吴兆焕：多邻国，到底是不是最好的英语学习App？

一、一个验证码发明者的野心

2011年，匹兹堡。一个因为发明 CAPTCHA 和 reCAPTCHA 而在计算机科学界小有名气的年轻人，做了一件在当时看起来有点天真的事。

路易斯·冯·安（Luis von Ahn）此前的工作，是让全世界的人在证明“我不是机器人”的同时，顺手帮谷歌识别老书里模糊的文字，那是他博士阶段做的 reCAPTCHA，被验证码点击过的人，可能都不知道自己在帮一本古籍做数字化。他后来常说，自己想做的下一件事，是让教育也变得像互联网一样，谁都能免费获得。

这句话说起来容易，做起来是另一回事。当时市面上做语言学习的公司，比如 Rosetta Stone，一套课程卖到几百美元，是留学生和外派员工才舍得买的东西。冯·安和他的博士生塞维林·哈克（Severin Hacker）想出的解法，在今天看依然是个挺聪明的商业设计：学习者一边做练习，一边顺手把练习句子拼成对真实网页的翻译，企业为这些翻译付费，这笔钱反过来补贴了整个App的免费使用。这个内部代号叫 Immersion 的模式，支撑了多邻国早期相当长一段时间的运转，直到2016年，专业翻译的质量要求越来越高、机器翻译又迅速崛起，这套模式才被更精细的间隔重复算法和订阅制取代。

十多年后，多邻国长成了全球日活跃用户最多的语言学习应用，每天生成超过12亿次练习。它也变成一个奇怪的四不像：半个语言学教室，半个心理学实验室，半个电子游戏，半个AI公司。这篇文章想做的事情，是把这四层剥开来看，搞清楚它到底是靠什么在运转，独立研究怎么评价它，以及它现在正面对的那个绕不开的矛盾。

二、它到底是一款什么产品

如果只用一句话概括，多邻国不是把教材搬进了手机，而是第一次尝试把二语习得理论、认知心理学、行为科学和数据驱动的产品迭代，装进同一个每天都在自我优化的系统里。

很多讨论一提到多邻国，第一反应是“这是克拉申理论的产品化”。但如果去看它的核心算法论文，会发现二语习得研究只是它设计逻辑里的一层，而且未必是最重的那一层。

三、二语习得理论：最容易被认出的那层

多邻国的课程设计确实能看到二语习得研究的影子。克拉申（Stephen Krashen）在1982年《第二语言习得的原则与实践》（Principles and Practice in Second Language Acquisition）一书中系统提出的可理解输入假说（1985年他又出版专著对这一假说做了更详细的展开），认为人只有在接触到略高于自身水平、但仍能大致理解的语言材料时才会真正习得语言，这和多邻国持续判断用户水平、推送难度略高一档内容的做法，具有较高的一致性。这是多邻国课程设计中最容易被识别出来的二语习得理论之一，但称它为“最核心”的理论支点并不准确，因为没有公开资料能证明这条理论在整体设计权重里压过了后面几层。

梅里尔·斯温（Merrill Swain）1985年提出的输出假说，和迈克尔·朗（Michael Long）从1980年代初开始陆续提出、1996年做了最系统阐述的互动假说，则更多体现在多邻国相对晚近才补上的功能里，本文第六节会讲到的 Roleplay 和 Video Call，本质上是在回应“光有输入不够，语言习得需要被逼着说出来、需要在互动里获得反馈”这个理论主张。罗伯特·德凯泽（Robert DeKeyser）2015年的技能习得理论，则解释了多邻国大量的日常操练环节，也就是把“知道一个语法规则”逐渐磨成“不假思索就能用对”的过程。

四、认知心理学：真正的科学重心

这一层，很可能才是多邻国真正的科学重心，却是最常被外界忽略的一层。

支撑多邻国间隔复习机制的核心算法，叫半衰期回归（Half-Life Regression，简称HLR），2016年由公司研究员伯尔·塞特尔斯（Burr Settles）和布伦丹·米德尔（Brendan Meeder）发表。这个算法的理论源头，是赫尔曼·艾宾浩斯（Hermann Ebbinghaus）19世纪提出的遗忘曲线，但工程实现上做了彻底改造：不再用“一天后复习，三天后再复习”这种固定间隔的老办法，而是给每个词单独估算一个“记忆半衰期”，也就是这个词被遗忘一半概率的时间点，用1300万条真实学习记录训练出来的模型持续预测。

如果你也曾经觉得，多邻国怎么老是让你重新做同一个词，那其实正是艾宾浩斯150年前发现的人脑规律在起作用：遗忘不是瞬间发生的，而是有节奏的，踩准这个节奏去复习，记忆效率会高很多。

有一个细节值得单独拎出来说：塞特尔斯和米德尔那篇论文在做效果比较时，参照的基准模型之一，是菲利普·帕夫利克与约翰·安德森（Philip I. Pavlik & John R. Anderson）2008年基于 ACT-R 认知架构做的记忆模型。ACT-R 是安德森（John R. Anderson）从上世纪80年代开始搭建的认知心理学理论框架，专门用来模拟人类记忆和技能习得的底层机制，这是一条纯正的认知心理学脉络，跟克拉申、斯温完全是两个不同的学术体系。也就是说，多邻国工程团队在设计核心算法时，真正参照的学术资源，本来就主要来自认知心理学，而不是二语习得理论。

除了间隔重复，多邻国几乎每一道题都在践行提取练习（retrieval practice，也叫测试效应）。亨利·罗迪格三世和杰弗里·卡皮克（Henry L. Roediger III & Jeffrey D. Karpicke）2006年的研究证明，主动回忆比重新阅读更能促进长期记忆；克里斯托弗·罗兰（Christopher A. Rowland）2014年汇总159个效应量的元分析，测得提取练习相对于重复阅读的平均效应量 g=0.50，是认知心理学里少数几个被反复复现、效应稳定的现象之一。这条证据链，比可理解输入假说要扎实得多，输入假说至今仍面临“什么算可理解、什么算 i+1”这种难以证伪的批评，而提取练习和间隔效应的实验证据，大多来自设计严谨的随机对照实验。

即时反馈、错误驱动学习（做错题后立刻告诉你哪里错了、为什么错），以及通过限制每屏信息量来控制认知负荷，也都是学习科学里有几十年研究积累的机制，不是拍脑袋的产品设计。至于交错学习（interleaving，把不同类型的题目打散练习，制造罗伯特·巴亚克（Robert Bjork）所说的“合意难度”），多邻国的复习环节确实会混合新旧内容，但这是否达到学术意义上严格的交错学习，目前没有权威研究给出定论。

五、行为科学与数据驱动迭代

连胜、经验值、排行榜、联赛，这些游戏化机制，对应的其实是另一门学科，行为设计。它解决的不是“人能不能学会语言”，而是“人愿不愿意每天打开App”。目标梯度效应（越接近目标越有动力）、可变奖励（不确定的奖励比确定的奖励更让人上瘾）、习惯养成，这些机制背后是福格（BJ Fogg）一类的行为设计理论，跟前两层的教学法逻辑是两套完全不同的科学体系。这一层的价值和风险，是同一枚硬币的两面，它留住了用户，但它优化的目标和教学目标并不天然一致，第八节会展开这个矛盾。

多邻国上市后越来越依赖大规模 A/B 测试来打磨产品，每天数以亿计的练习记录，被用来实时调整题目难度、推送时机、乃至按钮颜色。传统教材几年修订一次，多邻国理论上可以每天迭代。这一层不是教学理论，而是让前三层理论能够被持续验证、持续调优的工程基础设施。

六、AI介入的三个阶段

第一阶段，是2016年的 HLR 算法，用经典机器学习方法决定“什么时候该复习哪个词”，解决的是记忆调度问题，不涉及内容生成。

第二阶段，是多邻国内部的自适应引擎，公司内部称为 Birdbrain。需要说明的是，公开资料对 Birdbrain 的具体架构说法并不完全一致，有的信源称它是“基于 Llama 架构的内部大模型”，也有信源把它描述为“整合了 HLR 预测、推送策略优化算法和 GPT-4 对话能力的个性化引擎”。更准确的说法可能是，Birdbrain 是一套整合了多种模型的个性化系统，而不完全等同于单一意义上的大语言模型，这里暂时没有足够权威的一手技术文档可以下更确定的结论。

2025年，多邻国把 Birdbrain 的应用范围，从判断复习时机，进一步扩展到了课程内容本身的生成。此前公司花了大约12年时间，才做出最初的一百门课程；这一次，公司在大约一年时间里新上线了148门AI生成课程，几乎把课程库翻了一倍。冯·安在发布公告里把这称为生成式AI能直接让学习者受益的一个例子。这次课程大扩容和第八节会提到的合同工裁员，发生在同一个月，某种意义上，这是同一场AI优先战略的两面：一面是课程供给的空前提速，一面是原本负责撰写、翻译课程内容的外包群体被系统性替换。

第三阶段，是2023年3月接入 OpenAI GPT-4 之后。多邻国推出订阅层 Duolingo Max，带来两个功能：Explain My Answer，让用户做错题后可以追问“为什么错了”，模型结合用户具体的答案给出针对性讲解；Roleplay，让用户在虚拟场景（比如咖啡馆点单）里和AI角色进行开放式对话。这一步在理论上补上了输出假说和互动假说过去一直缺失的那块拼图。2024年的年度大会 Duocon 上，多邻国进一步公布了 Video Call 功能，用户可以和一个叫莉莉（Lily）的AI角色进行实时语音对话，莉莉会根据学习者的水平调整语速和难度，这个功能2025年1月扩展到了安卓平台。多邻国的博客后来披露，Video Call 背后的系统在通话过程中会持续用大模型评估对话走向，判断学习者是否想主导话题、要不要调整节奏，这是多邻国目前最接近“真人对话”的产品形态。

这类实时对话功能背后，其实站着教育研究里一个绕不开的经典问题。教育心理学家本杰明·布鲁姆（Benjamin S. Bloom）1984年发表的论文提出过一个后来被称为“两西格玛问题”的发现：一对一辅导下的学生，平均成绩比传统课堂学生高出两个标准差，大约相当于从及格线一路提到优等生。布鲁姆当年给教育界出的难题是，能不能找到一种群体教学的方法，效果接近一对一辅导。生成式AI出现以后，不少教育科技从业者重新提起这个问题，觉得AI导师终于有可能把这个“不可能的任务”变得可行，Duolingo Max 某种程度上就是在这个方向上做的尝试。

这里也要留一个提醒：布鲁姆当年的研究样本很小，只分析了两名博士生的学位论文数据，这个“两西格玛”效应，40年来从未被独立重复验证过，2025年就有学者专门撰文提出过这个质疑。用它来说明AI导师的潜力方向是合理的类比，但不宜当成已经被证实的定律来引用。

七、独立研究怎么说

关于多邻国是否真的有效，独立研究其实不少，结论也比外界印象中更细致。

纽约市立大学皇后学院的鲁缅·维塞里诺夫与约翰·格雷戈（Roumen Vesselinov & John Grego）2012年和2016年的研究，以及夏威夷大学一项测量接受性与产出性技能的研究，报告的效应量（Cohen's d）在0.69到1.11之间，属于中等到中偏大的水平，这在教育干预研究里不算小。剑桥大学《二语习得研究》期刊上一项针对法语初学者的准实验研究，比较了纯课堂教学、纯多邻国自学、课堂加多邻国三组学习者，结果显示三组在一个学期结束后都有显著且幅度相近的进步，也就是说，单独使用多邻国取得的效果，至少在初级阶段的阅读和听力上，并不明显弱于传统课堂教学。CALICO 期刊2024年一项研究也引用肖恩·洛温等人（Shawn Loewen et al. 2020）的说法，建议二语习得研究领域不要再把语言学习App简单看作语法操练机器，要承认它们具备真实的教学潜力。

但几乎所有研究都在同一个地方打了折扣。语言能力其实分两半：一半是“看得懂、听得懂”（阅读和听力），另一半是“自己说得出来、写得出来”（口语和写作）。多邻国的独立研究，测出来的进步大多集中在前一半；后一半，也就是真刀真枪开口说话、动笔写东西的能力。夏威夷那项研究里有个有意思的细节：学习者自己反而觉得口语和发音是进步最大的地方，但这更可能反映的是他们对练习环节的主观满意度，而不是被客观测评证实的产出能力提升，这种自我感觉和外部测评之间的落差，本身就是值得警惕的信号。

另外一个方法论问题是，多邻国研究部门（Duolingo Research）本身发表了大量这类效果研究，存在既是运动员又是裁判的利益冲突，独立第三方的长期追踪研究相对稀缺，这是解读所有效果数据时都需要留意的前提。

八、弊端：拆开看的五条问题，合起来看的一个矛盾

多邻国被诟病最多的地方，拆开看是五个不同维度的问题，但合起来看，其实指向同一件事：为了让用户每天打开App、为了让课程覆盖更多语言、为了用更低的成本产出更多内容。“产品增长的目标”和“真正学会一门语言”这个教育目标，并不一致。下面把每一条单独说清楚。

第一，游戏化本身就是被批评的对象，不只是“矛盾”的副产品。
连胜、经验值、排行榜、可变奖励，这套机制是照着行为设计原理搭出来的，目的就是让人像玩老虎机一样离不开App。一名保持了842天连胜的用户在2025年写的反思文章里提到，连胜带来的更多是“不能中断”的焦虑，而不是语言能力本身的进步感。也有分析直接把连胜和推送通知描述为一种让人上瘾的设计，会带来实际的心理压力，而不只是“用力过猛的教学法”。

这不是一句轻描淡写的“有待改进”，而是产品设计里一个需要被正视的伦理问题：一个教育类App，是否应该用博彩类产品的心理学原理来维持用户留存。

第二，练习内容偏输入、轻输出，长期脱离真实交际。
早期版本几乎全是翻译题和选择题，训练的是“识别正确答案”，不是“在没有提示的情况下现场组织语言”。斯温的输出假说批评的正是这一点：仅靠“可理解输入”不够，学习者需要被逼着把话完整说出来才能真正巩固流利度。Roleplay 和 Video Call 是对这个短板的回应，但目前只对 Duolingo Max 付费订阅用户开放，覆盖的语言也有限，免费用户完全接触不到，也就是说，多邻国产品里的“输出练习”，恰恰是被商业模式挡在付费墙后面的那部分。

第三，“进步感”和真实能力之间存在落差，而多邻国的宣传语言在利用这种落差。
一篇深入报道多邻国的文章里，公司自己的员工也承认，口语流利这件事，是多邻国给不出的承诺。但多邻国的品牌叙事和大量营销内容，长期以来一直在暗示“每天几分钟就能学会一门语言”，这和内部对自身局限的认知之间，是有落差的。连胜、经验值、皇冠这些视觉化的进步指标，制造的“我在变强”的感觉，很容易被用户误读成语言能力本身在变强，第七节提到的“学习者自我感觉和客观测评结果脱节”的现象，根源就在这里。

第四，课程质量在不同语言之间并不均衡。
资源丰富的语言（英语、西班牙语、法语、日语等）课程设计成熟，题库和AI功能覆盖齐全；资源较少的语言课程内容相对简单、更新慢，这背后是商业逻辑（用户基数、付费转化率）在决定教育资源怎么分配，而不是纯粹的教学需要。

第五，“AI优先”战略把这个矛盾从产品设计层面，直接推到了公司治理层面。
2025年4月，联合创始人兼CEO冯·安在领英上公开了一封内部信，宣布公司将“逐步停止使用外包合同工来完成AI能够胜任的工作”，并表示公司愿意“在质量上偶尔做出小的牺牲”来换取速度。这不是一句空话，此前公司已经分两轮裁减了合同工，2023年底裁掉约一成外包翻译人员，2024年10月又裁掉部分外包撰稿人，两轮都用AI做了替代。内部信发出后，社交媒体上很快出现大量用户扬言卸载App的声音，反弹之激烈超出了公司的预期。冯·安随后在接受《纽约时报》采访时承认，这封信“没有给出足够的语境”，并澄清公司从未裁减过全职员工，也没有这个计划，受影响的只是合同工规模的浮动。

但这次澄清并没有真正化解争议的核心。即便全职岗位保住了，负责翻译、撰写课程内容的外包群体确实在被系统性替换，而这批人过去恰恰是保证课程语言地道、文化准确的重要环节。AI生成内容的语言学质量能否真正达到人工审校的水准，目前还缺乏独立的公开评估。有意思的是，这场风波爆发的时间点，和公司股价的走势几乎重合，多邻国股价在2025年5月14日触及历史最高点544.93美元，此后一路下跌，跌幅超过七成。这不必然是因果关系，但它提示我们，多邻国这一轮“AI优先”的决策，未必完全是教学理念的迭代，也可能包含了资本市场对增长速度的压力。产品目标和教育目标之间的这道缝隙，在这一刻被放到了台面上，成了一场公开的、有人物、有反转的公司危机。

九、多邻国真正的位置

把以上四层拆开、再合起来看，多邻国给出的答案，不是证明了某一种二语习得理论是对的，而是认真尝试，把几十年来分头发展的二语习得研究、认知心理学、行为科学和数据驱动的产品迭代，放进同一套持续自我优化的系统里，再叠上一层还在快速进化的生成式AI。

它在接受性技能的养成上，有中等强度的独立研究支持，效果不亚于传统课堂教学的同等阶段。但它长期以来的结构性短板，产出和真实互动，恰恰是斯温和朗最强调的那两个环节，GPT-4 和 Video Call 的加入是认真的补救，但覆盖有限，且需要额外付费。用德凯泽的技能习得理论来说，多邻国出色地完成了“陈述性知识转程序性技能”的第一段旅程，大量、高频、有反馈的操练，但语言学习真正困难的后半段，在没有提示、没有选项的真实场景里流利地说出来，多邻国目前只能算刚刚起步。

它不是一个能带你独自走到流利的终点，更像是语言学习生态里的一段基础设施：帮你建立习惯、积累基础、维持稳定的输入，为后面大量的阅读、真实交流和沉浸式使用，搭好起跑的台阶。

十多年前，一个刚刚证明了“人类点击验证码也能帮机器认字”的年轻人，说想让教育像互联网一样免费。十多年后，这个想法变成了每天12亿次练习、一场关于游戏化边界的公开争论，和一只还在学说话的AI猫头鹰。这场实验，显然还没有结束。

附录：多邻国发展时间线

附录：主要理论与代表学者对照表

附录：代表性效果研究

附录：AI功能演进时间线

参考资料 / References

• 一、二语习得理论 Stephen D. Krashen, Principles and Practice in Second Language Acquisition, Pergamon, 1982；The Input Hypothesis: Issues and Implications, Longman, 1985。Merrill Swain, “Communicative Competence: Some Roles of Comprehensible Input and Comprehensible Output in Its Development”, 1985。Michael H. Long, “The Role of the Linguistic Environment in Second Language Acquisition”, 1996。Robert DeKeyser, “Skill Acquisition Theory”, 2015。
• 二、认知心理学与记忆 Hermann Ebbinghaus, Über das Gedächtnis, 1885。John R. Anderson等，ACT-R认知架构相关研究；Philip I. Pavlik & John R. Anderson，基于ACT-R的记忆调度模型，2008。Henry L. Roediger III & Jeffrey D. Karpicke，“Test-Enhanced Learning”，Psychological Science，2006。Christopher A. Rowland，提取练习效应量元分析，Psychological Bulletin，2014。
• 三、多邻国算法与产品 Burr Settles & Brendan Meeder, “A Trainable Spaced Repetition Model for Language Learning”, ACL, 2016。Duolingo官方新闻稿与OpenAI官方博客关于Duolingo Max、GPT-4接入的说明，2023年3月。Duolingo官方博客“Get to know the AI behind every Video Call with Lily”，2025年。
• 四、效果研究 Roumen Vesselinov & John Grego，多邻国效果研究，皇后学院，2012、2016。剑桥大学《Studies in Second Language Acquisition》期刊法语学习对比研究。CALICO Journal，多邻国阅读听力效果研究，2024。
• 五、AI优先争议与公司动态 TechCrunch，“Is Duolingo the face of an AI jobs crisis?”，2025年5月。多家媒体对CEO冯·安接受《纽约时报》采访的报道，2025年8月。TradingView与MacroTrends公开股价历史数据。
• 六、一对一辅导与教育心理学 Benjamin S. Bloom, “The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring”, Educational Researcher, 1984。Paul T. von Hippel，对该效应重复验证情况的方法论质疑，Education Next，2025。Duolingo官方博客关于AI课程生成与148门新课程发布的说明，2025年4月。

← 返回首页