Іван Крюков, CEO та співзасновник Buddy AI – Серія інтерв’ю

Іван Крюков є CEO та співзасновником Buddy AI, першого в світі розмовного AI-тренера для дітей, який має на меті забезпечити можливість кожному студенту отримувати індивідуальні англійські уроки. Після переїзду до США з Сибіру Іван став свідком того, як його дочка, яка відвідувала дошкільний заклад, мала труднощі з вивченням англійської мови. Це спонукало його створити Бадді, вигаданого персонажа, з яким діти можуть розмовляти завдяки генеративному штучному інтелекту.

Від часу свого запуску в 2020 році додаток Бадді виграв кілька нагород і очолив чарти категорії «Діти та освіта» в App Store, маючи понад 36 мільйонів завантажень по всьому світу.

У 2014 році ви запустили Cubic.ai, один з перших розумних динаміків і голосових помічників для розумних будинків. Які були деякі з ваших ключових висновків з цього досвіду?

Я не впевнений, що можу взяти на себе відповідальність за запуск Cubic.ai. Я приєднався до компанії через рік після її заснування і отримав звання співзасновника за свій внесок.

Ось ключові висновки:

• Апаратура складна, але хтось повинен це робити в будь-якому випадку. Забезпечення风险ового фінансування для стартапів апаратури дуже складне. Єдине, що робить речі трохи легше, – це краудфандинг.
• Простір голосових продуктів величезний і різноманітний. Те, що застосовується до розумних будинків, не застосовується до раннього навчання, від технологій до дизайну UX.

Чи можете ви поділитися історією походження Бадді та тим, як він виник після переїзду вашої сім’ї до США з Сибіру?

З Cubic.ai я переїхав з Сибіру до США у 2014 році і привіз свою сім’ю зі мною. Моя старша дочка Софія почала вивчати англійську мову як другу в дитячому саду в Монтен-В’ю, Каліфорнія, у віці 4 років. Софія мала труднощі з початком розмови англійською протягом перших 3-5 місяців у дитячому саду. Нас турбувало те, що вона не могла знайти друзів і гратися з більшістю своїх однолітків через мовний бар’єр. Ми почали шукати способи допомогти їй вивчити мову.

Стало зрозуміло, що мовні додатки для дітей не вчать говорити (і все залишається таким же з часом), а мовні додатки для дорослих, такі як Duolingo, не працюють для дітей через UX. Тому ми почали брати уроки на платформах, які підключають дітей до живих учителів через відеоконференції. Прикладами є Cambly, VipKid, Novakid, GoStudent тощо. Коли я спостерігав за Софією, яка вивчала з живими учителями онлайн, я побачив переваги індивідуальної уваги та активної розмовної практики, але також побачив недоліки цих програм загалом.

Наприклад, коли вони розширюються, багато онлайн-платформ для навчання та шкіл повинні наймати людей без педагогічної освіти, навичок викладання дітям або навіть належчого рівня англійської мови. Тому, щоб забезпечити певний рівень освіти, онлайн-платформи та школи суворо скріпляють навчальний план і плани уроків, а вчителям доводиться використовувати попередньо підготовлені вправи, включаючи аудіо- та відеофрагменти. Нажаль, на багатьох платформах вчителі працюють як боти.

Все ж таки, онлайн-навчання було єдиним способом для більшості людей вивчити англійську мову, особливо в країнах, де англійська не є рідною. Але частково через нестачу учителів це надто дорого для більшості сімей. Навчання з живими учителями – це преміум-освіта, яку можуть собі дозволити не всі сім’ї.

Мій співзасновник і я дійшли висновку, що AI-навчання – це єдиний масштабний спосіб забезпечити індивідуальне англійське мовлення для кожної дитини у світі. Незабаром ми дізналися, що це також найкраще з освітньої точки зору. Коли ми розглядали перші прототипи Бадді, ми надихнулися дослідженнями в галузі віртуальних людей у освіті.

Академічні дослідження показують освітні переваги та переваги анімованих педагогічних агентів над традиційними навчальними інструментами та середовищами. Наприклад, дивіться Face-to-Face Interaction with Pedagogical Agents, Twenty Years Later, статтю 2016 року, яка оглядає галузь і цитує багато відповідного матеріалу. Ось одна цитата:

«Зокрема, мета-аналіз показав, що агенти покращують навчання порівняно з навчальними середовищами, які не мають агентів. […] Можливо, найцікавіше було те, що в формальній освіті педагогічні агенти здаються більш ефективними для молодших учнів, ніж для старших. […] Дослідження показали, наприклад, що студенти, які взаємодіють з педагогічними агентами, демонструють сильніші результати навчання, коли 1) педагогічні агенти розмовляють, а не спілкуються текстом, 2) педагогічні агенти використовують людські жести, 3) педагогічні агенти спілкуються розмовно, а не формально, і 4) педагогічні агенти використовують ввічливі, а не прямі вирази.»

Це посилило нашу впевненість у підході багатомодального AI-навчання. Ми вирішили, що Бадді буде багатомодальним AI-тренером – анімованим педагогічним агентом, який може розпізнавати голос і обробляти природню мову. У своєму ядрі система AI-навчання складається з трьох основних технологій:

1. Автоматичне розпізнавання мови (ASR) і аналіз дозволяють нам обробляти і аналізувати мовлення студента.
2. Обробка природньої мови (NLP), природна мова розуміння і діалогове управління, яке обробляє вміст мовлення студента і генерує наступну відповідь. Відповідь складається з вербальних і невербальних компонентів.
3. Анімований віртуальний персонаж забезпечує слухові відгуки і відтворює відповідь системи. Персонаж анімований процедурно – система створює анімацію на льоту з відповіді NLP.

Всі три компоненти є важливими для нашого підходу, оскільки тільки в поєднанні вони дозволяють нам створити цікавого і взаємодіючого тренера і забезпечити успішний освітній досвід.

Моя дочка Софія і син мого співзасновника Арсеній стали першими користувачами Бадді. Софія використовувала перші версії Бадді через 1-й клас.

Через кілька років моя молодша дочка Аліса почала використовувати Бадді у віці 3 років, коли пішла до дитячого саду. Тепер вона навчається в переходному класі і грає з Бадді майже кожен день. Коли Аліса почала вивчати з Бадді, у неї були певні проблеми з мовленням, тому Бадді не розумів її більшість часу. Але після кількох тижнів практики не тільки її англійська, а й мовлення покращилися, оскільки вона намагалася зробити все можливе, щоб Бадді її зрозумів.

Чому традиційні методи навчання другій мові так неефективні?

Сьогодні ми зосереджені на вирішенні конкретних освітніх проблем, пов’язаних з мовленням. Ви не можете вивчити мову без практики мовлення:

• Більшість традиційних освітніх інструментів зосереджені на викладанні інших мовних навичок, таких як читання чи письмо.
• Мовні додатки для дітей не вчать мовлення.
• Деякі мовні додатки для дорослих сьогодні забезпечують практику мовлення за допомогою AI, але ці послуги не працюють для дітей через UX, проблеми безпеки та нормативні акти.
• Живі вчителі надто дорого для більшості сімей. Нажаль, багато вчителів не мають педагогічної освіти чи не володіють англійською мовою.

Бадді – це багатомодальний AI-тренер.

• Він кращий за традиційні навчальні додатки, оскільки працює як живий учитель у багатьох аспектах. Дозвольте мені процитувати одного з наших радників, доктора Олександра Десатника, PhD, Університетський коледж Лондона:

“Голосовий віртуальний тренер. Ця концепція може здатися простою, але за нею стоїть наука. З точки зору психології навчання, віртуальний розмовний персонаж є втіленням вчителя. Цей підхід створює ефект, який називається епістемічною довірою, посилюючи мотивацію та залученість студента, і покращуючи результати навчання.”

• Бадді має певні переваги навіть над людськими вчителями. Бадді не судить, і для деяких дітей це робить його легшим для початку розмови з Бадді, ніж з учителем. Тому сьогодні багато вчителів використовують Бадді як розігрів, який допомагає дітям подолати їхній страх і незручність і почати говорити мовою.

Бадді працює, щоб допомогти вчителям, а не замінити їх.

Я вважаю, що це дуже важливо. Бадді може допомогти вчителям автоматизувати рутинну частину їхньої роботи – забезпечувати регулярну практику. Ми хочемо дати вчителям силу. Бадді – це як команда вчителів і асистентів, які працюють індивідуально з кожною дитиною в класі і звітують класному вчителеві.

Чи можете ви розповісти, як Бадді використовує елементи гейміфікації, щоб збудити дітей до навчання?

Цікавий факт: мобільний додаток Бадді було завантажено 22 мільйони разів у 2023 році, і понад 70% цих завантажень були зроблені дітьми. Для дітей наш додаток – це гра, у яку вони грають з Бадді, їхнім розмовним віртуальним другом і популярним ютубером. Діти завантажують додаток і переконують батьків платити за підписку, пояснюючи, що Бадді – це учитель.

Щоб зробити цей підхід успішним, ми проектуємо Бадді як гру з історією і всесвітом. Ми працюємо з голлівудськими дизайнерами персонажів і письменниками, щоб створити Бадді і його історію. У нас є дуже сильна команда дизайнерів ігор, яка працює безпосередньо з нашими педагогами і перетворює навчальний план і вправи на міні-ігри у світі Бадді.

Які інші основні функції роблять Бадді таким потужним у викладанні другої мови?

Наша основна функціональність зосереджена на Бадді як багатомодальному AI-тренері:

• Розпізнавання мови
• Розмовний AI
• Візуальна поведінка аватара

Які машини навчання алгоритми використовуються в Бадді?

Ми розробляємо весь стек технологій, які працюють разом, щоб забезпечити наш підхід багатомодального AI-навчання.

• BSR (Розпізнавання мови Бадді) – це пропрієтарний двигун розпізнавання мови, розроблений спеціально для роботи з акцентованим мовленням дітей і відповідності нормативним актам, таким як COPPA.
• BLM (Модель мови Бадді) – це двигун розмовного AI для дітей. Безпечний, швидкий і вільний для роботи. Він зосереджений на конкретній освітній функціональності і значно менш універсальний, ніж великі моделі мови.
• BABE (Двигун поведінки аватара Бадді). Ця технологія генерує візуальну поведінку нашого персонажа на основі контексту розмови. Бадді розуміє, коли йому потрібно посміятися, змінити колір або надіти глупу шапку.

Багато систем розпізнавання голосу мають труднощі з акцентами, особливо для молодих дітей, як Бадді подолає ці виклики?

Розробивши BSR, нашу пропрієтарну технологію розпізнавання мови.

Наша унікальна аудиторія і ринок вимагали розробки пропрієтарної технології. Бадді повинен розпізнавати високоакцентоване мовлення молодих учнів англійської мови як іноземної. Іншим складним фактором є те, що початкові учні починають з вивчення окремих, часто коротких слів, які дуже важко розпізнати без контексту. Крім того, ринок дітей високо регульований, і розпізнавання голосу підпадає під дію Закону про захист конфіденційності дітей в Інтернеті (COPPA), оскільки голосові записи вважаються особисто ідентифікованою інформацією (PII).

BSR обробляє мовлення дітей з різними акцентами, створене на різних мобільних пристроях з мікрофонами різної акустичної якості і в реальних середовищах з різними видами фонового шуму. І він відповідає вимогам COPPA за конструкцією.

Працюючи глобально, ми змогли накопичити унікальний набір даних для навчання нашої моделі. Сьогодні BSR перевершує комерційні рішення, доступні на ринку, у розпізнаванні і розумінні акцентованого мовлення дітей.

Як ви плануєте розширити проникнення на ринок, щоб націлитися на батьків, які можуть бути незнайомі з технологією AI?

Бадді почав бачити успіх до того, як AI став брендом, і більшість наших користувачів не є типовими ранніми приймачами технологій. Ми успішно вирішуємо важливу освітню проблему, і просто так сталося, що ми використовуємо AI для цього.

Все ж таки, одна з викликів, з якими ми стикаємося, полягає в тому, щоб зробити батьків серйозно ставитися до навчання з Бадді, як і з живим учителем – не пропускати уроки, дотримуватися графіку тощо. Поточна революція AI, здається, допомагає цьому.

Я б сказав, що наступним великим кроком для нас буде початок тісної роботи з вчителями і школами. Ми проводимо пілотний проект партнерства зі школою в Бразилії і обговорюємо партнерства з десятком інших освітніх закладів.

Яка ваша бачення майбутнього AI-тренерів і освіти в цілому?

AI-тренери – це найкращий і єдиний масштабний спосіб вирішити головну освітню проблему людства – глобальну нестачу учителів. Нам потрібно близько 69 мільйонів нових учителів, щоб задовольнити лише базові потреби в навчанні. Для предметів, які вимагають індивідуального навчання, таких як вивчення мови, проблема ще гірша.

Революція AI прискорила розвиток AI-тренерів, хоча в основному в сегменті дорослих за допомогою рішень, доступних на ринку, тоді як раннє навчання залишається значно недоповненим. Ми пишаємося тим, що ми піонери AI-навчання для молодих дітей.

Щодо нашого майбутнього, Бадді почався як тренер з вивчення мови, але в довгостроковій перспективі він стане платформою AI-навчання, яка викладатиме широкий спектр предметів дітям до 12 років. Ми вже почали впроваджувати ранню версію нашого першого некурсу мови – Шкільної підготовчої програми для дітей США. Ми бачимо Бадді як помічника дитини в навчанні, який росте разом з дитиною з 3 до 4 років і викладає кілька курсів протягом багатьох років.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, рекомендуємо відвідати Buddy AI.