大语言模型与廉价AI设备的全球普及，正为教育资源匮乏地区带来革命性变化。例如，大型语言模型能够通过智能手机应用程序快速回答问题或解释复杂概念，这使得一些人将它们称为 “口袋里的导师”。
这种能力与另一种现象不谋而合：人工智能在全球范围内广泛普及且成本低廉。这两项技术相结合，有望彻底改变全球教育模式，为偏远及教育资源匮乏地区的学生提供个性化的学习体验，并以前所未有的方式让他们接触到优质的教育资源。
IEEE会员Saptarshi Ghosh表示：“长期以来，教育资源匮乏的偏远地区的教育一直受到资源稀缺的困扰，比如合格教师短缺、获取高质量学习材料的途径有限，或是缺乏个性化教学。尽管互联网带来了一些机遇，但在满足学生的个性化需求方面仍存在不足。而人工智能能够改变这一现状。”
人工智能填补长期存在的差距的潜力
由人工智能驱动的学习系统已经问世。融入了生成式人工智能的语言应用程序如今能够提供模拟现实生活的交互式对话练习（https://spectrum.ieee.org/how-ai-can-personalize-education）。
然而，将这种能力推广到教育资源匮乏的学校仍处于起步阶段。为应对这一挑战而开展的试点项目已展现出了潜力。
《IEEE教育会刊》中详细介绍的一个项目表明，一个由人工智能驱动的辅导工具的准确率约为88%。另一项实验发现，学生们常常能够发现大型语言模型在辅导数学时所犯的错误。不过，研究人员注意到，那些本身就知道如何正确解决问题的学生在识别这些错误方面表现得更为出色。这使得他们敦促人们谨慎对待过度依赖生成式人工智能作为教学工具的做法。
不仅仅是事实的传递
生成式人工智能和大型语言模型可以充当 “口袋里的导师” 这一观点存在一些缺陷。其中一个主要缺陷是：教育不仅仅是事实的传递。一个通过使用生成式人工智能掌握了新数学技巧的学生，并不能真正学会如何在现实世界中应用该技巧。
IEEE研究生会员Siyuan Sun表示：“教育包含三个关键维度：价值观塑造、能力培养和知识传递。虽然人工智能可以显著提高知识传授过程中的公平性，但在培养价值观和能力方面存在不足，而这些对于全面教育来说更为关键。”
在新冠疫情爆发前，许多专家曾希望广泛的互联网连接和在线学习的普及能够帮助学生跟上学习进度。然而，在世界上许多地方，人们认为缺乏面对面的学习是导致考试成绩下降的原因。一个问题是，对人工智能的依赖是否会重现类似的情况（https://www.brookings.edu/articles/5-years-after-covid-19-hit-test-data-converge-on-math-gains-stalled-reading-recovery/）。
IEEE会员Gabriel Gomes de Oliveira表示：“这是一个巨大的挑战。如果将其与教育领域的生成式人工智能相比较，会发现一些相似之处，但也存在关键差异。相似之处在于过度依赖技术以及批判性思维能力下降；而差异在于，人工智能是一种补充，而非替代品，并且它能在与教师的配合下实现个性化学习。”
深度解析：IEEE标准协会的一份新报告指出，教授如何合乎道德地使用人工智能，不能仅仅局限于技术指导，还必须纳入哲学、法律、社会科学和教育等领域的见解：https://standards.ieee.org/wp-content/uploads/2023/07/ead-benefits-multidisciplinary-lens.pdf。
