本场会议探讨了人工智能（AI）工具和数字创新如何通过提升跨文化交流、保护传统以及推动社会变革来改变教育。随着全球化的加速，不同的文化互动需要整合技术进步与传统教育实践的新方法。
我们将深入探讨人工智能在教育中的演变角色，既强调其变革潜力，也关注其对传统教学法的影响。聚焦于生成式人工智能的整合，我们将探索这项技术如何从高中到更广泛的教育系统中重塑教学、学习和教育政策。具体项目包括：
“用于教育的AI工具和数字创新：连接传统与转型”突破性教育研究项目编号10-044-P-0001：“基于技术的自治教学模型在文理中学班级中的应用以形成教育政策（e-Savivaldis）”P-EDU-23-5 和 “全日制学校的包容性教育”P-EDU-23-3，由立陶宛研究委员会与Mykolas Romeris大学合作开展。
“通过将STEM教育融入人文学科课程实现人文学科的跨学科方法”，STEM技能应用于人文学科，ERASMUS+ K220项目，编号2023-1-IT02-KA220-HED-000164647。
我们还将审视开放科学运动和大数据分析如何加速研究合作，但获取数字研究工具的差异仍然存在。加强全球研究网络并确保开放获取的科学资源对未来创新至关重要。我们还将讨论，尽管数字平台增加了获取多样化文化内容的机会，但少数主要语言的语言主导地位继续使少数民族语言和本地内容边缘化。支持多语言数字环境、内容本地化和人工智能驱动的翻译技术的政策对于在数字时代保护文化多样性至关重要。以下项目反映了这些发展：
“用于开放知识、创新企业和社交价值的知识图谱”CA23147 - 全球大规模、跨领域和多语言开放知识图谱网络（GOBLIN）。
“调和语言多样性与语言技术的快速进步”CA21167 - 语言技术的普遍性、多样性和特殊性（UniDive）。
获取可靠、特定情境的知识不仅是教育问题，也是全球健康的人权要务。生成式人工智能打破传统障碍：它可以个性化医疗培训、翻译服务不足的语言，并迅速跨越国界提供基于证据的协议。然而，如果没有强大的开放获取框架，它可能会扩大数字健康鸿沟——使资源丰富的系统比那些已经处于边缘地位的系统更具优势。
这就是Open Health Network发挥作用的地方——拥有开源GenAI管道、多语言知识图谱和为诊所、农村医院和政策实验室前线使用而构建的实时数据合成工具。他们不只是在编写模型——他们正在设计提升全球公平性的系统。
关键的是，我们需要挑战“更多数据 = 更公平”的概念。相反，让我们要求知识正义：将包容性构建到每一个GenAI层中——从模型训练到语言支持。
给会场的关键提问：
自给自足、社区驱动的GenAI课程能否帮助资源匮乏的国家跃入下一代医疗保健？
投资于像Open Health Network的社区主导的GenAI堆栈这样的开放基础设施是否会真正解锁访问权限，还是仅仅复制结构性不平等？
我们是否准备好让GenAI系统在两个方面负责：跨文化流利度和公共卫生成果？
发言人介绍略。
人工智能驱动的工具正在改变教育者与学生的互动方式，创造个性化和包容性的学习体验。通过利用机器学习、自然语言处理和适应性学习平台，这些技术有助于弥合文化和语言差距，使来自不同社区的教育更具可访问性。此外，诸如虚拟现实（VR）和增强现实（AR）等数字创新提供了沉浸式学习环境，加深了文化理解和参与。
确保信息公平获取的主要挑战之一是语言障碍的持续存在以及少数几种主要语言在数字内容中的主导地位。虽然开放获取倡议已有所扩展，但许多人口仍在努力寻找以其母语呈现的相关和本地化内容。这种数字空间中的语言多样性缺乏限制了ICT在教育、治理和公民参与方面的潜力。
错误信息和虚假信息也已成为自由流通可靠信息的重要障碍。数字平台和社交媒体的兴起使得虚假信息更容易迅速传播，破坏对机构的信任并加剧社会分裂。在没有适当的监管框架和媒体素养倡议的情况下，获取信息可能成为操纵而非赋权的工具。
我们必须强调的不仅是获取，还有数字信息的质量、准确性和包容性。加强开放获取政策、支持多语言数字内容和发展AI驱动的内容验证机制将是应对这些挑战的关键。
本次会议将探讨人工智能如何在确保文化价值仍是教育不可或缺部分的同时，提升传统教学方法。案例研究将说明AI驱动平台如何被用于支持多语言教育、促进跨文化协作并应对诸如移民、气候变化和社会不平等等紧迫的全球挑战。
数字学习平台和开放教育资源已扩大了教育获取范围，但基础设施、负担能力和数字素养方面的差异阻碍了普遍采用。未来的工作必须强调数字教学法培训、改善农村地区的连通性以及AI驱动的个性化学习。
(全文结束)
