Buddy.ai разрабатывает распознавание речи и языковые упражнения для детей

Рынок приложений для изучения языков для детей становится все более переполненным и подвергается все большему контролю. На прошлой неделе некоммерческая организация Common Sense Media запустила Институт безопасности ИИ для молодежи, первый в своем роде независимый лабораторный комплекс, финансируемый в размере 20 миллионов долларов США в год для стресс-тестирования продуктов ИИ для детей – давление, которое возникает именно в тот момент, когда ИИ уже составляет 33,5% дохода во всей цифровой продукции для изучения языков.

В то же время один только детский сегмент этого рынка, как ожидается, вырастет с 2,38 миллиарда долларов США в 2026 году до 5,17 миллиарда долларов США к 2035 году. Очевидно, что вместе с внедрением ИИ растут инвестиции, но усиливается и надзор.

Исследования Института ИИ Университета Колорадо задокументировали разрыв явно: точность распознавания речи значительно ниже для детей, чем для взрослых, поскольку большинство коммерческих систем обучаются на чистой аудиоинформации от взрослых дикторов – часто читающих по сценарию.

Статья 2024 года подтверждает, почему: голоса детей включают быстрые, непредсказуемые изменения высоты голоса, артикуляции и развития словарного запаса, что заставляет модели, обученные на взрослых, спотыкаться.

И, на практике, это означает, что шестилетний ребенок, изучающий английский язык, получает систему, которая неправильно слышит его, не реагирует или, что хуже, реагирует не на то. Ребенок теряет интерес к обучению; родитель теряет деньги.

Это проблема, над которой Иван Крюков начал работать в 2018 году, за четыре года до того, как крупномасштабные языковые модели стали распространенной темой обсуждения.

Знакомая точка отсчета

В сферу образовательных технологий Крюков пришел по личным причинам. Когда его семья переехала из Сибири в Калифорнию в 2014 году, его дочери Софии было четыре года, и она испытывала трудности с изучением английского языка в детском саду. Он попробовал все доступные инструменты и обнаружил те же пробелы во всех из них.

«Они часто включали чтение, а она еще не умела читать, они казались слишком похожими на работу, и они не предлагали практику речи – критически важной для детей, изучающих новый язык», – рассказал он Unite AI.

Затем он обратился к репетиторам, проводящим занятия онлайн в реальном времени, начал записывать сеансы и заметил что-то, чего он не ожидал. «Учителя буквально читали с экранов», – сказал он, и многие из них не были сертифицированными педагогами; каждая сессия стоила 15-20 долларов.

Имея опыт работы с ИИ, Крюков оценивал ситуацию однозначно: «Было ясно, что, вероятно, 80% этой работы можно было сделать с помощью виртуального, говорящего ИИ-персонажа и распознавания речи. Это также сделало бы эти услуги доступными гораздо большему числу людей, поскольку такое обучение стоило крайне дорого»,

«Идея заключалась в том, чтобы предоставить месяц обучения за стоимость одной сессии репетитора», – добавил он. Эта идея стала Buddy.ai.

Около 10,8 миллиона маленьких детей – 32% всех детей в США в возрасте до девяти лет – являются двуязычными учениками (DLL), у которых хотя бы один родитель говорит на языке, отличном от английского, дома, согласно данным Института миграционной политики. С 2000 года эта популяция выросла на 24%, и DLL теперь составляют более 20% населения младшего детского возраста в 24 штатах и округе Колумбия.

Вероятно, именно эти семьи чаще всего ищут то, что предлагают платформы вроде Buddy.ai, и при этом имеют наименьшие шансы на постоянный доступ к качественным программам дошкольного образования. Среди детей DLL 43% живут в домохозяйствах с низкими доходами по сравнению с 33% не-DLL детей.

Таким образом, коммерческая логика ясна. Более трудный вопрос заключается в том, действительно ли технология дает ожидаемый результат – и здесь подход Buddy.ai существенно отличается от большинства конкурентов.

Создано специально, а не адаптировано позднее

Различие, которое Крюков проводит между построением для детей и адаптацией для них, является архитектурным, а не косметическим. «Построение ИИ с нуля для детей означает, что мы ограничиваем и перестраиваем каждый слой стека вокруг голосов детей, поведения, нормативных требований и продолжительности концентрации внимания – вместо того, чтобы пытаться добавить взрослому чат-боту детский режим».

Основная проблема заключается в акустике. «Взрослые модели LLM предполагают взрослый текст и речь: длинные грамматические предложения, стабильное произношение и тихую среду. Шестилетний ребенок дает вам противоположное: фрагментарные высказывания, неправильное произношение, крики, сильные акценты и фоновый шум».

Распознаватель речи Buddy был обучен и продолжает переобучаться на десятках тысяч часов реальной речи детей разного возраста и с разными акцентами, записанной в шумной домашней обстановке. Стартап утверждает, что он сейчас превосходит общую систему распознавания речи Google на детских голосах, этот тезис правдоподобнее, чем может показаться на первый взгляд: специализированное обучение на данных целевой аудитории постоянно превосходит обучение на взрослых данных.

Диалоговый слой также создан специально. Каждая сессия работает внутри того, что Крюков описывает как «управляющий слой», то есть систему, учитывающую учебную программу, с планом сессии, определенными темами и отслеживанием целей. Языковая модель работает как один из компонентов внутри этой структуры, а не как сам продукт.

Если ребенок отклоняется от курса, система перенаправляет; разговор не уходит бесконтрольно в любые темы, которые может породить универсальная языковая модель. «Есть план сессии, разрешенные темы, отслеживание целей и код, который управляет, перенаправляет или завершает разговор, когда это необходимо – так, чтобы шестилетний ребенок никогда не попадал в неограниченный интернет-чат».

Защита частной жизни заложена и в ограничения архитектуры, и в правила работы. При этом она незаметно стала конкурентным преимуществом. Поскольку Правило защиты конфиденциальности детей в интернете (COPPA) запрещает сбор голосовых данных детей без согласия родителей, крупнейшая публично доступная база данных голосов детей составляет всего несколько сотен часов.

Buddy.ai накопил десятки тысяч часов реальной речи детей разного возраста и с разными акцентами, записанной в шумных домашних условиях. Большинство конкурентов выбрали более легкий путь адаптации взрослых моделей LLM для детей, а не построения с нуля, но этот обходной путь теперь стал недостатком.

В случае Buddy все вычисления ИИ выполняются на собственной инфраструктуре платформы, голоса детей обрабатываются в режиме реального времени и удаляются до того, как родители даже подумают об этом, и никакие разговоры не маршрутизируются через коммерческие API ИИ, как заявил Крюков.

«Мы очень явно заявляем родителям, что мы собираем, почему и как они могут удалить это – прозрачность так же важна, как и сама технология», – подчеркнул Крюков.

С момента запуска ChitChat, своего последнего крупного обновления на рынке США, которое вводит более продвинутую свободную беседу, компания сообщает, что американские ученики завершили в 7,7 раза больше упражнений в том же временном интервале, что и в предыдущем году.

Глобально среднее количество выполненных упражнений в месяц выросло в 3,5 раза год от года.

Крюков откровенен о пределах того, что эти цифры доказывают. «Разработка исследовательских работ, которые могли бы количественно измерить учебные результаты учеников, – это то, что мы надеемся сделать в ближайшем будущем», – сказал он. Пока же основа доказательств опирается на обратную связь пользователей, данные об использовании продукта и отраслевые награды.

Применение, которого никто не планировал

Возможно, самым показательным моментом в истории Buddy.ai является тот, который пришел без приглашения: без какой-либо целевой рекламы родители детей с аутизмом и речевыми задержками начали появляться в данных опроса как одни из наиболее вовлеченных пользователей платформы.

«Мы были изначально довольно удивлены. Это определенно подчеркнуло, что есть другие способы, которыми Buddy мог бы помогать ученикам во всем мире по доступной цене», – вспомнил Крюков.

Для основателя это не было просто интересной аномалией – это указало на пробел, который продукт не был разработан для заполнения, но, очевидно, мог. Компания ответила, создав специальный курс прикладного анализа поведения (ABA).

Нехватка помощи велика и хорошо задокументирована. Отчет о рынке 2025 года о центрах лечения аутизма в США показал, что распространенность аутизма в США составляет одного ребенка из 31 сегодня, по сравнению с одним ребенком из 150 в 2000 году – на фоне постоянного дефицита сертифицированных терапевтов. Для семей без достаточного страхового покрытия ежегодные затраты на терапию ABA могут достичь 250 000 долларов.

Исследования Национальных институтов здравоохранения (NIH) о том, почему семьи не получали ABA, показали, что барьеры были поразительно практичными: наиболее часто цитируемые причины включали длительные очереди (34%), отсутствие поставщиков ABA в их районе (10%) и отсутствие страхового покрытия терапии (10%). Данные опроса также показали, что более половины всех округов США не имеют сертифицированных поведенческих аналитиков.

Остается открытым вопрос, можно ли считать ИИ-персонажа значимым вмешательством на клиническом уровне – но как стабильно работающий недорогой инструмент для упражнений, доступный по запросу для детей, подолгу ожидающих помощи в очереди, его пользу легче обосновать.

«Работа еще продолжается, но мы действительно гордимся тем, куда движется инициатива», – сказал Крюков.

Более широкий вопрос

Более широкий рынок эдтека теперь полон компаний, делающих сходные заявления: специализированный ИИ, надежная архитектура и продукты, которые действительно помогают учиться. На самом деле, глобальный рынок ИИ в образовании оценивается в размере 32,27 миллиарда долларов США к 2030 году, и у каждого крупного игрока есть стратегия для детей.

Позицию Buddy.ai отличают не сами заявления, а история развития. Крюков начал работать над распознаванием речи детей задолго до того, как текущая волна инвестиций сделала это модным, и до того, как модели LLM сделали возможным создание убедительного языкового репетитора за один послеобеденный сеанс работы.

Техническая инфраструктура – акустические модели, обученные на голосах детей, архитектура, учитывающая учебную программу, проприетарная система аватаров – отражает почти десятилетие последовательного совершенствования решения конкретной проблемы, а не быстрый поворот в сторону горячего рынка.

«Через два года Buddy сможет дать изучающим английский язык практику, необходимую для перехода от первых слов английского языка к свободному владению. Мы не спешим, потому что отдаем приоритет безопасности и приватности», – объяснил Крюков.

В основе всего этого лежит философия дизайна, которая идет вразрез со многими принятыми подходами к разработке продуктов ИИ. «Шестилетние дети не возвращаются за ИИ. Они возвращаются за персонажем и миром, частью которого они чувствуют себя».

Это более трудная вещь для воспроизведения, чем чат-бот с дружелюбным именем. И, пока, это самое устойчивое конкурентное преимущество Buddy.ai.