每一次好奇，都变成一次有趣的学习。
很多孩子第一次认识月亮为什么会有圆有缺，可能是在课本里看到一张示意图，或者跟着动画理解月球和地球的位置变化。
Marble换了一种方式。
孩子可以直接进入一个三维太阳系，拖动时间，看月球绕着地球移动，地球继续围绕太阳运行，屏幕里的天空也跟着发生变化。
位置还可以切换到不同地区，同一个时间点看到的星空也会因此不同。孩子并不需要先读完一段解释，再去记住结论，他可以先动手改变时间和地点，然后根据眼前发生的变化继续追问。
这只是Marble最近公开的一组实验。另一组叫Water Lab，孩子可以改变水的温度，看液态水逐渐发生变化，也可以观察微观层面的分子运动。
还有一套制作系统，孩子先描述自己想做的东西，系统生成蓝图，接着需要自己挑选材料和工具，完成后得到一个可以留在世界里的三维物体。
这些看起来都不算陌生，在教育软件里早就有所谓的互动实验，游戏里也有制作系统，生成式AI则已经可以画图和写故事。
而Marble有意思的地方在于它想把这些能力接到同一个儿童世界里，让孩子沿着兴趣活动，学习任务再悄悄进入过程。
Marble把它定义为Generative Learning World，也就是生成式学习世界，主要面向6至12岁的孩子。
团队此前一直使用Pebble，最初做的是一个面向儿童的AI学习角色，孩子可以直接通过语音和它交流。随着早期原型逐渐扩展成一个可以探索的生成式学习世界。
家长先回答几个简单问题，包括孩子最近喜欢什么，以及大概掌握了哪些能力，孩子进入后可以围着画画和故事展开活动，也能在需要时处理作业，与角色交流，或者继续追着某个问题探索。
这很容易让人想到儿童版Roblox，或者加入AI角色的Minecraft，但Marble想要系统不仅要让孩子们觉得好玩，还需要知道该在什么时候出现一个合适的学习任务。
兴趣决定孩子愿意往哪里走，再由一套课程结构控制学习内容出现的位置。
对比现阶段的一些问答式AI教育，大模型擅长围绕当前问题给出解释，根据孩子的反馈调整回答，不过一次次问答很难自然形成一张完整的长期学习地图。
一个七岁孩子问分数，系统可以解释二分之一和四分之一，也可以临时出几道题，却很难仅凭一段聊天判断孩子为什么卡住，以及前面的哪些概念仍然不够稳定。
儿童学习又很少按照课本目录整齐推进。一个概念往往依赖前面多个基础能力，其中任何一个环节没掌握，后面的内容都会变得吃力。
Marble为此做了一件很费工夫的事情，团队整理美国和英国小学课程，把大量课程标准拆成细小的可学习单元，再给这些单元建立前置关系。
他们把这套数据公开到了GitHub，当前公开版本里有1590个微主题，共覆盖8个学科，其中科学、数学和英语占了很大一部分，也包括历史、计算机与生活技能等内容，同时记录了3221条前置依赖关系。
每个主题除了名称，还带有适合的大致年龄、掌握标准和评估提示。知识点之间的连接有强弱之分，并附有一段解释，说明为什么前一个能力会影响后一个能力。
课程图谱公开后很快就在一个多月内积累了超过4000个Star和700多个Fork。
家长首次进入时回答的问题，会给系统一个初始判断，孩子继续使用后，每一次活动又会提供新的信息。
系统不需要每天照着固定目录安排一节数学和一节英语，它更关心孩子已经掌握了哪些节点，哪些概念还有缺口，以及哪些新内容刚好处在可以继续尝试的位置。
游戏里的活动负责吸引孩子继续参与，课程图谱负责控制学习进度，系统还会持续更新孩子自己的掌握情况，让后面的活动与前面的学习结果保持联系。
孩子完成一段活动以后，Marble会给使用家长端的家长生成简短反馈，说明孩子当天关注了什么，并会提示家长可以怎样在现实生活里继续延伸这个兴趣。
如果孩子当天研究的是火山，系统可能会建议周末去自然历史博物馆，或者找一本相关的书继续聊。
团队并不想依靠连续签到或者频繁提醒让孩子一直留在应用里，创始人曾分享过一个例子，一个孩子在聊天时提到自己还有一幅钻石画没有完成，AI角色最后直接建议她离开Marble，先把现实里的作品做完。
Marble希望数字世界可以触发新的兴趣，孩子离开屏幕后依然愿意继续做点什么。这样一来，三维世界的意义也发生了变化。
这也是Marble选择生成式AI最有价值的一处，以往大多教育软件需要团队提前设计每一关，写好全部文案，再画出对应素材，随着内容越个性化，制作成本越高。
生成模型加入以后，角色对话、故事变化、部分视觉素材和互动任务可以跟着孩子的兴趣调整。
AI可以让一个主题长出更多玩法，知识图谱则让这些玩法和学习目标保持联系。
Marble现在还处在很早期的阶段，不过它背后的两位创始人并不是第一次做产品，该公司的联合创始人Lionel Mora此前在Google工作，参与过Google Assistant在欧洲、中东和非洲地区的早期推出。
离开Google后，他在2018年创办Neoplants，做的是利用生物工程改造植物，团队为第一代产品进行了约四年的研发，并且公开融资规模超过2500万美元。
另一位联合创始人Guillaume Boniface Chang同样在Google工作多年，其中一段时间负责Google Search相关产品，后来加入AI视频公司Synthesia。
他经历了公司增长至约1亿美元ARR的阶段，作为早期产品负责人，算是体验了一个新AI品类逐渐建立产品形态和商业模式的过程。
Marble的团队目前也不大，对于一个同时需要游戏、AI和课程设计的产品来说，这也是它最难的一部分。一个漂亮Demo可以由很少的人做出来，长期运营一个儿童世界需要更多细节能力。
团队选择儿童这个方向，也和当下大量AI产品形成了有意思的反差。
成年人已经习惯在空白输入框里写问题，然后等待模型生成结果。对于工六七岁的孩子来说，面对屏幕时，输入一段完整Prompt却未必是最自然的动作。
教孩子们如何分享河流
他们更容易通过说话、拖动、尝试和游戏理解一个东西，也会因为一只动物、一个角色或者一段故事突然对某个问题产生兴趣。
Marble没有把聊天框当成产品的中心，也没有把AI角色设计成孩子最亲密的朋友。这些角色不会主动对孩子表达爱意，也不会假装自己拥有和人类一样的感情。
角色的外形也会刻意保留虚构感，比如遇到的可能是一块会说话的石头，或者一个明显属于游戏世界的角色，团队希望它承担学习陪伴的作用，不希望孩子把AI当成现实关系的替代品。
此外，几个孩子在同一个产品里做的事情可能会完全不同，团队想观察的正是这种自由探索能否和课程进度稳定连接。
过去一段时间，许多团队都在研究怎样让AI更会回答问题，教育产品也很容易沿着这条思路继续增加更好的讲解、批改和更聪明的题目推荐。
Marble尝试改变的是孩子接触这些能力的入口。学习不必总以一道题或者一个问题开场，它也可以藏在一次制作、一次探索或者一段角色互动里。
游戏当然不会自动带来学习效果，教育游戏已经存在很多年，寓教于乐这个概念也已经被讨论了很久。
Marble的新变量来自生成式AI和可计算课程图谱同时成熟，前者让内容可以围着单个孩子变化，后者给变化设定学习顺序。
两者结合后，团队才有机会让一个世界持续记住孩子的能力位置，并在新的活动里继续推进。
他们正在尝试把课程结构变成游戏世界背后的导航系统，再让生成式AI根据每个孩子的兴趣改变沿途出现的活动。
老师、家长依然重要，课程也没有消失，只是AI开始承担更多连接工作，让孩子喜欢的事情和需要掌握的知识更容易碰到一起。
通过画出一张包含上千个知识点的课程地图，再让游戏世界围着每个孩子慢慢生长。
对于孩子来说，那些节点和连接最好永远不需要被看见。他们只需要继续探索下一个问题。
本文由作者@虾蛄AI，授权发布于平台，未经许可禁止转载。