多模態、推論型模型與具身智能：成熟度分級

學期初的課程規劃會上，資訊科技組把供應商簡報的三個關鍵詞投影出來：多模態、推理、具身智能。校長轉向英文科科主任：「這三樣，我們本學年要不要全部上？」科主任答得很具體：「口語回饋我們下週就能試；數學分步解說可以按需要開推理模式；機械人助教——我們連放哪個課室都未想好。」

展覽簡報喜歡把成熟度差距巨大的能力放在同一頁。這一課是 LLM 教室的收尾，接在 自動化評估與排行榜 之後，把三類趨勢分開，並給你採購與試點時可以一直用的判斷句。

---

三種成熟度的落差

多模態——看圖、聽聲、讀手寫——今天已在香港課室可用，不是演示片專屬。推論型模型——先內部推理再作答——已可購買，但應按任務啟用，因為更慢更貴。具身智能——把 AI 放進機械人與實體裝置——仍主要在研究與示範階段，不應成為採購理由。

把三者混在同一個「AI 轉型計劃」裡，常見後果是：該試的沒試（口語練習仍靠教師逐句糾音），該省的沒省（改通告也用最貴推理模式），該等的卻先付定金（為「未來機械人助教」預留預算）。

分辨趨勢最有用的問題不是「會不會發生」，而是「今天買不買得到、我校有沒有這個問題」。

多模態：已是課室工具

多模態指模型不只處理文字，還能接收語音、圖像與手寫輸入。以下場景在香港學校今天做得到：

語音

學生朗讀英文或普通話課文，系統轉成文字並給發音回饋；教師以語音輸入起草教案。粵語辨識在小學生朗讀、口齒不清、課室背景噪音下，已達到「可用但須教師覆核關鍵音」的水平——英文科常識科教師反映，中一級每週可省約二十分鐘逐句糾音時間，前提是學生知道系統會記錄練習次數供教師抽查。

圖像與手寫

教師拍下工作紙一頁，請 AI 生成同類型變式題；拍下白板筆記整理成講義大綱；掃描手寫答案轉文字再進入批改流程。限制要誠實講：複雜圖表、數學符號、潦草手寫仍會出錯，且錯時語氣同樣肯定。凡影響分數的環節，教師覆核不能省。

推論型模型：按任務啟用

推論型模型在作答前會產生一段內部推理，再給出結論——像學生由「舉手搶答」改成「先在草稿紙上計一次」。帶來三個具體變化：

多步驟題目明顯進步——數學文字題、邏輯推理、程式除錯的跳步錯誤減少。更慢、更貴——多想一會就是多用運算；對「幫我改順這句英文」純屬浪費。可調思考程度——現行模型多數容許由快答到深思的設定。

常見誤解：模型展示給你看的「思考過程」，不一定等於它真正的內部計算——它是有幫助的文字，通常與結論一致，但不應當成證明。教師仍要核對結論本身。實務原則：作文回饋、通告草稿、詞彙練習用快而便宜的；數學分步解說、複雜行政推算才升級推論型。 成本細節見 Context Caching 與成本控制。

具身智能：仍是示範階段

具身智能指把 AI 放進有身體的系統——機械人、機械臂——讓它感知環境、規劃動作、執行任務。現況：多家實驗室已示範依自然語言指令完成日常操作，但由實驗室到穩定、安全、可負擔的校園部署，中間距離很大，沒有人能誠實給出確切年數。

對學校今天的意義有兩項：作為 STEM 教學題材——教感知、規劃與控制，是紮實課程內容；作為資訊素養練習——讓學生比較「示範影片」與「可買到的產品」的分別。寫進三年採購計劃現階段不合理。

四條採購判斷句

一間中學資訊科技組回應供應商簡報時，沒有寫趨勢分析，而是逐項回答四條問題——這比任何技術預測都管用：

今天買得到、用得起嗎？ 不是「有沒有人展示過」，而是「有沒有學校在用、價錢多少、誰負責維護」。粵語口語回饋：有，已在平台內，本學年由中一級推行。具身智能機械人助教：沒有，不列入計劃。

它失敗的時候會怎樣？ 口語練習出錯，學生笑一笑；評分系統出錯，影響升學。風險愈高，人手覆核比重愈大。推論型數學解說：只在數學與物理科開啟，且教師抽查結論。

我校真的有這個問題嗎？ 英文科口語操練人手不足——有。需要機械人走動巡堂——沒有。沒有實際問題的功能，再好也是負擔。

合約允許隨時帶走資料嗎？ 押注任何供應商路線圖都有風險；可一鍵匯出 JSON、CSV、原檔的合約沒有。Edor.ai 只承諾已上線能力，未發布功能不寫進合約；多模態口語與圖像輸入已在使用，推論型按任務難度分配，具身智能無相關產品。

容易走歪的地方

為所有任務開啟最強推理模式。 改通告也用推論型，等於用貨車送一封信。自查：這個任務有沒有多步驟推理？若只有「改順一句」，應用快答型。

把展覽演示當成下學年採購清單。 自查：演示項能否指名「哪一間學校、哪個班、用了幾個月」？若只有影片沒有合約案例，歸類為「教學討論素材」而非「採購項目」。

忽略多模態的錯誤自信。 圖像讀錯時語氣仍肯定。自查：會否影響分數或家長溝通？若是，輸出必須經教師覆核後才發出。

動手做一次

做甚麼： 用十分鐘為你科組填一張「三類趨勢試點表」，只列本學年真會做的項目。

第一步（4 分鐘）： 列出你科組三個真實問題——例如「中一口語糾音時間不足」「出變式題耗時」「中三文字題學生看不懂分步解說」。

第二步（4 分鐘）： 為每個實際問題配對一類能力：多模態語音、多模態圖像、推論型解說，或「暫不適用（寫原因）」。

第三步（2 分鐘）： 每項寫一句「失敗了會怎樣」與「誰覆核」。

交出甚麼： 一張九格表（3 實際問題 × 3 欄：能力配對、失敗後果、覆核人）。

怎樣算做對： 至少一項指向今天可試的多模態（口語或圖像）；推論型只出現在確有多步驟推理的實際問題；沒有任何一項把具身智能列為本學年採購。若九格全是「暫不適用」，代表實際問題寫得太抽象——回到第一步改成「哪一週、哪一班、哪一份功課」的具體描述。

---

由 第一課 到這裡，你已走過模型內部運作、訓練三階段、生態系與取得方式、應用開發、本地部署與微調，以及安全、評估與倫理。你現在應能向同事解釋 AI 為何答錯、判斷供應商安全說法是否具體、讀懂排行榜限制、決定甚麼資料絕不貼進 AI。

建議下一步： 回 LLM 教室課程大綱 補課，或接讀 Prompt 工程教室——十八課以香港課堂為場景，由 甚麼是好的提示 開始，涵蓋備課、分層工作紙、出題、評卷回饋、SEN 調適與科組模板庫。這一課的判斷力，加上那一課的技巧，才是完整的一套。