nie ma wykształcenia pedagogicznego lub nie jest biegłych w języku angielskim.

Buddy jest multimodalnym AI tutorem.

• Jest lepszy niż tradycyjne aplikacje edukacyjne, ponieważ działa jak nauczyciel w wielu przypadkach. Pozwól, że zacytuję jednego z naszych doradców, dr. Alexa Desatnika, PhD, University College London:

“Głosowy wirtualny tutor. Ten koncept może się wydawać prosty, ale jest za nim nauka. Z punktu widzenia psychologii uczenia się, wirtualny mówiący charakter jest wcieleniem nauczyciela. To podejście tworzy efekt zwany zaufaniem epistemicznym, wzmacniającym motywację i zaangażowanie ucznia, oraz poprawiającym wyniki uczenia się.”

• Buddy ma kilka zalet nawet w porównaniu z nauczycielami. Buddy nie osądza, i dla niektórych dzieci jest łatwiej zacząć rozmawiać z Buddy niż z nauczycielem. Dlatego dziś wielu nauczycieli używa Buddy jako rozgrzewkę, która pomaga dzieciom pokonać strach i dyskomfort, i zacząć mówić w języku.

Buddy działa, aby pomóc nauczycielom, a nie zastąpić ich.

Uważam, że jest to bardzo ważne. Buddy może pomóc nauczycielom zautomatyzować nudną część ich pracy – zapewnienie regularnej praktyki. Chcemy dać władzę nauczycielom szkolnym. Buddy jest jak zespół nauczycieli i asystentów, pracujących indywidualnie z każdym dzieckiem w klasie i raportujących do nauczyciela klasy.

Czy możesz omówić, jak Buddy wykorzystuje elementy gamifikacji, aby utrzymać dzieci zainteresowane uczeniem?

Ciekawostka: Aplikacja mobilna Buddy została pobrana 22 miliony razy w 2023 roku, a ponad 70% tych pobrań zostało wykonanych przez dzieci. Dla dzieci nasza aplikacja jest grą, w której bawią się z Buddy, ich rozmawiającym wirtualnym przyjacielem i popularnym youtuberem. Dzieci pobierają aplikację i przekonują rodziców, aby zapłacili za subskrypcję, wyjaśniając, że Buddy jest nauczycielem.

Aby to działało, projektujemy Buddy jako grę z historią i uniwersum. Pracujemy z projektantami postaci i pisarzami z Hollywood, aby stworzyć Buddy i jego historię. Mamy bardzo silny zespół projektowy, który pracuje bezpośrednio z naszymi edukatorami i zmienia programy nauczania i ćwiczenia w mini-gry w świecie Buddy.

Co to są inne kluczowe funkcjonalności, które sprawiają, że Buddy jest tak potężny w nauczaniu języka obcego?

Nasza podstawowa funkcjonalność jest naprawdę skupiona na Buddy jako multimodalnym AI tutorze:

• Rozpoznawanie mowy
• AI konwersacyjny
• Zachowanie wizualne awatara

Co to są niektóre z algorytmów uczenia maszynowego, które są używane w Buddy?

Rozwijamy cały stos technologii, które współpracują ze sobą, aby umożliwić nasze podejście do multimodalnego AI tutoringu.

• BSR (Buddy’s Speech Recognition) to własny silnik rozpoznawania mowy, specjalnie zaprojektowany do pracy z mową dzieci z akcentem i zgodny z regulacjami, takimi jak COPPA.
• BLM (Buddy’s Language Model) — Silnik AI konwersacyjny dla dzieci. Bezpieczny, szybki i darmowy w użyciu. Koncentruje się na konkretnych funkcjach edukacyjnych i jest znacznie mniej wszechstronny niż duże modele językowe.
• BABE (Buddy’s Avatar Behavior Engine). Ta technologia generuje zachowanie wizualne naszej postaci na podstawie kontekstu rozmowy. Buddy rozumie, kiedy musi uśmiechnąć się, zmienić kolor lub włożyć głupi kapelusz.

Wiele systemów rozpoznawania mowy ma trudności z akcentami, zwłaszcza u młodych dzieci, jak Buddy pokonuje te wyzwania?

Poprzez rozwój BSR, naszej własnej technologii rozpoznawania mowy.

Nasz unikalny audytorium i rynek wymagały rozwoju własnej technologii. Buddy musi rozpoznawać silnie akcentowaną mowę młodych uczniów języka angielskiego jako języka obcego. Innym utrudnieniem jest to, że uczniowie początkujący zaczynają od uczenia się oddzielnych, często krótkich słów, które są bardzo trudne do rozpoznania bez kontekstu. Wreszcie, rynek dziecięcy jest bardzo uregulowany, a rozpoznawanie mowy podlega Children Online Privacy Protection Act (COPPA), ponieważ nagrania głosowe są uważane za osobiste informacje identyfikujące (PII).

BSR radzi sobie z mową dzieci z różnymi akcentami, wyprodukowanymi na różnych urządzeniach mobilnych z mikrofonami o różnej jakości akustycznej i w różnych środowiskach z różnymi rodzajami hałasu. I jest zgodny z COPPA od samego początku.

Pracując na całym świecie, udało nam się zgromadzić unikalny zestaw danych do szkolenia naszego modelu. Dziś BSR przewyższa rozwiązania komercyjne w rozpoznawaniu i zrozumieniu mowy dzieci z akcentem.

Jak planujesz rozszerzyć penetrację rynku, aby dotrzeć do rodziców, którzy mogą być nieznajomi z technologią AI?

Buddy zaczął odnosić sukcesy, zanim AI stało się słowem kluczowym, a większość naszych użytkowników nie są typowymi wczesnymi użytkownikami technologii. Skutecznie rozwiązujemy ważny problem edukacyjny, i po prostu używamy AI do tego.

Jednak nadal jednym z wyzwań, z którymi się zmagamy, jest to, aby rodzice traktowali uczenie się z Buddy tak poważnie, jak z nauczycielem – nie przerywaj lekcji, trzymaj się harmonogramu itp. Obecna rewolucja AI wydaje się pomagać w tym.

Powiem, że następnym dużym krokiem dla nas będzie rozpoczęcie bliższej współpracy z nauczycielami i szkołami. Prowadzimy pilotażowe partnerstwo ze szkołą w Brazylii i dyskutujemy o partnerstwach z kilkunastoma innymi instytucjami edukacyjnymi.

Jaka jest Twoja wizja przyszłości tutorów AI i edukacji w ogóle?

Tutorzy AI są najlepszym i jedynym skalowalnym sposobem, aby rozwiązać największy problem edukacyjny ludzkości – globalny brak nauczycieli. Potrzebujemy około 69 milionów nowych nauczycieli, aby rozwiązać tylko podstawowe potrzeby edukacyjne. Dla przedmiotów, które wymagają indywidualnych lekcji, takich jak nauka języka, problem jest znacznie gorszy.

Rewolucja AI przyspieszyła rozwój tutorów AI, chociaż głównie w segmencie dorosłych, używając gotowych rozwiązań, podczas gdy wczesna edukacja pozostaje dramatycznie zaniedbana. Jesteśmy dumni, że jesteśmy pionierami tutoringu AI dla młodych dzieci.

Co do naszej przyszłości, Buddy zaczął jako tutor językowy, ale w dłuższej perspektywie stanie się platformą tutoringową, uczącą szeroki zakres przedmiotów dzieci poniżej 12 lat. Już rozpoczęliśmy wdrażanie wczesnej wersji naszego pierwszego kursu niejęzykowego – Programu Przygotowawczego do Szkoły dla dzieci amerykańskich. Widzimy Buddy jako asystenta uczącego się dziecka, rosnącego z dzieckiem od 3 do 4 lat i uczącego się wielu kursów przez wiele lat.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Buddy AI.