文｜沈筱
編輯｜王與桐
在生成式AI技術浪潮下，教育普惠到底是噱頭，還是未來可期？
利用AI技術降低使用者擷取高品質、個性化教育的門檻是AI+教育賽道企業的共同願景。而GPT-4在法律知識、數學推理等方面的出色表現，也的确展示了生成式AI技術變革教育領域的潛力。
教育，顯然也是OpenAI選中的落地大語言模型的理想場景之一。除了通過OpenAI Startup Fund投資英語學習平台「Speak」。「多鄰國」就是OpenAI官網公布的首批GPT-4用例中唯二的教育科技公司。
放眼國内，近期，猿輔導、作業幫，以及網易有道、科大訊飛等也陸續宣布了有關生成式AI技術在教育領域應用的新進展。除了研發教育行業垂直模型，AI口語老師、AI學習機，多款新産品應接不暇。
然而，這僅僅是個開端。
在實作教育普惠這一願景的道路上，究竟如何将新技術用在具體場景中，解決何種問題，都還沒有完美答案。同時，如何在新技術商業化和教育普惠願景之間達成微妙平衡，或許也是賽道企業需要思考的問題。
一方面，新技術應用涉及前期研發投入；另一方面，現階段調用外部大型語言模型仍不便宜。正如多鄰國聯合創始人兼CEO Luis von Ahn在2023年Q1财報電話會中所言，基于GPT-4開發的新功能目前隻能保留在最高付費層，要普惠更多使用者，一方面可能尚需等待模型調用成本顯著下降；另一方面，針對免費層應該做什麼事情，還需要持續探索。
那麼，作為推出GPT-4首批用例的教育科技公司，多鄰國是如何利用生成式AI技術的？和此前AI技術應用實踐相比，有何不同？以及如何看待新技術在其實作“為全世界提供平等且優質的教育機會”願景過程中的作用？
帶着上述問題，36氪與多鄰國人工智能負責人Klinton Bicknell、軟體工程師主管Bill Peterson，以及亞太地區市場總監向海納進行了深入交流。
多鄰國成立于2012年，從教育科技行業獨角獸到登陸納斯達克，多鄰國已經在AI語言學習賽道營運11年。
據介紹，從2021年開始，多鄰國就與OpenAI達成合作。目前，公司已經将GPT-3應用于多鄰國英語測試（Duolingo English Test，DET）業務，并基于GPT-4開發了Explain My Answer和Roleplay兩個語言學習新功能，推出了新的付費層「Duolingo Max」。此外，OpenAI模型還被多鄰國用于生成課程内容、教學材料，以及為部分課程中的使用者寫作提供回報。
目前，多鄰國尚未公布有關Duolingo Max的具體資料表現，但Luis von Ahn此前表示，公司看好其增長情況。
總結來看，利用生成式AI技術，多鄰國距離提供千人千面的個性化語言學習服務又進了一步。過去，多鄰國基于自研AI模型實作課程定制化的邏輯主要是供需比對。也就是，為每個使用者推送适合其語言水準的課程内容，并根據使用者目前學習狀況，如對特定學習内容的熟悉程度，自動建立相應練習，并在特定時間予以展示。
這樣的定制化是基于規則的，并不具備真實語言運用場景中的靈活性和延展性。而按照向海納的說法，随着與OpenAI的合作，多鄰國正在使學習過程中的互動體驗也變得定制化。例如，基于GPT-4開發的Roleplay功能可以為使用者提供專屬的情景對話體驗。
同時，有了LLM，多鄰國更廣泛地采用了“human-in-the-loop”的開發方式，AI模型在課程内容生成等更多環節中替換了人力。這縮短了課程研發，以及DET測試題目開發的周期，為教學專家騰出了聚焦創新的時間和精力。在此基礎上，公司也獲得了研發跨學科、跨語種課程内容的機會。據介紹，多鄰國或将于今年下半年推出高階英文學習課程。
而“human-in-the-loop”在一定程度上也解決了LLM目前存在的幻覺等問題。Bill Peterson認為，利用LLM開發産品原型并不難，難點在于如何確定應用LLM開發的産品符合多鄰國對準确性和内容品質的要求。是以，除了專家團隊的參與，在專業性問題上，例如Explain My Answer功能，多鄰國自研的AI模型也發揮了不可或缺的作用。
同時，多鄰國曾在多個公開場合表示，生成式AI技術使得他們距離“為全世界提供平等且優質的教育機會”更進一步。談及在新技術應用帶來新增研發和營運成本的情況下，如何惠及更多使用者，Klinton Bicknell告訴36氪，公司正在探索如何讓免費使用者也能體驗新技術的方法。Bill Peterson則表示，課程創作速度、品質的提升，意味着免費使用者也正在從多鄰國與OpenAI的合作中受益。
亞太地區市場總監向海納，從0到1搭建了中國和東南亞市場營銷團隊，是多鄰國增長團隊的負責人之一；人工智能負責人Klinton Bicknell長期從事人工智能和認知科學的交叉領域研究，加入多鄰國前曾任西北大學助理教授；軟體工程師主管Bill Peterson兼任Duolingo Max産品工程主管，曾多次主導多鄰國盈利項目的産品研發、技術設施搭建以及人工智能團隊的工作。
以下是此次訪談的交流實錄，經36氪編輯：
01 未對OpenAI模型微調，人機協同+自有AI模型確定輸出品質
36氪：是什麼促成了Duolingo和OpenAI的緊密合作？
向海納：GPT3、GPT4出來時，我們看到了他們的Demo，内部團隊是非常震撼的。當時覺得這麼前沿的技術，一定要盡快看看能不能利用起來，一起做一些嘗試，尤其是過去多鄰國想做，但受限于技術而沒能做的事情。
從OpenAI的角度，據我了解，他們會在每個行業裡選擇最Top的合作夥伴。多鄰國在全球的語言教育領域還是比較有知名度的。
36氪：能否簡單介紹Duolingo和OpenAI合作的情況？
Bill Peterson: 多鄰國是OpenAI長期合作的夥伴。GPT-4是一個出色的工具，能夠生成精妙的回答。但是，GPT-4本身并不具備打造高品質的語言課程所需要的專業知識。在這方面，多鄰國的教學專家團隊起着關鍵作用。此前，多鄰國的海量資料和落地場景，也在幫助OpenAI優化GPT-4的表現。
對多鄰國而言，GPT-4加持下，Duolingo Max幫助多鄰國提供更高品質的教學内容，AIGC也讓多鄰國的學習體驗變得更加有效、有趣；通過使用GPT-3，多鄰國英語測試（DET）生成測試題目的速度也顯著提升，確定考試權威、公平、安全。
36氪：為什麼標明上線Explain My Answer和Roleplay這兩個新的功能？在研發之初是如何構思的？
Bill Peterson: 基于多年的使用者研究和洞察，我們了解到語言學習者的兩個主要需求，一是使用者希望了解他們正在學習的語言背後的規則是什麼；二是使用者普遍希望在真實場景中，練習他們的語言技能。
依托先進的對話形式與語言模型，ChatGPT能夠很好地滿足這兩大需求。再結合多鄰國在語言教學的積澱，以及海量課程積累的資料，這兩個新功能是我們面向全球使用者，打造更好的個性化學習體驗的第一步。
36氪：将OpenAI模型用于DET或其他業務中又是如何考慮的？
Klinton Bicknell：我們一直緻力于利用機器學習，以及OpenAI模型将專家團隊從地創新性和重複工作中解放出來。比如，過去DET考試内容主要由專家團隊編寫，十分耗費時間、精力。目前，DET在測試的每個步驟都使用AI，包括：生成測試題目、確定考試難度自适應，以及確定測試的公正、安全。其中，GPT-3主要用于生成閱讀了解題目的文本段落，多鄰國自有的AI模型，則負責幫助監考員監測和識别潛在的作弊行為。
除了Duolingo Max和DET，我們還使用GPT來生成課程内容，産出大量教學材料，來更快速地開發課程。比如，利用GPT生成大量的教學句子，和多樣化的闖關題目。同時，我們還在APP的部分課程中對使用者們的寫作進行回報——在使用者使用“小故事”功能後，會被要求進行寫作練習，這時OpenAI模型就會提供回報建議。
36氪：在新産品/功能開發過程中，技術層面有哪些難點？Duolingo如何解決的？
Bill Peterson: 我們可以簡單分享GPT-4/LLMs應用方面的難點。多鄰國非常注重課程的正确性和品質，是以在将模型應用于更多語種時，我們會很謹慎。多鄰國借助教學專家的力量，來評估GPT-4在每種語言中的輸出品質。目前Duolingo Max主要應用在英語、西班牙語和法語内容，暫時還沒有納入更多語種。
36氪：提到正确性和品質，目前大模型仍存在幻覺。多鄰國具體如何解決這個問題？
Bill Peterson: 正如剛剛提到的，我們在産品很多環節，采用了“人機協同（human-in-the-loop）”的方式，邀請教學專家參與，確定學習内容準确、有吸引力。
例如，Roleplay功能的情景由多鄰國教學專家撰寫。他們編寫面向AI的提示（prompt），確定場景對話主題與使用者正在學習的内容息息相關，而且涉及相關的文法和詞彙。教學專家的任務包括編寫角色扮演子產品的标題、場景設定、對話的情景緣起、以及初始對話消息。
另外，教學專家也幫助調整Roleplay功能的稽核提示。我們有一個借助手動标注的資料訓練出來的模型。例如，我們使用幾千個手動标注的回答作為判斷基礎，評估新生成的對話内容是否恰當。
此外，在Explain My Answer功能中，教學專家們也會對AI生成的解釋進行調整和回報。
我們會定期檢查GPT-4輸出的回答，由課程設計師和其他專家為事實準确性、風格、話題相關性打分，由此調整提示和模型。
36氪：之前在其他訪談中，多鄰國提到利用GPT-4做出産品原型隻用了一天，但後續還花費了大量精力來確定原型出錯。多鄰國對OpenAI的模型有進行微調嗎？除了人工檢查，是否采取了其他方式來解決幻覺問題？
Bill Peterson: 我們目前并未對OpenAI的模型本身進行任何更新。但是，在應用過程中，我們會把它與多鄰國自建的AI工具相結合，以優化使用者體驗。在需要事實性語言要素的應用場景裡，例如在Explain My Answer功能中，多鄰國自有的AI模型，會占主導功能，負責提供專業的資訊，并将對話和互動要素配置設定給GPT-4等模型。
未來，如果可行，我們期待和OpenAI密切合作，建構多鄰國獨立的模型。這将幫助多鄰國更好地比對應用情景，并保持其專屬性，避免受到外在影響。
02 LLM加速研發，高階英文課程正在路上
36氪：剛剛提到多鄰國自有的AI模型，具體而言，在和OpenAI合作前，多鄰國是如何應用AI技術的？
Klinton Bicknell：從創立之初，我們就在許多領域使用AI。
一是優化我們向使用者發送的個性化學習提醒消息，鼓勵大家堅持學習；
二是在課程方面，比如用于糾正使用者的文法錯誤，以及為多鄰國的動畫人物角色生成個性化的TTS（文本轉語音）；
三是用于優化使用者學習體驗。預測使用者的語言掌握情況，判定接下來應該練習哪部分的文法、詞彙等。
多鄰國有一個很重要的AI模型「Birdbrain」。它能夠自動從專家編寫、稽核和翻譯的内容中自動抽取适合使用者的題目，確定使用者遇到的闖關題目難度适中，不會因為太簡單而枯燥乏味。
36氪：聽起來Birdbrain等自研模型承擔了之前課程定制化的任務。這樣的定制化和有了OpenAI模型之後有何不同？
向海納：過去的課程定制，每個人在APP上看到的學習内容可能是不一樣的。學習節奏、學習時間軸，以及推給使用者學習的課程内容，會比對他現在的語言學習階段。
剛剛提到的Birdbrain就是用來控制闖關題目正确率的，如果犯錯太多，說明内容推送太難，使用者很容易沒有學習動力，每次打開APP都很有心理壓力，這肯定不是我們想要的。另一方面，如果每次做全對，使用者也會覺得沒有挑戰，太輕松了，得不到提升。是以我們一般會把正确率控制在百分之七、八十左右。讓使用者覺得既比較有成就感，同時又能讓他在練習過程中，還有進步的空間。
随着和OpenAI的合作，我們發現除了學習内容，學習過程中的互動體驗也可以變得定制化，一個非常實際的例子是Roleplay。
36氪：除此之外，生成式AI技術是否為多鄰國帶來了其他方面的助益？
Klinton Bicknell：GPT-4幫助我們在更深入投資自有模型之前，就可以快速建構AI應用原型，驗證落地場景。
向海納：我們内部也在探索利用生成式AI技術優化其他工作流，比如加速動畫生成和制作。動畫和IP人物是讓多鄰國變得有趣的核心。
另外，在課程研發和規模化方面，我們可以在開發更多更高階學習課程方面有更大的發力。因為有了大模型，這部分内容的開發時間可以大幅縮短，人機結合的效率和效果會更好，可以在更短時間内實作規模化。同時，開發品質也會有提升，專家團隊能把精力放在創新上。當然如何更好地運用技術，我們現在也還處于探索的過程中。
高階課程是多鄰國目前的一個重要戰略方向，我們現在正在集中精力做英語這門課程的高階學習内容。在今年下半年會做正式官宣。
36氪：多鄰國希望在高階課程和現有的業務之間達成什麼聯系？
向海納：我相信是高階課程會對一些現有業務有反哺作用。比如和多鄰國英語測試（DET）之間，使用者重合度可能會越來越高。DET現在的增長也非常迅速，絕大部分的同學在考英文測試時，實際上也對英文學習有中高階的要求。是以在一定程度上，這部分學習内容的提供可能會反哺DET這樣的業務。
但需要澄清一點，我們開發的進階課程，并不是為應試而生的，也就是不會為了DET開發相應的課程内容。我們的目的是真正提升英文的實際使用能力。這兩個不同目的下，題型設計也是非常不同的。
36氪：多鄰國也說過可能會去探索一些除了語言學習之外的領域。在有了生成式AI技術的幫助後，是不是會加速公司拓展新的領域？
向海納：是的。首先多鄰國現在的确在探索除了語言學習之外的教學領域。我們已經開發了數學學習的App，當然除此之外，也在探索其他的一些學科。我們應該會在今年下半年做正式的釋出，現在就不過多劇透了。
36氪：GPT-4這類LLM和Duolingo原有的AI模型有沒有一定的替代性？
Klinton Bicknell：更多還是互補的。我們認為，出色的“教師”需要具備以下三個特質，深刻了解所教授的知識、讓學習者保持參與熱情、洞悉學習者的掌握情況。我們自研的AI系統就具備了這三個特質。但正如之前說到的，GPT-4本身并不具備這些特征，要為每個學習者量身定制更有互動性、個性化的體驗，我們需要把GPT-4這樣的大型語言模型，與多鄰國海量資料訓練出的自有模型相結合。
03 免費使用者間接受益
36氪：多鄰國一直強調遊戲化、有趣，走到高階的課程，對這部分内容有需求的使用者，他的付費心智或者需求痛點會不會不同？比如以前是為興趣而學，現在更重視課程品質、體系和技巧性的東西。多鄰國未來怎麼平衡遊戲化和功能性？
向海納：有趣和有效之間并不沖突。有效的學習不一定要以一種辛苦、沉悶的方式來實作。在多鄰國看來，這兩件事可以達到比較有效的平衡，或者可以做到兼得。
當然到了高階後，我們希望，也在探索沿用遊戲化、輕松的學習方式，讓學習内容具有互動性、趣味性。無論是多樣的答題方式還是小玩偶的IP、動畫的制作，我們都希望讓學習的體驗變得有趣，讓大家在答題過程中，通過互動或遊戲化的激勵方式，不斷得到适當回報。還可以通過排行榜的方式跟其他使用者PK。
36氪：多鄰國作為GPT-4的首批合作夥伴，能夠迅速應用新技術。但GPT4釋出時，OpenAI着重強調了模型在知識、助力教育方面的能力，今年年底據說也會釋出OpenAI學院平台，會不會擔心未來有正面競争？或者有沒有進一步的合作計劃？
向海納：OpenAI本身的政策和規劃，我們很難去評價。但可以看到，已經有越來越多的玩家入局。對我們來講，确實是要承認未來會有更競争化的環境。
但多鄰國也是有信心的，我們現在是全球最大的語言學習平台，除了具備長期機器學習和AI積澱，我們也擁有海量的使用者資料，以及教學方式上的沉澱、品牌IP。遊戲化的體驗也是非常核心的，差異化的一個方面。
生成式AI确實是一個新的趨勢，但多鄰國也希望在動态的變化裡保持一定的競争優勢。誰能更好地用上AI，誰就可能在這件事情上走得更快速，走在更前沿。是以我們也一直保持對新技術的敏銳度，不敢懈怠，也一直非常積極地尋求和OpenAI的合作，包括探索新的應用場景。
36氪：目前大模型實時調用的成本仍較高，它帶來的額外成本會不會轉嫁到消費者頭上？如何讓更多消費者也能享受個更性化的服務？
向海納：目前多鄰國内部是比較cost efficient的，無論是整個人效比還是ROI。我們現在全球員工有大概500多到600人的規模，但服務的是全球5億的使用者。我們很少會用大量的人工做低效的事情。在時間、精力、财力的投入上，公司比較高效和克制。
對Max這樣的産品，我很難 Promise未來的價格趨勢會怎麼樣，但是我認為AI技術一定可以讓教育變得更加普惠，讓更多人能夠更容易和平等地接受更高品質的教育。
Bill Peterson: 多鄰國絕大部分使用者是免費使用者，他們也将從多鄰國與OpenAI的合作中受益，因為我們的課程創作過程在不斷加速。AI如同任何創新工具一樣，如果應用合理，就能帶來便利、效率與生産力。
Klinton Bicknell：Duolingo Max目前還處于初期階段，目前在美國、英國、愛爾蘭、加拿大、澳洲和紐西蘭已經上線。我們正在努力将其擴充到更多國家，加強使用者互動，并不斷測試新功能，以打造更具吸引力的産品體驗。同時，我們也在探索能讓免費使用者們體驗生成式AI的途徑。
36氪：現階段采用LLM或生成式AI技術的公司，要達到盈虧平衡，甚至盈利的關鍵是什麼？
Klinton Bicknell：我們可以分享多鄰國的視角，未必能代表其他公司。生成式AI仍處于發展的早期階段。但是，如多鄰國的聯合創始人兼CEO Luis von Ahn在股東信中所說，新技術的發展速度令人驚歎，而且還有不斷提速的态勢。我們相信，那些學習速度最快、整合先進技術最快的公司将會脫穎而出。在多鄰國，我們一直在快速學習，不斷測試和疊代是我們業務的核心。
![Lingo運作結果内容解讀[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)