如何應用AI輔助學與教

文︱鄧飛

面對全球科技革命的迅猛發展，尤其是人工智能（AI）技術的顛覆突破，香港教育界承載著前所未有的歷史使命。加強“數字教育”，不僅是貫徹落實科教興國、人才強國的重要策略，也是促進學生全面發展、培育創科人才的堅實基礎。國家正站在建設“教育強國”的關鍵節點，加強“數字教育”，是香港教育未來發展的必由之路。

優先推動校本化AI教學，還是建立全港教育LLM？

教育局于過去兩年積極推動“數字教育”，尤其是2024年推出“智為學理”計劃和2025年的“智啟學教”計劃，分別向成功申請的學校發放10萬元和50萬元資助，以開展校本“數字教育”，這是值得肯定的。這兩個計劃是彼此關連的政策組合拳，漸進但急行，向學校提供額外資助和清晰指引，聚焦于教學實踐，讓師生在教與學過程里深度應用AI科技。

然而隨之而來的政策問題是：香港應優先推動校本化的AI教學模式，還是集中資源建立一個“適用全港的教育大語言模型（LLM）”？這并非單純的技術選擇，而是直接影響教師的工作負擔和實際教學效能。

校本AI教學模式，優點在于“貼地”。每所學校的學生組成、學習差異、課程節奏與教學文化，均不相同；若能夠以校本方式推行，甚至建立校本的AI模型，理論上可更精準回應校情需要，例如因應校本評估、校本課程或特定學生群體（如SEN (特殊教育需要) 或非華語學生）做調整。

校本方式的結構限制

不過，從實際操作層面看，校本方式存在結構性的限制。

首先，如果是使用坊間輔助不同學科教學的AI平臺，目前市面上可采購的AI輔助教學工具，大概有語言學習類和STEM（科學、技術、工程和數學）教育類，前者包括中英文寫作批改、AI生成練習等，后者多關于STEM教育方案。由于相關服務由個別公司提供，無可避免存在碎片化、“喂入”資料太少等局限，長遠不利于提升整體教育質量。這些雖然都有一定的教學效能，惟如果平臺本身不是LLM，用家（即學校老師）與平臺之間只是單純的互動，平臺并不具備深度學習而模型不斷自我提升的功能，其實跟未有AI技術之前的電子學習（e-learning）類似，AI對于教學的精準化、高效化的威力，則尚未完全發揮出來。

其次，倘若推動學校建立校本的AI輔助教學模型，那么又是成本很高但效用不見得高的做法。打造一個LLM的成本，固然不是一間學校甚至一個辦學團體可以負擔得了。同時，要這個校本模型能夠在深度學習“學得好”，往往依賴教師持續輸入、標注、修正與回饋。如果缺乏制度支援，教師不但未能減負，反而多了一重“喂養系統”的隱性工作。另外，這種校本模型會過度依賴單一學校的數據和教學實踐。本港學校大多只有幾百名師生，可作“喂養”的數據量是有限的，容易把局部經驗誤當成最佳做法。

相比之下，無論在備課、出題、批改、差異化教學建議等方面，LLM均具顯著潛力；于減輕教師工作負擔方面，其具備更明顯的結構優勢。首先是規模效應——集中開發和維護一個高質量模型，可避免學校各自為政，讓教師在備課、出題、教材改寫等高頻工作上即時受惠，而毋須參與技術層面的建設。其次是專業一致性：全港模型可系統性對齊課程指引、評估框架與本地語境，減少教師在不同平臺之間轉換與校對的時間，真正做到“一次學會，廣泛應用”。

建立LLM比校本模型更具效益

更重要的是，若設計得宜，教師只需“使用”，而非“訓練”模型，AI才能夠真正成為減負工具，而非另一個需要被管理的新系統。當然，全港模型亦非沒有風險：倘缺乏清晰治理，可能出現私隱疑慮、教學過度標準化等問題。不過，這些風險屬于制度設計問題，而非模式本身的原罪。

若政策目標是提升整體教學效能，并實質減輕教師工作負擔，則建立LLM明顯比校本模型更具效益。惟前提是，這樣的模型必須遵守3個原則：一是教師使用不等于資料自動回收訓練；二是學生數據必須“去識別化”，并受嚴格規管；三是AI的建議永遠屬輔助性質，不能取代專業判斷。如果香港希望更高效、更少負擔地以科技支援教育專業，與其分散資源，不如集中力量，建立一個為教師教學減負增效的LLM，推動建設智慧教育大平臺。