随着近期ChatGPT4o发布，其强大的多模态交互功能又一次震惊全球。在世界人工智能飞速发展的同时，中国正在大力推进人工智能教育，自今年1月至今，发展人工智能教育的文件不断发布。教育部公布中小学人工智能教育基地名单；教育部启动4项人工智能赋能教育行动，提高全民数字素养，搭建国际交流平台；九部门联合印发《行动方案》，加快数字人才培育……“人工智能”进校园遇到什么样的问题？教师如何破解？近日，顶思对话上海人工智能实验室科创教育主管、清华大学出版社信息科技教材（初中）主编谢作如。

谢作如

上海人工智能实验室科创教育主管、特级教师、正高级教师、教育部十四五国培计划专家、清华大学出版社信息科技教材（初中）主编

（本文以第一人称呈现）

01 人工智能教育是玩机器人、学编程、用ipad改作业？理解错了

说起人工智能教育，大家首先想到什么？有几个高频答案，机器人、编程、ipad改作业？其实人们对人工智能教育的认知存在多个误区：

一是，“泛人工智能”。把计算机、编程、机器人、STEM等跟人工智能有强相关或弱关联甚至无关联的教育内容，都当作人工智能教育。

比如，我担任一个国家级人工智能课题申报评委时，看到过一些课题与人工智能毫无关系。如，《基于儿童人工智能教育的Python基础课程体系研究》，它的研究目标是帮助学生建立扎实的Python技术基础。还有些课题名称就写上工程教育、人工智能产品、图形化编程等，这些都是对人工智能教育的一种误读。

“泛人工智能教育”认知形成的原因多种多样，包括，媒体误读和误解，大众存在知识盲区，部分科技企业混淆视听，中英文翻译的问题等。以智能家居为例，很多人认为它是人工智能。事实上，在人工智能兴起前，智能家居的本质是“物联网”，也就是感知、通讯、控制，把万物连起来，看上去很“聪明”（Smart)而已。只不过后来人工智能发展，让智能家居越来越聪明（Intelligence)。

再来看国际共识，AI奥林匹克官方网站上基本找不到“机器人、感知、编程”相关的词语。所以，把人工智能等同于科幻，或者认为学人工智能一定要先学会机器人，学人工智能就是学编程，都是一种错误的观念。

另一种误区是，把人工智能教育和人工智能赋能教育两个概念混淆。人工智能赋能教育是数字化转型的重要部分，通常表现为人工智能科技产品进课堂，融合于教育教学中，为学生、教师减负，实现个性化教育。

那么，到底什么是人工智能教育呢？我们要首先确定人工智能的核心研究工作是什么。通俗地说，人工智能研究的是如何让机器得到智能。数据、算法、算力是推动人工智能发展的三驾马车，而这三驾马车接起来其实就是机器学习、深度学习的过程。所以，人工智能教育的定位就要凸显“数据、算法和算力”。换句话说，不能体现“数据、算法、算力”的人工智能教育，不是真正的人工智能教育。

02 为什么担心AI难学？需要结合真实生活用起来

中小学生学AI到底难不难？其实不难。如果觉得难，可能就是认知出了问题。大家认为，成人都学不了，孩子更学不了。现在的成年人显然基本都没有学习过相关知识，人工智能的兴起并得到广泛关注是2012年之后的事情。

我们来看一个简单的人工智能教育场景。猫咪老是抓沙发，需要有个人看着它。这就是个重复劳动，那就交给人工智能去做。要让AI能识别猫咪抓沙发这个动作，首先要采集猫咪做出抓沙发动作的照片数据。有了很多数据以后，用现有的算法（SOTA模型）训练出一个模型，发现猫出现要抓沙发这个动作的时候，这个机器就出来制止它，可以通过声音吸引它或者其他方式。

这就是儿童使用人工智能解决问题的策略。而这个做法并不需要孩子掌握多少数学知识，甚至不需要学习“if else”的编程语言，它的教育核心就是，孩子如何让一个机器具备一种智能——识别猫抓沙发，而智能来自大量的数据。

所以，人工智能教育在小、初、高任何一个阶段，都应该是结合真实生活、真实情景、解决真实问题的，然后根据不同学段的学习特征，选择合适的实现智能的“工具”。而后者可能正是大家觉得AI难学的原因所在。AI教育的难度通常由工具决定，工具难，AI就难。

比如，我们要搭一个机器人，小学生可以借助乐高积木，年龄越小的孩子用大颗粒的乐高，年龄大一点就用小颗粒乐高拼起来；到了初中，学生可以用激光切割机或者3D打印机来实现；到了高中，学生可以用更加精细的雕刻机来做。所以，小学用简单的工具，初中用复杂的工具，高中使用更复杂的工具，层层递进。

现在随着人工智能的发展，各种好用的开发工具已经出现了，之前搭建模型要写好几百行代码，现在用XEdu的MMEdu，几行代码就能训练图像分类、目标识别模型。如果用EasyTrain，连代码都不用写，点点鼠标就行了。而且这种无代码或者少代码训练模型的方式，在企业开发中非常受欢迎，已经成为主流的AI开发模式。

显然，编程和算法的联系非常紧密。但我们必须要理解，人工智能中的“算法”和计算机科学中的“算法”是有区别的。人工智能是交叉学习，有些研究人工智能的知名科学家编程水平并不好。虽然在中学阶段需要培养学生计算思维，学点编程，但是把人工智能教育等同于编程教育，这是不对的，也是令人担忧的。

目前，人工智能教育在实践中存在两个误区。一是，讲原理；二是，体验AI，浅尝辄止。

人工智能确实涉及多个学科领域，比如计算机科学与工程、数学、电子工程等。其中，数学是核心。机器学习和统计学方法是人工智能的基础，并依赖于数学中的代数、微积分、概率论和线性代数等方面的知识。但是在基础教育阶段，学习AI，没必要让孩子先去理解算法背后的数学原理，再去使用AI。因为AI是一个工具，类似互联网、计算机，要先用起来，然后再去探索背后的秘密。

AI教育有两条逻辑链——因为解决问题而学AI和因为要掌握AI而去学更多知识。前者就和当下流行的PBL教育、创客教育的逻辑是类似的。人工智能是重要的工具，借助它，学生可以去做“AI for Science"方面的研究，这是科学领域的热点。后者其实就是一种跨学科学习。比如，AI背后的数学原理是复杂的，但是当孩子们先用起来，老师们在这个过程中逐步渗透AI的背后简单的数学知识，进一步激发孩子们学习数学的热情。

而另一种误区，将人工智能教育停留在体验AI阶段。这在很多学校也不少见，特别是经费充裕的学校。比如，学校购置了无人机，无人驾驶汽车和一些交互游戏，让孩子们体验下“酷炫感”“科幻感”，体验完了就结束了，孩子们对人工智能还是一无所知。所以人工智能教育，一定要先从使用人工智能开始，逐步驾驭它，创造它，这样才能培养出新一代人工智能人才。

当孩子们能够通过“小模型”知道智能如何而来，就会有一批孩子慢慢来走向“大模型”。

作者 | Zoey

图源 | 网络