Buddy.ai розробляє розпізнавання мовлення та мовні вправи для дітей

Ринок мовних навчальних програм для дітей стає дедалі насиченішим і все частіше піддається перевірці. Минулого тижня некомерційна організація Common Sense Media запустила Інститут безпеки штучного інтелекту для молоді, перший у своєму роді незалежний лабораторний центр, який фінансується у розмірі 20 мільйонів доларів США на рік для проведення стрес-тестів продуктів штучного інтелекту для дітей – додатковий тиск, що виникає саме тоді, коли штучний інтелект вже складає 33,5% доходу серед цифрових мовних навчальних продуктів.

Водночас лише в дитячому сегменті цього ринку очікується зростання з 2,38 мільярдів доларів США у 2026 році до 5,17 мільярдів доларів США до 2035 року. Чітко видно, що гроші рухаються паралельно з інтеграцією штучного інтелекту – але так само і нагляд.

Дослідження Інституту штучного інтелекту Університету Колорадо задокументувало прогалину досить чітко: точність розпізнавання мовлення суттєво нижча для дітей, ніж для дорослих, оскільки більшість комерційних систем тренуються на чистому аудіо від дорослих дикторів – які часто читають заздалегідь підготовлений текст.

Стаття 2024 року підтверджує, чому: голоси дітей включають швидкі, непередбачувані зміни висоти голосу, артикуляції та розвитку словникового запасу, що призводить до того, що моделі, треновані на дорослих, спотикаються.

І, на практиці, це означає, що шестирічна дитина, яка вивчає англійську, отримує систему, що неправильно розпізнає її слова, не реагує або, що ще гірше, реагує на зовсім іншу річ. Дитина втрачає інтерес до навчання; батьки втрачають гроші.

Це проблема, над якою Іван Крюков почав працювати у 2018 році, за чотири роки до того, як великі мовні моделі стали звичною темою розмов.

Знайома початкова точка

Крюков прийшов у сферу освітніх технологій з особистих причин. Коли його сім’я переїхала з Сибіру до Каліфорнії у 2014 році, його дочці Софії було чотири роки, і вона мала труднощі з вивченням англійської мови в дитячому саду. Він спробував усі доступні інструменти і знайшов ті самі прогалини у всіх них.

“Вони часто включали читання, а вона ще не вміла читати, вони відчувались як робота, і не пропонували практику мовлення – критично важливо для дітей, які вивчають нову мову”, – сказав він Unite AI.

Потім він звернувся до викладачів, які проводили заняття наживо через інтернет, почав записувати сесії і помітив щось, чого він не очікував. “Вчителі буквально читали зі своїх екранів”, – сказав він, і багато з них не були сертифікованими педагогами; кожна сесія коштувала 15-20 доларів.

Маючи досвід роботи зі штучним інтелектом, Крюков зрозумів ситуацію досить просто: “Було зрозуміло мені, що, ймовірно, 80% цієї роботи можна було б зробити за допомогою віртуального персонажа зі штучним інтелектом, який розмовляє, та технології розпізнавання мовлення. Це також зробило б такі послуги доступними значно більшій кількості людей, оскільки це було дуже дорого”,

“Ідея полягала в тому, щоб надати місяць навчання за ціну одного заняття з репетитором”, – додав він. Ця ідея стала Buddy.ai.

Близько 10,8 мільйонів маленьких дітей – 32% усіх дітей у США молодше дев’яти років – є двомовними дітьми (DLLs), у яких принаймні один із батьків удома розмовляє не англійською, згідно з даними Інституту міграційної політики. З 2000 року ця група зросла на 24%, і зараз DLLs складають понад 20% населення молодшого дитячого віку у 24 штатах і Вашингтоні.

Ймовірно, саме ці сім’ї найчастіше шукатимуть те, що пропонують платформи на кшталт Buddy.ai, і водночас мають найменші шанси на постійний доступ до якісних програм дошкільної освіти. Серед дітей DLL 43% живуть у низькодоходних домогосподарствах порівняно з 33% дітей, які не належать до DLL.

Отже, комерційна логіка зрозуміла. Найбільш складне питання полягає в тому, чи технологія справді працює – і тут підхід Buddy.ai суттєво відрізняється від більшості конкурентів.

Створений спеціально, а не перероблений

Відмінність, яку Крюков проводить між створенням систем для дітей та адаптацією для них, архітектурна, а не косметична. “Створення штучного інтелекту з нуля для дітей означає, що ми обмежуємо і перебудовуємо кожний шар стеку навколо голосів дітей, поведінки, нормативних вимог і тривалості зосередження уваги – замість того, щоб намагатися створити ‘дитячий режим’ для дорослого чат-бота”.

Основна проблема акустична. “Стек дорослих моделей штучного інтелекту припускає дорослу текстову і мовну інформацію: довгі граматичні речення, стабільну вимову і тихі середовища. Шестирічна дитина дає вам протилежне: фрагментарні вислови, неправильну вимову, крики, сильні акценти і фоновий шум”.

Система розпізнавання мовлення Buddy.ai була навчена і продовжує перенавчатися на десятках тисяч годин справжнього мовлення дітей різного віку та з різними акцентами, записаного в шумних домашніх умовах. Стартап стверджує, що зараз вона перевершує систему розпізнавання мовлення Google загального призначення на дитячих голосах, що має більше переконливості, ніж може здатися на перший погляд: спеціальна підготовка на цільовій популяції постійно перевершує підготовку на даних дорослих.

Розмовний шар також створений спеціально. Кожна сесія працює всередині того, що Крюков описує як “керувальний шар” – систему, яка враховує навчальну програму та має план сесії, визначені теми і відстеження цілей. Мовна модель працює як один компонент всередині цієї структури, а не як сам продукт.

Якщо дитина відхиляється від курсу, система перенаправляє; розмова не відхиляється без обмежень до будь-чого, що може створити універсальна мовна модель. “Є план сесії, дозволені теми, відстеження цілей і код, який керує, перенаправляє або закінчує розмову, коли це потрібно – так, щоб шестирічна дитина ніколи не потрапляла безконтрольно в необмежений інтернет-чат”.

Конфіденційність також розглядається як архітектурне обмеження, а не тільки політика – але це також непомітно стало конкурентною перевагою. Через те, що правило захисту конфіденційності дітей (COPPA) забороняє збір даних голосу дітей без згоди батьків, найбільша публічно доступна база даних голосів дітей складає лише кілька сотень годин.

Buddy.ai накопичив десятки тисяч годин справжнього мовлення дітей різного віку та з різними акцентами, записаного в шумних домашніх умовах. Більшість конкурентів пішли легшим шляхом адаптації дорослих моделей штучного інтелекту для дітей, а не побудови з нуля, але цей короткий шлях тепер став слабкістю.

У випадку з Buddy.ai усі обчислення ШІ виконуються на власній інфраструктурі платформи, голос дитини обробляється в реальному часі і видаляється, перш ніж батьки навіть подумають про це, і жодні розмови не передаються через комерційні API штучного інтелекту, згідно з Крюковим.

“Ми чітко пояснюємо батькам, що ми збираємо, чому і як вони можуть видалити це – прозорість так само важлива, як і сама технологія”, – підкреслив Крюков.

Від часу запуску ChitChat, свого останнього великого оновлення на ринку США, яке вводить більш просунуту вільну розмову, компанія повідомляє, що американські учні завершили у 7,7 раза більше завдань за той самий період, ніж у попередньому році.

У світі середня кількість вправ, виконаних за місяць, зросла у 3,5 раза за рік.

Крюков відкритий щодо обмежень тих цифр. “Розробка дослідницьких робіт, які могли б кількісно виміряти навчання учнів, – це щось, чого ми сподіваємося досягти в найближчому майбутньому”, – сказав він. Наразі ж доказова база спирається на зворотній зв’язок користувачів, дані про взаємодію з продуктом і визнання галузевих нагород.

Використання, яке ніхто не планував

Можливо, найбільш показовим моментом у історії Buddy.ai є той, який прибув без запрошення: без жодної цільової реклами батьки дітей з аутизмом і затримкою мовленнєвого розвитку почали з’являтися в даних опитування як одні з найбільш активних користувачів платформи.

“Ми були спочатку досить здивовані. Це точно підкреслило, що були інші способи, у яких Buddy міг би допомагати учням у всьому світі за доступною ціною”, – згадав Крюков.

Для засновника це не було просто цікавою аномалією – це вказувало на прогалину, яку продукт не був розроблений для заповнення, але, як виявилося, міг. Компанія відповіла на це, створивши спеціальний курс прикладного аналізу поведінки (ABA).

Прогалина велика і добре задокументована. Звіт ринку 2025 року виявив, що поширеність аутизму в США становить 1 з 31 дитини сьогодні, у порівнянні з 1 з 150 у 2000 році – на тлі постійного дефіциту сертифікованих терапевтів. Для сімей без достатнього страхового покриття річна вартість терапії ABA може досягати 250 000 доларів.

Дослідження Національних інститутів охорони здоров’я (NIH) про те, чому сім’ї не отримують терапію ABA, виявили, що бар’єри були досить практичними: найбільш часто цитованими причинами були тривалий час очікування (34%), відсутність провайдерів ABA в їхньому районі (10%) і відсутність страхового покриття терапії (10%). Дані опитування також показали, що понад половина всіх округів США не мають сертифікованих поведінкових аналітиків.

Чи AI-персонаж може бути значимою інтервенцією на клінічному рівні, залишається відкритим питанням – але як стабільний і недорогий інструмент для вправ, доступний за потреби дітям у довгих чергах, його цінність легше обґрунтувати.

“Робота над цим ще триває, але ми дуже горді тим, куди рухається ця ініціатива”, – сказав Крюков.

Ширше питання

Ширший ринок освітніх технологій зараз повний компаній, які роблять подібні заяви: спеціально створений ШІ, надійна архітектура та продукти, які справді допомагають навчатися. Насправді, глобальний ринок штучного інтелекту в освіті оцінюється у 32,27 мільярдів доларів США до 2030 року, і кожна велика компанія має стратегію для дітей.

Що відрізняє позицію Buddy.ai, це не самі заяви, а хронологія. Крюков почав працювати над розпізнаванням дитячого мовлення ще до того, як поточна хвиля інвестицій зробила це модним, і до того, як великі мовні моделі дали змогу за один післяобідній сеанс роботи створити переконливого на слух викладача мови.

Технічна інфраструктура – акустичні моделі, треновані на голосах дітей, архітектура, яка враховує навчальну програму, власна система аватарів – відображає майже десятиліття послідовних удосконалень розв’язання конкретної проблеми, а не швидкий поворот до модного ринку.

“За два роки Buddy зможе надати тим, хто вивчає англійську, вправи, потрібні для просування від перших англійських слів до вільного володіння. Ми не поспішаємо, тому що ми ставимо на перше місце безпеку і конфіденційність”, – пояснив Крюков.

В основі всього цього лежить філософія дизайну, яка суперечить багатьом усталеним підходам до продуктів зі штучним інтелектом. “Шестирічні діти повертаються не заради штучного інтелекту. Вони повертаються заради персонажа і світу, частиною якого себе відчувають”.

Це складніше, ніж створити чат-бота з дружнім іменем. І зараз це найсильніша сторона Buddy.ai.