Ivan Crewkov VD & medgrundare av Buddy AI – Intervjuerien

Ivan Crewkov är VD och medgrundare av Buddy AI, världens första konversationsbaserade AI-lärare för barn, med uppdraget att säkerställa att alla studenter kan få tillgång till individuell engelskundervisning. Efter att ha flyttat till USA från Sibirien såg Ivan hur hans förskolebarn, dottern, kämpade med att lära sig engelska. Detta inspirerade honom att skapa Buddy, en fiktiv figur som barn kan faktiskt konversera med genom generativ AI.

Sedan lanseringen 2020 har Buddy-appen vunnit flera utmärkelser och toppat listorna i App Store-kategorin Barn och Utbildning med över 36 miljoner nedladdningar världen över.

2014 lanserade du Cubic.ai, en av de första smarta högtalarna och röstassistent-apparna för smarta hem. Vilka var några av dina viktigaste erfarenheter från den här tiden?

Jag är inte säker på att jag kan ta åt mig äran av att ha lanserat Cubic.ai. Jag gick med i företaget ett år efter dess grundande och fick min medgrundartitel för mina bidrag.

Här är några av mina viktigaste erfarenheter:

• Maskinvara är svårt, men någon måste göra det ändå. Att säkra venturekapital för maskinvaruföretag är extremt svårt. Det enda som gör saker lite lättare är crowdfunding.
• Rymden för röstbaserade produkter är stor och varierad. Vad som gäller för smarta hem gäller inte för tidig inlärning, från teknologier till UX-design.

Kan du berätta om Buddy:s ursprungshistoria och hur den uppkom när din familj flyttade till USA från Sibirien?

Med Cubic.ai flyttade jag från Sibirien till USA 2014 och tog med mig min familj. Min äldre dotter Sofia började lära sig engelska som andra språk när hon gick i förskolan i Mountain View, Kalifornien, vid fyra års ålder. Sofia kämpade med att börja tala engelska under de första 3-5 månaderna i förskolan. Vi var oroliga eftersom hon inte kunde hitta vänner och leka med de flesta av sina kamrater på grund av språket. Vi började leta efter sätt att hjälpa henne att lära sig att tala.

Det blev tydligt att språkappar för barn lär inte ut att tala (och allt har förblivit detsamma över tiden), och språkappar för vuxna som Duolingo fungerar inte för barn på grund av UX. Så vi började med lektioner på plattformar som kopplar barn till levande lärare via videokonferens. Exempel är Cambly, VipKid, Novakid, GoStudent etc. När jag observerade Sofia lära med levande lärare virtuellt, såg jag fördelarna med individuell uppmärksamhet och aktiv talövning, men också bristerna i dessa program i allmänhet.

Till exempel, när de skalas, måste många av de onlinebaserade utbildningsplattformarna och skolorna anställa personer utan pedagogisk bakgrund, färdigheter i att undervisa barn eller ens en lämplig engelsk språknivå. Så, för att säkerställa en viss utbildningskvalitet, skriver onlineplattformar och skolor strikt manus och lektionsplaner, och lärare måste använda färdiga övningar, inklusive ljud- och videofragment. Så, tyvärr, på många plattformar fungerar lärare i princip som robotar.

Ändå har onlineundervisning varit det enda sättet för de flesta att lära sig att TALA engelska, särskilt i icke-engelsktalande länder. Men delvis på grund av lärarbristen är det väldigt dyrt för de flesta familjer. Att lära med levande lärare är en premiumutbildningstjänst som få familjer kan betala för.

Min medgrundare och jag kom fram till att AI-undervisning är det enda skalbara sättet att tillhandahålla individuell engelskundervisning till varje barn i världen. Snart lärde vi oss att det också är det bästa ur ett utbildningsperspektiv. När vi övervägde Buddys tidigaste prototyper, inspirerades vi av forskning inom området Virtuella människor i utbildning.

Akademiska studier visar på de pedagogiska fördelarna och överlägsenheten hos animerade pedagogiska agenter jämfört med mer traditionella inlärningsverktyg och miljöer. Till exempel, se Face-to-Face Interaction with Pedagogical Agents, Twenty Years Later, en artikel från 2016 som ger en översikt av området och citerar mycket av den relevanta litteraturen. Här är ett citat:

”I synnerhet fann metaanalysen att agenter förbättrar inlärningen jämfört med inlärningsmiljöer som inte har agenter. […] Kanske är det mest intressanta att pedagogiska agenter verkar vara mer effektiva för yngre lärande än för äldre lärande. […] Studier har funnit, till exempel, att studenter som interagerar med pedagogiska agenter visar starkare inlärningsresultat när 1) pedagogiska agenter talar snarare än kommunicerar med text, 2) pedagogiska agenter använder mänskliga gester, 3) pedagogiska agenter kommunicerar konversationsmässigt snarare än formellt, och 4) pedagogiska agenter använder artiga snarare än direkta formuleringar.”

Detta stärkte vår tilltro till den multimodala AI-undervisningsmetoden. Vi beslutade att Buddy skulle vara en multimodal AI-lärare – en animerad pedagogisk agent som kan känna igen röst och bearbeta naturligt språk. I kärnan består ett AI-undervisningssystem av tre huvudteknologier:

1. Automatisk taligenkänning (ASR) och analys som möjliggör för oss att bearbeta och analysera studentens tal.
2. Naturlig språkbehandling (NLP), naturlig språkförståelse och dialoghantering som bearbetar innehållet i studentens tal och genererar nästa svar. Svaret består av både verbala och icke-verbala komponenter.
3. Animerad virtuell karaktär som ger både lyssningsåterkoppling och uppspelar systemets svar. Karaktären animeras procedurellt – systemet skapar animeringar på flyget från NLP-svaret.

Alla tre komponenterna är avgörande för vår metod eftersom de bara i kombination möjliggör att vi bygger en engagerande, interaktiv lärare och levererar en framgångsrik utbildningsupplevelse.

Min dotter Sofia och min medgrundares son Arseny blev Buddys första användare. Sofia använde de tidigaste versionerna av Buddy genom första klassen.

Flera år senare började min yngre dotter Alisa använda Buddy vid tre års ålder när hon gick i förskolan. Nu är hon i övergångsklass och leker med Buddy nästan varje dag. När Alisa började lära med Buddy hade hon flera talsvårigheter, så Buddy förstod henne inte mestadels. Men efter ett par veckors övning förbättrades inte bara hennes engelska utan också hennes tal, eftersom hon försökte göra sitt bästa för att Buddy skulle förstå henne.

Varför är de traditionella metoderna för att lära ett andra språk så ineffektiva?

Idag fokuserar vi på att lösa specifika utbildningsproblem relaterade till tal:

• De flesta traditionella utbildningsverktygen fokuserar på att lära andra språkfärdigheter som läsning eller skrivning.
• Språkappar för barn lär inte ut att tala.
• Vissa språkappar för vuxna tillhandahåller idag talsökning med AI, men dessa tjänster fungerar inte för barn på grund av UX, säkerhetsproblem och sekretessbestämmelser.
• Levande lärare är för dyra för de flesta familjer. Tyvärr har många lärare inte pedagogisk utbildning eller är inte behöriga i engelska.

Buddy är en multimodal AI-lärare.

• Den är överlägsen traditionella inlärningsappar eftersom den fungerar som en levande lärare på många sätt. Låt mig citera en av våra rådgivare, Dr. Alex Desatnik, PhD, University College London:

“Röstbaserad virtuell lärare. Detta koncept kan verka enkelt, men det finns vetenskap bakom det. Ur ett lärandeperspektiv är den virtuella talarfiguren en inkarnation av läraren. Detta skapar en effekt som kallas epistemisk tillit, som stärker studentens motivation och engagemang och förbättrar inlärningsresultaten.”

• Buddy har vissa fördelar även över mänskliga lärare. Buddy dömer inte, och för vissa barn gör det det lättare att börja tala med Buddy än med en lärare. Därför använder många lärare idag Buddy som en isbrytare som hjälper barn att övervinna sin rädsla och obehag och börja tala språket.

Buddy fungerar för att hjälpa lärare, inte för att ersätta dem.

Jag tycker att det är mycket viktigt att notera detta. Buddy kan hjälpa lärare att automatisera den tråkiga delen av deras jobb – att tillhandahålla regelbunden övning. Vi vill ge makt till skollärare. Buddy är som ett team av lärare och lärarassistenter som arbetar individuellt med varje barn i klassen och rapporterar till klassläraren.

Kan du diskutera hur Buddy använder inslag av spelifiering för att hålla barn engagerade i lärandet?

En kul fakta: Buddys mobilapp laddades ner 22 miljoner gånger 2023, och över 70% av dessa nedladdningar gjordes av barn. För barn är vår app ett spel där de leker med Buddy, deras talarvirtuella vän och en populär youtuber. Barn laddar ner appen och övertalar föräldrar att betala för en prenumeration, och förklarar att Buddy är en lärare.

För att göra denna metod att fungera designar vi Buddy som ett spel med en berättelse och en värld. Vi arbetar med Hollywood-karaktärsdesigners och författare för att skapa Buddy och hans berättelse. Vi har ett mycket starkt speldesignteam som arbetar direkt med våra utbildare och omvandlar läroplaner och övningar till minispel i Buddys värld.

Vilka är några andra kärnfunktioner som gör Buddy så kraftfull i undervisningen av ett andra språk?

Vår kärnfunktion är verkligen fokuserad på Buddy som en multimodal AI-lärare:

• Taligenkänning
• Konversationsbaserad AI
• Avatarvisuellt beteende

Vilka är några av de maskinlärningsalgoritmer som används i Buddy?

Vi utvecklar hela teknologistacken, som arbetar tillsammans för att möjliggöra vår multimodala AI-undervisningsmetod.

• BSR (Buddys taligenkänning) är en egenutvecklad taligenkänningssmotor som är speciellt utformad för att fungera med accenterat barnspråk och följa regler som COPPA.
• BLM (Buddys språkmodell) — Konversationsbaserad AI-motor för barn. Säker, snabb och fri att använda. Den fokuserar på specifik utbildningsfunktionalitet och är mycket mindre flexibel än stora språkmodeller.
• BABE (Buddys avatarbeteendemotor). Denna teknik genererar vår karaktärs visuella beteende baserat på samtalets kontext. Buddy förstår när han behöver le, ändra färg eller sätta på en tokig hatt.

Många röstigenkänningssystem kämpar med accenter, särskilt för små barn, hur övervinner Buddy dessa utmaningar?

Genom att utveckla BSR, vår egenutvecklade taligenkänningsteknologi.

Vår unika publik och marknad krävde utvecklingen av egenutvecklad teknologi. Buddy måste känna igen det högt accenterade talet från unga engelska som främmande språk (EFL)-lärande. En annan komplicerande faktor är att nybörjarstudenter börjar med att lära sig separata, ofta korta ord, som är mycket svåra att känna igen utan kontext. Slutligen är barnmarknaden högt reglerad, och röstigenkänning omfattas av Children Online Privacy Protection Act (COPPA) eftersom röstinspelningar anses vara personligt identifierbar information (PII).

BSR hanterar barns tal med olika accenter, producerat på en mängd olika mobila enheter med mikrofoner av varierande akustisk kvalitet och i realistiska miljöer med många typer av bakgrundsbuller. Och det är COPPA-kompatibelt från början.

Genom att arbeta globalt har vi lyckats samla in en unik datamängd för att träna vår modell på. Idag överträffar BSR kommersiella lösningar för att känna igen och förstå accenterat barnspråk.

Hur planerar du att expandera marknadsandelen för att nå föräldrar som kanske inte är bekanta med AI-teknologi?

Buddy såg framgång innan AI blev en buzzword, och de flesta av våra användare är inte de typiska tidiga teknikanvändarna. Vi löser ett viktigt utbildningsproblem, och det råkar vara så att vi använder AI för det.

Ändå är en av de utmaningar vi står inför att göra föräldrar att ta lärande med Buddy på allvar, som med en levande lärare – inte hoppa över lektioner, följa en schematisk plan, etc. Den nuvarande AI-revolutionen verkar hjälpa till med det.

Jag skulle säga att nästa stora steg för oss är att börja arbeta mer nära med lärare och skolor. Vi driver ett pilotprojekt med en skola i Brasilien och diskuterar partnerskap med ett dussin fler utbildningsinstitutioner.

Vad är din vision för framtiden för AI-lärare och utbildning i allmänhet?

AI-lärare är det bästa och enda skalbara sättet att lösa mänsklighetens största utbildningsproblem – den globala lärarbristen. Vi behöver cirka 69 miljoner nya lärare för att bara tillgodose de grundläggande inlärningsbehoven. För ämnen som kräver individuell undervisning, som språkinlärning, är problemet mycket värre.

AI-revolutionen accelererade utvecklingen av AI-lärare, även om det främst skedde i vuxensegmentet med hjälp av kommersiella lösningar, medan tidig inlärning förblev dramatiskt underskattad. Vi är stolta över att vara pionjärer inom AI-undervisning för små barn.

Vad gäller vår framtid började Buddy som en språkinlärningslärare, men på lång sikt kommer det att bli en AI-undervisningsplattform som undervisar en mängd olika ämnen till barn under 12 år. Vi har redan börjat lansera en tidig version av vår första icke-språkkurs – Skolberedskapskurser för amerikanska barn. Vi ser Buddy som barnets lärandeassistent, som växer upp med barnet från 3 till 4 år och undervisar flera kurser under många år.

Tack för den underbara intervjun, läsare som vill lära sig mer kan besöka Buddy AI.