机器人教育打破了传统的单纯灌输知识的教学模式，通过开放式、体验式、相互合作式的探究学习，激发了孩子们的学习欲望，孩子在老师的指导下，亲身参与探究的体验。极大地改变了孩子被动地学习、思维活动受到严重压抑的状况。格物斯坦表示：在机器人教学课堂上，孩子成为学习的中心，孩子的发展创新和自我实现成为教育的最终目的。一提起培训班大家就会想起书法、绘画、钢琴这些传统科目，而现在新兴起的机器人教育也开始逐渐走入正轨，在机器人课程中几乎所有孩子全程都是兴致盎然、全神贯注的，课程结束后，甚至会有“再来一节”的愿望。

因为机器人教育非常有趣，在机器人课程中用的教具中，各式各样的结构件就有数百个之多，给了孩子们一个发挥创造力的大平台，他们可以去设计各种各样的机器人。人工智能实验室我们也从不否认任何孩子的任何想法，这里没有好坏，没有对错，只有想法的不同。在孩子看来，制作机器人的过程就是一个玩的过程，他们从内心深处喜欢这种“玩中学”的教育方式。

机器人教育跟其他课程教育的最大不同是，我们把课堂交给孩子，让他们自己判断任务和场地条件，再进行程序的设计和编写以实现任务或避免意外情况的发生。当我们把课堂交给孩子时，再调皮的学生也会表现出对任务的责任心，这些情绪让孩子们充满责任感、注意力更加集中，能更好的学好课程。机器学习模型是一种知识精益系统，它试图通过统计词语映射来回答上下文关系。机器人人工智能在这些模型中，上下文是由词语序列之间的统计关系形成的，而非词语背后的含义。自然，数据集越大、示例越多样化，机器对上下文关系的理解越精确。

机器人学习终将失宠，因为它们需要太多的算力和数据来自动设计特征、创建词汇结构和本体，以及开发将所有这些部分结合在一起的软件系统。而且，机器人也不知道自己在做什么，以及为什么这样做。它们解决问题的方法不像人类--不依赖与世界、语言或自身的互动。因此，它们无法理解两个人长时间对话时，对同一件事情的描述越来越简短的情景，也就是文本缺失现象。人工智能在教育领域的应用巨大人工成本使机器学习陷入瓶颈，并迫使人们寻求其他方法来处理自然语言， 并导致了自然语言处理中经验主义范式（认为语言理解起源于感觉）的出现。人工智能与教育领域的结合具有“感觉”的人工智能，或许会在自然语言处理上有三个突破：通过语言交流激活感觉模型，并以此承载记忆，从而可以应对人类之间交流时的文本缺失现象，实现“默契”（正确）的解码；

理解语言的上下文相关含义，并从单词和句子的歧义中找到合适的理解，以及从感觉世界中寻找更强的约束和限制；向它们的人类合作者解释它们的想法、行动和决策；与人类一样，机器也需要在世界互动时保持终身学习。而机器学习由于将可压缩性和可学习性对等起来，并且限于表面的符号统计关系理解，教育领域人工智能以及不可解释性等原因，不可避免丢失背景信息，而做不到上述层次的理解。 与“饭来张口、衣来伸手”的应试教育不同，机器人教育课程上不会有知识的灌输。它需要学生通过不断地在实践过程中发现问题、分析问题，老师在课程中只是起到引导与启发的作用，最后问题的解决也要靠学生自己的实践和探究得出答案。

综上所述，证明机器学习和数据驱动方法甚至与，都足以结束这场夸张的自然语言理解的数字工程。人类在传达自己的想法时，其实是在传递高度压缩的语言表达，需要用大脑来解释和"揭示"所有缺失但隐含假设的背景信息。语言是承载思想的人工制品，因此，在构建越来越大的语言模型时，机器学习和数据驱动方法试图在尝试找到数据中甚至不存在的东西时，徒劳地追逐无穷大。我们必须认识到，普通的口语不仅仅是语言数据。