В конце весны 2026 года студенты Futures Lab при University of Waterloo выкатили пять прототипов, от которых у классических EdTech-гигантов может дернуться глаз. Никаких абстрактных концепций — только работающие демки, где AI реально учит говорить, двигаться и понимать жесты. И да, всё это сделали студенты, а не команды с миллионными бюджетами.
1. Разговорный тьютор, который не бесит
Первый прототип — LinguaFlow — построен на мультимодальной LLM, которая анализирует не только слова, но и интонацию, паузы, мимику. Студенты взяли за основу проблему, которую мы уже обсуждали в материале Duolingo против ChatGPT Voice: пользователи знают грамматику, но молчат в реальном диалоге. LinguaFlow симулирует живого собеседника, который подстраивает сложность и тут же исправляет произношение. На демо-сессии студент за 15 минут довел уровень разговора с A2 до B1 — спорно, но зрелищно.
2. ASL-тьютор: жесты, которые видит AI
Второй проект — SignEase — посвящен американскому жестовому языку. Используя камеру смартфона и нейросеть для скелетной разметки (MediaPipe + кастомный классификатор), прототип распознаёт 200+ жестов в реальном времени. Но фишка не в этом: AI не просто говорит «правильно/неправильно», а показывает на 3D-модели, куда повернуть кисть или как согнуть пальцы. Студенты признались, что вдохновлялись проектом ConlangCrafter — только вместо выдуманных языков они адаптировали подход к реальному ASL.
3. Фитнес-тьютор, который видит лень
Третий прототип — MoveCoach — злой гений для тех, кто «завтра начнет». Камера ноутбука следит за упражнениями: приседания, отжимания, планка. AI на базе мультимодальной модели (сборка из CLIP и YOLOv8) оценивает угол наклона, скорость, симметрию. Если вы кривите спину — прототип не просто пишет «держи спину прямо», а показывает на вашем же видео красную линию и говорит грубоватым голосом: «Твоя поясница сейчас заплачет». Студенты заявляют, что эффективность тренировок выросла на 40% за две недели тестов. Ссылаются на опыт AI-репетитора языка за выходные — только вместо языка здесь тело.
Кстати, MoveCoach использует локальную модель, дистиллированную до 3B параметров — точь-в-точь подход из статьи Kakugo: как выжать 120 миллиардов в 3 миллиарда. Студенты пожалели бюджет на облачные GPU.
4. Языковой тьютор для редких языков — без интернета
Четвертый проект — MotherTongue — работает с языками, которых нет в Google Translate. Студенты взяли несколько диалектов северных народов Канады и обучили малую LLM (1.5B параметров) на синтетических данных. Использовали технику из статьи Синтетические данные для LLM — сгенерировали 50 тысяч диалогов на основе словарей и грамматик. Модель работает на Android без GPU — вдохновлялись кейсом обучения LLM для языка луганда. Результат: тьютор объясняет грамматику, переводит фразы и даже рассказывает культурные шутки — всё офлайн.
5. Умный репетитор по коду — с анализом стиля
Пятый прототип — CodeSense — не просто проверяет решения задач, а анализирует стиль и предлагает рефакторинг. Студенты построили RAG-систему на базе квантованной LLM (аналогично туториалу по дистилляции и квантованию). В качестве базы знаний — документация лучших практик и открытые репозитории. CodeSense умеет объяснять, почему цикл лучше заменить на list comprehension, и показывает примеры из реальных проектов. Студенты утверждают, что после недели использования их код стал чище на 30%.
Пять прототипов — это не финальные продукты, а proof of concept. Но они четко показывают, куда дует ветер: следующий Duolingo родится не в корпорации, а в студенческой лаборатории, где вместо budget meeting — кофе и нейросети. И если вы всё еще ждете, пока EdTech-гиганты сделают идеального тьютора, возможно, стоит самому написать промпт — благо, примеров перед глазами уже достаточно. Три бота в Telegram тоже когда-то начинались с эксперимента.
