![]()
导读：在深度学习算法和大语言模型飞速发展的当下，新一代人工智能教育正面临全新挑战。如何构建科学人工智能教育体系，实现中小学生人工智能素养的系统性培养？华南师范大学教育信息技术学院学术分委员会主任、教授、博士生导师钟柏昌提出五条逻辑主线：工具智能化、问题模型化、模型优化、思维可视化、道德情感内化。
作者丨钟柏昌（华南师范大学教育信息技术学院学术分委员会主任、教授、博士生导师）新时期的人工智能教育与过往的人工智能教育有着显著差异，需要用新的视角重新理解：一方面，要让青少年学生触摸前沿科技。开展中小学人工智能教育要有逆向学习思维，改变过往从0到1的学习路径，基于真实问题解决，从现成的智能工具的体验、运用开始，或者从模型的搭建、训练、应用渐进理解人工智能背后的算法模型。另一方面，作为基础教育课程，在引领学生了解前沿科技的基础上，要特别树立素养教育理念，发挥课程的育人价值：不仅要体现利用人工智能解决问题的新型思维方式，还要让学生能够理解和面对人工智能技术发展所带来的伦理道德问题。笔者认为，从表层的人工智能技术应用（用现成的人工智能工具解决问题），到里层的人工智能模型应用和模型优化（用人工智能技术设计人工智能工具），再到深层的人工智能思维方法和情感道德的塑造与内化，构成了人类主体与人工智能具身关系的基本发展路径，从这些路径中可以提炼出工具智能化、问题模型化、模型优化、思维可视化、道德情感内化五大逻辑主线。在工具智能化路径下，通过“用中学”的方式，学生在使用智能工具解决真实情境问题的同时，可以理解新技术背后的原理及价值，实现应用与理解之间的有机结合。例如，学生在运用某种认知大模型解答学习困惑时，不仅能够掌握智能工具的应用技巧（如提示词编写），还可以通过与工具的互动逐渐理解其工作原理（如文字生成机制），从而加深对智能工具的科学认知。此外，学生还可以根据实际问题和需求，选择具备特定功能的虚拟智能体（如英语聊天助手、作文修改助手等）或物理智能体（如智能教学机器人、无人驾驶汽车等），甚至还可以通过提示语或低代码方式搭建个性化智能体，精准且高效地解决所面临的问题。问题模型化是将真实问题抽象分解为可以被计算的问题链，并选择和搭建合适的人工智能模型，准备合适的数据集训练模型获得最优解的过程，旨在培养学生应用人工智能模型开发智能工具、进而解决真实问题的能力。在具体课程实践中，问题模型化可以分为问题建模与模型开发两大任务。问题建模的关键任务是将复杂的现实问题或抽象概念提炼为可以通过人工智能技术求解的模型需求。在这一过程中，学生需要运用所学人工智能基础知识，从多维度分析和分解问题，提炼关键要素，并以人工智能视角把握问题的核心，从而在实践中逐步理解人工智能的基本逻辑，初步形成利用人工智能模型解决实际问题的思维模式。模型开发是将问题建模结果转化为实际可操作的人工智能解决方案的过程。模型开发可细分为数据集准备、模型训练和模型推理三个核心环节。数据集准备环节要求学生收集、清洗和组织数据。模型训练环节要求学生选择合适的算法训练模型，并通过调整超参数优化模型性能。模型推理环节要求学生评估并测试模型的实际表现，并提出针对性优化方案，提升发现问题、解决问题的实践能力。在新一代人工智能教育中，模型优化不仅要关注模型精度的提升，还要强调计算效率和资源的优化。以模型优化为逻辑主线，旨在引导学生渐进理解人工智能算法背后的深层逻辑，同时理解数据、算法（模型）和算力在人工智能模型中的相互依存关系，从而提升学生对人工智能技术的整体把握。模型优化的方法包括泛化、压缩等，通过学习这些优化方法，学生可以更深入理解人工智能背后的技术思想。通过模型优化，学生不仅可以经历持续调整模型的结构、算法与参数实现模型迭代优化的过程，还能深刻体会到人工智能算法背后的设计逻辑，深化对人工智能算法机制的认识，进而提升其人工智能素养。人工智能思维体系的基本框架包括工程思维、设计思维、计算思维和系统思维。 在中小学人工智能教育中，人工智能思维的可视化证据主要来源于学生设计、开发、测试与优化“智能交互系统”的全过程。需要注意的是，此处的“智能交互系统”是智慧系统而非单向度的技术系统，旨在彰显“人机共智”理念，体现人工智能技术与人类主体之间的双向建构。在人工智能教育实践过程中，需要审慎把握四种思维的联系与区别。首先，工程思维与设计思维具有紧密的逻辑关系。工程思维与设计思维在人工智能教育实践过程中常常融合为“工程设计思维”，既要求学生根据用户的真实需求发现问题，并通过多种形式提出创造性解决问题的方案，也要求学生根据方案实现智能交互系统的开发、测试与优化。其次，计算思维能够使学生更深层了解人工智能解决问题的过程，在人工智能教育实践过程中可将其提炼为七个部分：一是在“分解与模块化”方面，学生在智能交互系统设计的过程中，能够将大问题分解成小问题，将复杂问题划分成若干子模块。二是在“抽象与建模”方面，学生在设计智能交互系统的过程中，能够运用计算机科学领域的思想方法，通过问题抽象形成模型化问题解决方案。三是在“数据与标注”方面，学生在设计智能交互系统的过程中，能够在文本、视频、图像等原始数据的基础上添加元数据进行标注，即通过“打标签”形成训练数据集。四是在“训练与模拟”方面，学生在开发智能交互系统的过程中，能够将标记好的数据用于训练机器学习的模型，并通过模拟、仿真等验证模型的运行效果。五是在“部署与推理”方面，学生在开发智能交互系统的过程中，能够将训练好的模型部署到嵌入式设备中，并接收新数据进行推理与预测。六是在“优化与迭代”方面，学生在测试智能交互系统的过程中，能够持续反思当前方案的不足，逐步求精和优化完善。七是在“复用与迁移”方面，学生在开发智能交互系统的过程中，能够利用已有问题解决方案，并将其迁移运用于解决其他问题。最后，系统思维是一种统筹性思维，可以渗透于工程思维、设计思维和计算思维之中，共同作用于智能交互系统设计、开发、测试与优化的全过程，要求学生合理统筹系统功能、结构、美观等各个要素及要素间的作用关系，制作出最大限度满足需求的智能交互系统。新一代中小学人工智能课程需要从道德情感内化的角度，综合考虑人工智能技术与人类、社会的复杂关系，提高学生重规范、合伦理、高效率运用人工智能技术的自主性。首先，人工智能的强势发展及其与人类之间的复杂关系必然引发人工智能与人类之间的伦理道德问题，对这些问题的探讨有助于树立理性的技术价值观，引领学生找到智能时代的人类主体定位，进而形成适应新一代人工智能发展时期人机交互的文明礼仪和行为规范。在人工智能教育实践过程中，需要引导学生全面理解人工智能与人类的关系，掌握与人工智能工具进行文明互动及规范应用的方式和规则，以便在未来有理智、负责任地使用人工智能技术。其次，人工智能技术发展的不稳定性及其与社会之间的融合关系可能引发具有不确定性的现代社会风险，对这些风险的探讨有助于明确人工智能给社会公平、信息安全等可能带来的隐患。在人工智能教育实践过程中，需要引导学生全面理解人工智能与社会发展的相互促进作用，探究人工智能开发与应用可能带来的公平问题和法律风险，明确并遵循人工智能开发与应用的公平机制和法律规范。（来源：转载自 教育信息化100人）
注意：本文版权归原作者及原出处所有。如涉及版权等问题，请及时与我们联系，我们将立即更正或删除相关内容。
![]()
