隨著近期ChatGPT4o發布，其強大的多模態交互功能又一次震驚全球。在世界人工智能飛速發展的同時，中國正在大力推進人工智能教育，自今年1月至今，發展人工智能教育的文件不斷發布。教育部公布中小學人工智能教育基地名單；教育部啟動4項人工智能賦能教育行動，提高全民數字素養，搭建國際交流平臺；九部門聯合印發《行動方案》，加快數字人才培育……“人工智能”進校園遇到什么樣的問題？教師如何破解？近日，頂思對話上海人工智能實驗室科創教育主管、清華大學出版社信息科技教材（初中）主編謝作如。

謝作如

上海人工智能實驗室科創教育主管、特級教師、正高級教師、教育部十四五國培計劃專家、清華大學出版社信息科技教材（初中）主編

（本文以第一人稱呈現）

01 人工智能教育是玩機器人、學編程、用ipad改作業？理解錯了

說起人工智能教育，大家首先想到什么？有幾個高頻答案，機器人、編程、ipad改作業？其實人們對人工智能教育的認知存在多個誤區：

一是，“泛人工智能”。把計算機、編程、機器人、STEM等跟人工智能有強相關或弱關聯甚至無關聯的教育內容，都當作人工智能教育。

比如，我擔任一個國家級人工智能課題申報評委時，看到過一些課題與人工智能毫無關系。如，《基于兒童人工智能教育的Python基礎課程體系研究》，它的研究目標是幫助學生建立扎實的Python技術基礎。還有些課題名稱就寫上工程教育、人工智能產品、圖形化編程等，這些都是對人工智能教育的一種誤讀。

“泛人工智能教育”認知形成的原因多種多樣，包括，媒體誤讀和誤解，大眾存在知識盲區，部分科技企業混淆視聽，中英文翻譯的問題等。以智能家居為例，很多人認為它是人工智能。事實上，在人工智能興起前，智能家居的本質是“物聯網”，也就是感知、通訊、控制，把萬物連起來，看上去很“聰明”（Smart)而已。只不過后來人工智能發展，讓智能家居越來越聰明（Intelligence)。

再來看國際共識，AI奧林匹克官方網站上基本找不到“機器人、感知、編程”相關的詞語。所以，把人工智能等同于科幻，或者認為學人工智能一定要先學會機器人，學人工智能就是學編程，都是一種錯誤的觀念。

另一種誤區是，把人工智能教育和人工智能賦能教育兩個概念混淆。人工智能賦能教育是數字化轉型的重要部分，通常表現為人工智能科技產品進課堂，融合于教育教學中，為學生、教師減負，實現個性化教育。

那么，到底什么是人工智能教育呢？我們要首先確定人工智能的核心研究工作是什么。通俗地說，人工智能研究的是如何讓機器得到智能。數據、算法、算力是推動人工智能發展的三駕馬車，而這三駕馬車接起來其實就是機器學習、深度學習的過程。所以，人工智能教育的定位就要凸顯“數據、算法和算力”。換句話說，不能體現“數據、算法、算力”的人工智能教育，不是真正的人工智能教育。

02 為什么擔心AI難學？需要結合真實生活用起來

中小學生學AI到底難不難？其實不難。如果覺得難，可能就是認知出了問題。大家認為，成人都學不了，孩子更學不了?，F在的成年人顯然基本都沒有學習過相關知識，人工智能的興起并得到廣泛關注是2012年之后的事情。

我們來看一個簡單的人工智能教育場景。貓咪老是抓沙發，需要有個人看著它。這就是個重復勞動，那就交給人工智能去做。要讓AI能識別貓咪抓沙發這個動作，首先要采集貓咪做出抓沙發動作的照片數據。有了很多數據以后，用現有的算法（SOTA模型）訓練出一個模型，發現貓出現要抓沙發這個動作的時候，這個機器就出來制止它，可以通過聲音吸引它或者其他方式。

這就是兒童使用人工智能解決問題的策略。而這個做法并不需要孩子掌握多少數學知識，甚至不需要學習“if else”的編程語言，它的教育核心就是，孩子如何讓一個機器具備一種智能——識別貓抓沙發，而智能來自大量的數據。

所以，人工智能教育在小、初、高任何一個階段，都應該是結合真實生活、真實情景、解決真實問題的，然后根據不同學段的學習特征，選擇合適的實現智能的“工具”。而后者可能正是大家覺得AI難學的原因所在。AI教育的難度通常由工具決定，工具難，AI就難。

比如，我們要搭一個機器人，小學生可以借助樂高積木，年齡越小的孩子用大顆粒的樂高，年齡大一點就用小顆粒樂高拼起來；到了初中，學生可以用激光切割機或者3D打印機來實現；到了高中，學生可以用更加精細的雕刻機來做。所以，小學用簡單的工具，初中用復雜的工具，高中使用更復雜的工具，層層遞進。

現在隨著人工智能的發展，各種好用的開發工具已經出現了，之前搭建模型要寫好幾百行代碼，現在用XEdu的MMEdu，幾行代碼就能訓練圖像分類、目標識別模型。如果用EasyTrain，連代碼都不用寫，點點鼠標就行了。而且這種無代碼或者少代碼訓練模型的方式，在企業開發中非常受歡迎，已經成為主流的AI開發模式。

顯然，編程和算法的聯系非常緊密。但我們必須要理解，人工智能中的“算法”和計算機科學中的“算法”是有區別的。人工智能是交叉學習，有些研究人工智能的知名科學家編程水平并不好。雖然在中學階段需要培養學生計算思維，學點編程，但是把人工智能教育等同于編程教育，這是不對的，也是令人擔憂的。

目前，人工智能教育在實踐中存在兩個誤區。一是，講原理；二是，體驗AI，淺嘗輒止。

人工智能確實涉及多個學科領域，比如計算機科學與工程、數學、電子工程等。其中，數學是核心。機器學習和統計學方法是人工智能的基礎，并依賴于數學中的代數、微積分、概率論和線性代數等方面的知識。但是在基礎教育階段，學習AI，沒必要讓孩子先去理解算法背后的數學原理，再去使用AI。因為AI是一個工具，類似互聯網、計算機，要先用起來，然后再去探索背后的秘密。

AI教育有兩條邏輯鏈——因為解決問題而學AI和因為要掌握AI而去學更多知識。前者就和當下流行的PBL教育、創客教育的邏輯是類似的。人工智能是重要的工具，借助它，學生可以去做“AI for Science"方面的研究，這是科學領域的熱點。后者其實就是一種跨學科學習。比如，AI背后的數學原理是復雜的，但是當孩子們先用起來，老師們在這個過程中逐步滲透AI的背后簡單的數學知識，進一步激發孩子們學習數學的熱情。

而另一種誤區，將人工智能教育停留在體驗AI階段。這在很多學校也不少見，特別是經費充裕的學校。比如，學校購置了無人機，無人駕駛汽車和一些交互游戲，讓孩子們體驗下“酷炫感”“科幻感”，體驗完了就結束了，孩子們對人工智能還是一無所知。所以人工智能教育，一定要先從使用人工智能開始，逐步駕馭它，創造它，這樣才能培養出新一代人工智能人才。

當孩子們能夠通過“小模型”知道智能如何而來，就會有一批孩子慢慢來走向“大模型”。

作者 | Zoey

圖源 | 網絡