根据英国教育大臣 Bridget Phillipson 的观点,在备课和批改作业中运用人工智能 (AI) 将为教师创造更多与学生互动的时间。
Phillipson 在 Bett Show 上表示,科技与教育的结合是一种"令人极为振奋的关系"。目前政府计划利用 AI 节省教师时间,确保学生获得最好的教育,并加强师生之间的联系。她说:"我将把握这个伟大的科技新时代来推动教育系统现代化,支持教师,为全国的孩子们提供优质教育。"
这些发展源于政府的改革计划——到 2028 年确保 75% 的五岁儿童在入学时达到良好的发展水平,以及其 AI 机遇行动计划——政府计划利用 AI 来"革新"公共服务。
科技一直是政府未来规划的重要组成部分。随着大量企业和个人已经在日常生活中使用生成式 AI 等技术,政府需要正确地将其应用于公共部门。
Phillipson 表示,三分之二使用生成式 AI 的教育工作者认为它产生了积极影响。虽然她承认技术应用既有挑战也有益处,但她指出适应和改变是必然的选择。她说:"即使是五年前的世界也已经永远消失了——已经成为一个过时的年代。"
政府已向 16 个开发商发放了 100 万英镑的资金,用于实施帮助教师批改作业和提供个性化学生反馈的技术。这些技术与教育部现有的 Oak National Academy 备课工具一起,将有助于减轻教师的工作负担。
她表示,目标是利用 AI"减少工作量或帮助解决我们面临的招聘和留任危机,使教学重新成为一个激发喜悦而不是让人筋疲力尽的职业"。
了解实施过程
为了帮助学校投资合适的技术,教育部任命了特许教学学院负责人开发 Edtech Evidence Board,评估哪些技术已经在学校发挥作用。最近推出的"为您的学校规划技术"服务旨在帮助学校了解应该购买什么技术以及如何实施。
对于有特殊教育需求的儿童,Phillipson 表示教育技术可以成为学习的"基础",并宣布在 2025 年,课堂辅助技术的使用培训将成为教师培训的必修课程。
她说:"领导者们告诉我们,有效使用这类技术不仅能对学术成绩产生巨大影响,还能提升孩子们在课堂团队中的自信心。"
在许多情况下,技术行业缺乏包容性文化阻碍了来自不同背景和代表性不足群体的人选择这些职业,根据收集的学生缺勤数据,学校也存在同样的问题。
中学现在可以通过"查看教育数据"工具访问学生缺勤数据,以帮助他们了解如何解决缺课问题。Phillipson 表示,一些孩子不上学是因为"归属感危机"。她希望更多的孩子能开始感受到他们"属于"学校,从而提高出勤率。
Phillipson 强调的现有和未来举措旨在为教师创造更多与学生相处的时间,并加强师生之间的"纽带"。
她说:"这可以追溯到人类最早的时期。此后教育领域的一切,所有为支持儿童而提供的一切,都源于教师与学生之间那种深厚而特殊的关系。"
Phillipson 说:"教师塑造价值观,建立归属感,这就是为什么教育技术如此令人兴奋和强大。因为它将帮助开创学习的新时代,并重振师生之间的纽带。"
但业界担心教师需要更多的帮助和教育才能有效使用这些工具——英国特许信息技术学会 (BCS) 引用了自己的研究,其中 19% 的教师对现在或将来使用 AI 没有兴趣。
BCS 教育与公共利益董事总经理 Julia Adamson 表示:"教师们看到了 AI 在改变他们的工作和学生生活方面的机会,从节省备课时间到为每个年轻人提供个性化学习。"
"但他们需要更好的培训和指导来增强对 AI 的信心,确保其使用公平,并减少教育系统中的不平等。"
好文章,需要你的鼓励
33年后,贝尔纳多·金特罗决定寻找改变他人生的那个人——创造马拉加病毒的匿名程序员。这个相对无害的病毒激发了金特罗对网络安全的热情,促使他创立了VirusTotal公司,该公司于2012年被谷歌收购。这次收购将谷歌的欧洲网络安全中心带到了马拉加,使这座西班牙城市转变为科技中心。通过深入研究病毒代码和媒体寻人,金特罗最终发现病毒创造者是已故的安东尼奥·恩里克·阿斯托尔加。
这项由多伦多大学领导的研究首次系统性地揭示了分词器选择对语言模型性能的重大影响。通过训练14个仅在分词器上有差异的相同模型,并使用包含5000个现实场景测试样本的基准测试,研究发现分词器的算法设计比词汇表大小更重要,字符级处理虽然效率较低但稳定性更强,而Unicode格式化是所有分词器的普遍弱点。这一发现将推动AI系统基础组件的优化发展。
人工智能安全公司Cyata发现LangChain核心库存在严重漏洞"LangGrinch",CVE编号为2025-68664,CVSS评分达9.3分。该漏洞可导致攻击者窃取敏感机密信息,甚至可能升级为远程代码执行。LangChain核心库下载量约8.47亿次,是AI智能体生态系统的基础组件。漏洞源于序列化和反序列化注入问题,可通过提示注入触发。目前补丁已发布,建议立即更新至1.2.5或0.3.81版本。
北京大学研究团队提出NExT-Vid方法,首次将自回归下一帧预测引入视频AI预训练。通过创新的上下文隔离设计和流匹配解码器,让机器像人类一样预测视频下一帧来学习理解视频内容。该方法在四个标准数据集上全面超越现有生成式预训练方法,为视频推荐、智能监控、医疗诊断等应用提供了新的技术基础。