Sparkli 籌集 500 萬美元種子輪資金，打造為兒童設計的 AI 原生學習引擎

Sparkli 籌集了 500 萬美元的種子輪資金，旨在為 5 至 12 歲的兒童開發一種新型的學習平台。由前 Google Area 120、YouTube 和 Search 工程師創立的這家初創公司，從隱私模式中誕生，具有超越數字化教科書或自動化工作表的雄心。Sparkli 正在圍繞一個更大的問題定位自己：人工智慧如何幫助兒童通過實踐而不是消費來學習。

籌集的資金將用於擴大 Sparkli 的多模式學習引擎，並為 2026 年初計劃的私人測試做準備。該公司已經在一個大型私立學校集團中試用其平台，為其提供了一個真實的環境來測試 AI驅動的學習在課堂上的行為，而不是僅僅是演示。

從被動屏幕時間到主動探索

今天的大部分教育屏幕時間要麼是被動的——視頻、遊戲或短形式內容——要麼是嚴格的，具有預先定義的課程，留給好奇心的空間很小。Sparkli 嘗試佔據一個不同的空間。與其要求兒童按照線性的材料工作，該平台允許他們從一個問題開始，然後圍繞它建立一個互動的「學習探險」。

例如，如果一個兒童想在火星上設計一座城市，Sparkli 不會用段落的文字作出回應。它生成了一個多步驟的體驗，結合了視覺、語音、模擬和決策。兒童可以實驗想法、測試約束、辯論權衡和反思結果。目標是將好奇心轉化為結構化的探索，而不是將其壓平為答案。

這種方法反映了教育技術領域正在發生的更廣泛的轉變，人工智慧越來越被用來適應學習者，而不是強迫學習者適應固定的內容。

關於 AI 和學習的研究結果

過去幾年，教育領域中的人工智慧研究表明，當系統被深思熟慮地使用時，會帶來幾個一致的好處。個性化學習是最常被提到的之一。人工智慧系統可以根據學習者的反饋調整難度、節奏和呈現方式，幫助保持參與度和減少沮喪。這對兒童尤其相關，因為即使在同一個年齡段內，兒童的發展階段和興趣也會有很大的差異。

還有證據表明，互動和探索式學習——特別是涉及模擬和問題解決的學習——可以比死記硬背的方法帶來更強的概念理解。當學習者被要求做出決定、解釋推理或辯護結果時，他們往往能夠更長時間地保留知識，並發展可轉移的技能。

與此同時，教育工作者和研究人員強調，人工智慧最好作為增強工具。最成功的實施支持老師、家長和課程，而不是取代它們。將人工智慧視為創造性合作伙伴，而不是答案機器的平台，往往更符合這些發現。

解決兒童使用 AI 的風險

使用人工智慧與年幼用戶合作存在真正的風險。開放式人工智慧系統可能會讓兒童感到不知所措，出現不適合的內容，或者鼓勵過度依賴自動答案。隱私、數據使用和情感依戀也是兒童技術中的活躍話題。

Sparkli 的設計似乎是由這些風險所塑造的。與其將兒童暴露在一般用途的聊天機器人中，該平台將交互作用限制在指導、適合年齡的環境中。學習體驗是結構化的，目標是明確的，進度是為了鼓勵反思和代理，而不是立即滿足。

這種防禦性方法反映了教育界日益增長的共識：問題不在於人工智慧是否屬於學習，而在於它應該如何狹義和負責任地被應用——尤其是在形成性年齡。

課堂試點的早期信號

在早期試點中，Sparkli 已經在結構化的課堂環境和更開放的會話中進行了測試。老師觀察到學生在模擬小型企業或基礎設施項目等模擬中進行預算、可持續性和設計選擇的辯論。在較不結構化的「自由探索」期間，兒童自發地啟動了自己的學習路徑，在遊戲設計、宇宙學和環境規劃等主題之間進行切換。

參與早期測試的家長注意到孩子在學習後的表達方式發生了變化，孩子經常渴望解釋想法或提出解決方案，而不是簡單地描述他們所看的內容。

雖然這些信號是傳聞的，但它們符合教育研究關於主動學習的內容：當兒童感到自己對過程有所有權時，動機往往會增加。

兒童學習中 AI 的長期願景

Sparkli 的長期目標是超越探索，為兒童提供直接在平台內原型設計想法的工具。隨著時間的推移，系統會為每個兒童建立一個興趣和知識圖，允許學習體驗在興趣成熟時適應。

更廣泛的含義是向能夠與學習者一起成長的人工智慧系統轉變——記住哪些東西幾年前吸引了他們的注意力，並幫助他們將這些興趣發展成技能。如果成功，這種模式可能會影響教育平台如何思考連續性、個性化和人工智慧作為長期學習伴侶的角色。

500 萬美元的種子輪資金為 Sparkli 提供了測試這種願景是否可以在大規模上實現的跑道。隨著人工智慧越來越深入地融入教育，像這樣的實驗將有助於定義這種技術是否會加深好奇心——或者只是以新的方式數字化舊習慣。