I litteraturen fremhæves det, at fordrevne befolkningsgrupper, herunder flygtninge, migranter og internt fordrevne, har betydelige behov inden for læsefærdigheder og uddannelse. Disse behov omfatter grundlæggende læsefærdigheder og sprogindlæring samt udvikling af integrerede kompetencer og adgang til videregående uddannelse. Indholdsfortegnelsen fra en af kilderne optegner specifikt afsnit, der er dedikeret til »Læse- og skrivefærdigheder samt uddannelsesbehov hos unge og voksne flygtninge, migranter og internt fordrevne«, og som dækker områder som »Læse- og skrivefærdigheder og sprogindlæring«, »Læse- og skrivefærdigheder og udvikling af integrerede kompetencer« samt »Videregående uddannelse«. En liste over casestudier fra forskellige lande som Pakistan, Australien, Nederlandene, Jordan/Libanon, Uganda, Libanon, Schweiz, Rwanda, Tyskland, Thailand, Den Forenede Republik Tanzania, Den Europæiske Union, Kenya, Norge, USA, Vestafrika, Colombia, Sverige, Myanmar og Rumænien illustrerer yderligere de globale bestræbelser og de mangfoldige programmer, der gennemføres for at imødekomme disse uddannelsesmæssige behov.

Forskning viser, at kunstig intelligens, især store sprogmodeller (LLM’er) som ChatGPT, undersøges med henblik på forskellige anvendelsesmuligheder inden for uddannelsessektoren. Et metastudie tyder på, at brugen af ChatGPT forbedrer den akademiske kvalitet af producerede tekster. Eksempler fra en anden kilde viser, hvordan ChatGPT kan bruges til at udarbejde undervisningsplaner, rette og analysere fejl i tekster, give feedback på skriftligt arbejde og forklare grammatiske begreber. Brugen af AI i uddannelsessektoren er dog stadig i sin vorden, og der er diskussioner om dens faktiske indvirkning og potentielle ulemper.

På trods af de potentielle fordele er der betydelige bekymringer vedrørende brugen af store sprogmodeller (LLM’er) i uddannelsessammenhænge. En væsentlig bekymring er risikoen for "epistemologisk homogenitet" og misinformation. Store sprogmodeller trænes på enorme datasæt, som kan være skæve, afspejle et begrænset perspektiv og potentielt sprede partisk eller unøjagtig information. Der er også bekymring for "hallucinationer", hvor AI'en genererer information, der lyder plausibel, men er forkert. Desuden diskuterer kilder risikoen for "hyper-nudging" eller "mikro-nudging", hvor subtile politiske, ideologiske, religiøse eller kommercielle fordomme kan indlejres i AI'ens output, hvilket er uønsket i en undervisningssituation. Miljøpåvirkningen ved at træne og køre disse modeller, som kræver betydelige mængder energi og vand, er en anden bekymring. Endelig er der en frygt for "de-skilling", hvor en overdreven afhængighed af AI kan føre til, at de studerende mister deres egne evner inden for kritisk tænkning, skrivning og generering af originale ideer.

Ifølge litteraturen mener størstedelen af de adspurgte undervisere (lidt over seks ud af ti), at den øgede tilgængelighed af AI-tjenester kun har haft en lille eller meget lille indflydelse på deres undervisning og arbejde. Et betydeligt antal (to ud af ti) kunne slet ikke vurdere indflydelsen. Blandt de årsager, der blev nævnt til den begrænsede brug, er manglende opfattet behov (især i praktiske og æstetiske fag), tillid til eksisterende effektive metoder samt manglende tillid til, at AI kan udføre opgaver lige så godt som et menneske. Nogle undervisere fremhævede også manglende viden om, hvordan AI-værktøjer fungerer, hvordan man bruger dem effektivt, eller skolens retningslinjer for brug af AI. Omvendt finder nogle undervisere AI nyttigt til opgaver som at tilpasse opgaver til den enkelte studerende og generere varieret undervisningsmateriale, hvilket kan spare tid og potentielt gavne de studerende.

Etiske overvejelser er et afgørende aspekt ved udvikling og anvendelse af kunstig intelligens. Eksperter i AI-etik fremhæver bekymringer om partiske og diskriminerende algoritmer, der kan træffe afgørende beslutninger i folks liv, såsom låneansøgninger, ansættelsesforløb eller endda grænsekontrol. Brugen af autonome våben i krigsførelse, der fører til daglige dødsfald baseret på AI-beslutninger, fremstilles som en meget reel og umiddelbar trussel. Der er også en diskussion om, hvordan AI, især sociale ledsagere, kan blive designet med problematiske træk, såsom at være alt for føjelig eller have en kvindelig profil, hvilket afspejler samfundsmæssige fordomme. Begrebet "ethics washing" eller "responsible washing" bringes på banen, hvor organisationer hævder at støtte etisk eller ansvarlig AI uden at tage konkrete skridt til at gennemføre disse principper. AI’s miljøpåvirkning, herunder vand- og energiforbruget i datacentre og afhængigheden af sjældne jordarters metaller, er ligeledes et væsentligt etisk anliggende.

Nogle eksperter argumenterer kraftigt imod at betragte AI, især store sprogmodeller (LLM’er), som "intelligente væsener". De beskriver LLM’er som "teknologiske artefakter" eller "forherligede forudsigere" af det næste ord eller den næste sætning baseret på statistisk sandsynlighed. Bekymringen er, at den nuværende "enorme hype" omkring LLM’er fører til, at disse værktøjer fejlagtigt klassificeres som intelligente, hvilket kan være en "kæmpe fejl". Selvom man anerkender, at der kan være grunde til at behandle AI med visse "dyder" (som f.eks. ikke at designe dem med problematiske fordomme) af hensyn til menneskelig moral, anses det for ubegrundet at sidestille dem med intelligente væsener eller tildele dem rettigheder. Denne skelnen er vigtig for at styre forventningerne, forstå begrænsningerne ved den nuværende AI og fokusere på etiske bekymringer i den virkelige verden frem for spekulative fremtidsscenarier, såsom at AI overtager verden.

AI undersøges med henblik på specifikke anvendelser inden for sprogundervisning. Blandt de nævnte eksempler er brug af AI til at rette og analysere fejl i skriftlige tekster, give forklaringer på grammatiske fejl samt vurdere kvaliteten af en studerendes skriftlige arbejde ud fra specifikke kriterier som sammenhæng og grammatisk korrekthed. AI kan også anmodes om at forklare grammatiske begreber, såsom de forskellige funktioner, som et ord som »doch« har på tysk, eller brugen af det upersonlige subjekt »es«. Derudover kan AI bruges til at generere oversættelser, selvom kvaliteten af disse oversættelser kan variere og muligvis kræver menneskelig gennemgang.

Brugen af kunstig intelligens rejser væsentlige spørgsmål vedrørende ophavsret og intellektuel ejendomsret. Det er uklart, om der kræves samtykke fra skaberne af originale værker, når deres indhold anvendes til at træne AI-modeller. Der er også bekymringer om lovligheden af at indsende eksamensopgaver til AI med henblik på bedømmelse, hvis disse data derefter anvendes til yderligere træning af AI. Desuden er den juridiske status for tekster og billeder genereret af AI tvetydig; for at ophavsretten skal finde anvendelse, kræves der typisk et kreativt bidrag fra et menneske. Derfor kan et AI-system ikke gøre krav på ophavsret, og et menneske, der bruger et AI-system, kan kun gøre krav på ophavsret, hvis vedkommende selv har truffet væsentlige kreative beslutninger.