Speak персонализирует изучение языков с помощью ИИ22.04.2025 10:00

В нашей серии материалов «Исполнительная функция» мы публикуем мнения лидеров, которые осуществляют трансформацию с помощью ИИ.

Speak⁠ — это приложение для изучения языков, которое помогает пользователям овладеть языком в совершенстве с помощью самого продвинутого в мире ИИ-репетитора. Мы побеседовали с генеральным директором Speak Коннором Цвиком о том, как ИИ меняет процесс изучения языков, о прорывах, позволяющих создавать более естественных ИИ-репетиторов, а также о проблемах масштабирования ИИ-стартапа в стремительно развивающейся технологической среде.

Думаю, если оглянуться назад на последние 10 с лишним лет, на ум приходит множество разных моментов — событий, которые действительно произвели на меня впечатление и изменили мое представление об ИИ.

Очевидно, в 2012 году появилась статья об AlexNet, и даже само по себе распознавание изображений с помощью этих глубоких нейросетей было чем-то поистине потрясающим. Затем появился AlphaGo — еще один важный рубеж. Но для меня лично знакомство с ИИ было самым непосредственным в 2015 году. Мы с моим соучредителем вели собственные независимые исследования в области ИИ, пытаясь узнать как можно больше: читали все научные статьи, внедряли разработки на практике. В качестве побочного проекта мы собрали большой массив данных с YouTube.

Мы загрузили все данные в модель, не особо представляя, чего ожидать. После первого же обучающего запуска мы вернулись через несколько часов и провели тестирование. Мы создали модель, которая превосходила передовые на тот момент аналоги в определении акцента — классификации того, с каким акцентом говорит человек.

«Мы поняли, что глубокое обучение будет невероятно мощным инструментом. Если у вас просто есть достаточно данных, оно способно творить удивительные вещи и во многих случаях полностью превосходить передовые достижения…»

Для нас задача заключалась в том, чтобы органично интегрировать глубокое обучение в процесс изучения языка. Первые несколько лет существования Speak были сосредоточены на создании действительно качественных возможностей для разговорной практики. На самом деле это было очевидно, потому что до нас в приложениях для изучения языков практически не было разговорных компонентов. А если они и были, то в них отсутствовали модели, способные надежно понимать людей, говорящих с акцентом.

Модели распознавания речи были крайне неточными для речи с акцентом. Но поскольку мы смогли быстро разработать систему распознавания речи, которая работала лучше, чем любые крупные модели того времени, мы увидели возможность внедрить ее в базовый продукт и сразу получить нечто революционное.

ИИ развивается очень быстро — в таких условиях как вы подходите к эффективному планированию дорожной карты продукта на будущее?

Возможно, это не тот ответ, который все хотят услышать, но я убежден, что для того, чтобы быть лидером в сфере ИИ-продуктов, нужно обладать глубокой технической интуицией в отношении того, как работают технологии и модели. Без этого у вас не будет четкого понимания того, какие проблемы будут решены в следующем месяце или через год, а какие потребуют много времени для правильной реализации.

Если у вас есть такая интуиция, вы можете создавать решения на перспективу. Например, иногда мы создаем функции, которые сегодня кажутся слишком дорогими, зная, что через год издержки снизятся. Или мы проектируем продукт с учетом текущих слабостей моделей, понимая, что со временем они улучшатся.

Понимание разницы между точностью в 90%, 98%, 99% и 99,9% — и того, как это влияет на пользовательский опыт — имеет решающее значение. Разница между 90% и 99,9% — это совершенно другой уровень сложности, и способность предсказать, когда этот показатель пойдет вверх, крайне важна для принятия взвешенных продуктовых решений.

Какой самый недавний технический прорыв в области ИИ изменил ваше представление о том, что возможно для Speak?

Это просто — API реального времени от OpenAI и мультимодальность для работы со звуком. Для нашего сценария использования, когда мы создаем сверхчеловеческого ИИ-репетитора по разговорной речи, способного помочь учащимся достичь беглости, крайне важно глубокое понимание того, что именно учащийся пытается сказать, выходящее за рамки простой расшифровки его слов. Мгновенное понимание тона, произношения и намерения с последующим незамедлительным предоставлением открытой, естественной обратной связи, соответствующей тону учащегося, — это заветная цель ИИ-обучения.

Есть ли какие-то другие направления развития ИИ, которые могут казаться не связанными со Speak, но на самом деле вызывают у вас большой интерес?

Все говорят о рассуждениях (reasoning) как о следующем рубеже, и я согласен с этим. Для нас лучшие преподаватели-люди выделяются тем, что они могут составлять отличные планы обучения и учебные программы, глубоко анализировать прогресс студентов и соответствующим образом корректировать процесс. Наличие у ИИ возможностей для рассуждений агентного типа станет огромным прорывом в изучении языков. Это не самое очевидное достижение ИИ для нашей сферы, но оно окажет колоссальное влияние на то, чтобы сделать ИИ-репетиторов столь же эффективными, как лучшие преподаватели-люди.

Как, по вашему мнению, будет развиваться роль преподавателей языков в этом ландшафте, управляемом ИИ?

Миллиарды людей пытаются выучить английский и другие языки, но квалифицированных преподавателей-людей не хватает для удовлетворения этого спроса. Большинству людей приходится полагаться на книги или онлайн-видео, которые не заменяют живого общения. В конце концов, люди изучают языки, чтобы общаться с другими людьми, а не с ИИ. Даже когда ИИ достигнет сверхчеловеческого уровня, потребность в практике с реальными людьми останется всегда.

«Речь идет не о замене преподавателей-людей. Речь идет о том, чтобы сделать обучение языкам лучше и доступнее для каждого человека по всему миру».

Самое главное — это подобрать правильных людей. Важнейшим культурным фундаментом для нас является любознательность. Нам нужны люди, которые мотивированы изнутри и стремятся исследовать то, как ИИ может масштабировать их влияние.

У ChatGPT есть проблема «чистого холста»: люди не осознают, как они могут его использовать, пока случайно не придумают какое-то применение. ИИ невероятно универсален, и мы поощряем нашу команду постоянно задаваться вопросом: «Могу ли я использовать ИИ для этого?» — и тестировать его возможности.

Какие тренды в области ИИ окажут наибольшее влияние на изучение языков в ближайшее время?

Все может совершенствоваться, но на данный момент речь идет о том, чтобы выжать максимум из имеющегося — создать лучший из возможных продуктов, используя то, что доступно уже сегодня. В эффективном применении ИИ по-прежнему остаются огромные технические сложности, и мы называем это нашим «каркасом из машинного обучения» (ML scaffolding) — технологией, которая лежит в основе всего пользовательского опыта.

Мы занимаемся этим уже некоторое время, поэтому у нас есть фора, но впереди еще долгий путь. Даже если развитие ИИ остановится сегодня, у нас впереди годы увлекательной работы.

«Эти модели особенно хороши в работе с языком, взаимодействии с людьми и использовании языка во благо. Во многих других отраслях, возможно, еще предстоит совершить какие-то прорывы, прежде чем проявится по-настоящему трансформирующий эффект, но я на самом деле считаю, что у нас уже есть все необходимое».

Speak использует модели OpenAI для обеспечения работы своей учебной программы по языкам в различных модальностях, таких как аудио и текст, предоставляя интерактивные разговорные упражнения, персонализированных репетиторов и многое другое.