如何应用AI辅助学与教

文︱邓飞

面对全球科技革命的迅猛发展，尤其是人工智能（AI）技术的颠覆突破，香港教育界承载着前所未有的历史使命。加强“数字教育”，不仅是贯彻落实科教兴国、人才强国的重要策略，也是促进学生全面发展、培育创科人才的坚实基础。国家正站在建设“教育强国”的关键节点，加强“数字教育”，是香港教育未来发展的必由之路。

优先推动校本化AI教学，还是建立全港教育LLM？

教育局于过去两年积极推动“数字教育”，尤其是2024年推出“智为学理”计划和2025年的“智启学教”计划，分别向成功申请的学校发放10万元和50万元资助，以开展校本“数字教育”，这是值得肯定的。这两个计划是彼此关连的政策组合拳，渐进但急行，向学校提供额外资助和清晰指引，聚焦于教学实践，让师生在教与学过程里深度应用AI科技。

然而随之而来的政策问题是：香港应优先推动校本化的AI教学模式，还是集中资源建立一个“适用全港的教育大语言模型（LLM）”？这并非单纯的技术选择，而是直接影响教师的工作负担和实际教学效能。

校本AI教学模式，优点在于“贴地”。每所学校的学生组成、学习差异、课程节奏与教学文化，均不相同；若能够以校本方式推行，甚至建立校本的AI模型，理论上可更精准回应校情需要，例如因应校本评估、校本课程或特定学生群体（如SEN (特殊教育需要) 或非华语学生）做调整。

校本方式的结构限制

不过，从实际操作层面看，校本方式存在结构性的限制。

首先，如果是使用坊间辅助不同学科教学的AI平台，目前市面上可采购的AI辅助教学工具，大概有语言学习类和STEM（科学、技术、工程和数学）教育类，前者包括中英文写作批改、AI生成练习等，后者多关于STEM教育方案。由于相关服务由个别公司提供，无可避免存在碎片化、“喂入”资料太少等局限，长远不利于提升整体教育质量。这些虽然都有一定的教学效能，惟如果平台本身不是LLM，用家（即学校老师）与平台之间只是单纯的互动，平台并不具备深度学习而模型不断自我提升的功能，其实跟未有AI技术之前的电子学习（e-learning）类似，AI对于教学的精准化、高效化的威力，则尚未完全发挥出来。

其次，倘若推动学校建立校本的AI辅助教学模型，那么又是成本很高但效用不见得高的做法。打造一个LLM的成本，固然不是一间学校甚至一个办学团体可以负担得了。同时，要这个校本模型能够在深度学习“学得好”，往往依赖教师持续输入、标注、修正与回馈。如果缺乏制度支援，教师不但未能减负，反而多了一重“喂养系统”的隐性工作。另外，这种校本模型会过度依赖单一学校的数据和教学实践。本港学校大多只有几百名师生，可作“喂养”的数据量是有限的，容易把局部经验误当成最佳做法。

相比之下，无论在备课、出题、批改、差异化教学建议等方面，LLM均具显著潜力；于减轻教师工作负担方面，其具备更明显的结构优势。首先是规模效应——集中开发和维护一个高质量模型，可避免学校各自为政，让教师在备课、出题、教材改写等高频工作上即时受惠，而毋须参与技术层面的建设。其次是专业一致性：全港模型可系统性对齐课程指引、评估框架与本地语境，减少教师在不同平台之间转换与校对的时间，真正做到“一次学会，广泛应用”。

建立LLM比校本模型更具效益

更重要的是，若设计得宜，教师只需“使用”，而非“训练”模型，AI才能够真正成为减负工具，而非另一个需要被管理的新系统。当然，全港模型亦非没有风险：倘缺乏清晰治理，可能出现私隐疑虑、教学过度标准化等问题。不过，这些风险属于制度设计问题，而非模式本身的原罪。

若政策目标是提升整体教学效能，并实质减轻教师工作负担，则建立LLM明显比校本模型更具效益。惟前提是，这样的模型必须遵守3个原则：一是教师使用不等于资料自动回收训练；二是学生数据必须“去识别化”，并受严格规管；三是AI的建议永远属辅助性质，不能取代专业判断。如果香港希望更高效、更少负担地以科技支援教育专业，与其分散资源，不如集中力量，建立一个为教师教学减负增效的LLM，推动建设智慧教育大平台。