對話 | 謝作如-朱宋煜 重構(gòu)與突破：人工智能通識教育實驗教學(xué)的挑戰(zhàn)與實踐

在人工智能技術(shù)浪潮下，義務(wù)教育階段如何開展人工智能通識教育，培養(yǎng)學(xué)生適應(yīng)未來社會發(fā)展的基本素養(yǎng)，成為重要課題。當(dāng)前的教學(xué)存在認(rèn)知誤區(qū)與“黑箱”操作的困境，尤其是實驗教學(xué)環(huán)節(jié)普遍缺失。

為破解此難題，溫州科技高級中學(xué)的特級教師謝作如與上海市“雙名工程”奚駿高峰計劃基地成員朱宋煜老師展開深度對話，旨在聚焦人工智能通識教育實驗教學(xué)的挑戰(zhàn)與實踐，探討如何通過有效的實驗教學(xué)，讓學(xué)生真正“打開黑箱”，觸達(dá)人工智能原理，從而提升技術(shù)素養(yǎng)與倫理認(rèn)知。

謝作如

溫州科技高級中學(xué)AI科創(chuàng)中心負(fù)責(zé)人，浙江省正高級教師、特級教師，XEdu項目負(fù)責(zé)人。

朱宋煜

上海五浦匯實驗學(xué)校信息科技教師，上海市“雙名工程”奚駿高峰計劃基地成員，上海市青浦區(qū)第七、八屆名優(yōu)教師，中學(xué)信息科技研修基地核心組成員。

緣起：AI教育中的認(rèn)知誤區(qū)與“黑箱”困境

朱宋煜：謝老師您好，非常榮幸能與您進(jìn)行這次對話。作為一名深耕信息科技教學(xué)一線的教師，我深切感受到人工智能教育的迫切性與復(fù)雜性。當(dāng)前，社會各界對義務(wù)教育階段人工智能通識教育的期待與理解存在多元甚至偏差。從您多年的實踐與研究經(jīng)驗來看，義務(wù)教育階段人工智能通識教育的核心內(nèi)涵應(yīng)如何精準(zhǔn)界定？同時，在此定義過程中，您認(rèn)為當(dāng)前社會對人工智能的理解常存在哪些認(rèn)知誤區(qū)？

謝作如：朱老師好，感謝您的“對話”邀請。首先，我們必須接受一個觀點，即“人工智能”是一個不斷發(fā)展的科技名詞。其次，所有人包括計算機領(lǐng)域的專家們，對“人工智能”的理解也各不相同。面對與自己固有認(rèn)知不相符合的領(lǐng)域，所有人或多或少會存在一些抵觸或者誤解。我在《中小學(xué)開展人工智能通識教育“難”在哪里？》一文中做了歸納：“神化”者認(rèn)為人工智能是很高端、深奧的技術(shù)，是普通人只能使用而無法駕馭的一種技術(shù)。學(xué)習(xí)人工智能僅限于極少數(shù)在數(shù)學(xué)、計算機方面有天賦的學(xué)生。“窄化”者多見于之前的計算機領(lǐng)域的專家，他們會用過去的眼光審視人工智能，認(rèn)為人工智能不過是計算機科學(xué)的一個分支，等同于各種與人工智能密切關(guān)聯(lián)的計算機科學(xué)領(lǐng)域名詞，如物聯(lián)網(wǎng)、智能家居、大數(shù)據(jù)和自動化等。而在“泛化”者的眼里，凡是和“智能”“創(chuàng)新”有點關(guān)聯(lián)的都算人工智能，甚至包括3D打印、激光切割等。不同的是，“窄化”往往在計算機領(lǐng)域，而“泛化”則遍布很多群體，教育界最普遍。

朱宋煜：您對“神化、窄化、泛化”三大認(rèn)知誤區(qū)的剖析，確實有助于我們澄清對人工智能的固有認(rèn)知。既然對人工智能的理解是一個動態(tài)且不斷演進(jìn)的過程，那么從義務(wù)教育階段的教育實踐出發(fā)，您認(rèn)為應(yīng)如何精準(zhǔn)界定新一代人工智能通識教育的核心內(nèi)涵，使其能夠準(zhǔn)確把握并契合當(dāng)前及未來人工智能技術(shù)的發(fā)展趨勢？

謝作如：李德毅院士認(rèn)為，深度學(xué)習(xí)是傳統(tǒng)人工智能和新一代人工智能的分界點。當(dāng)前中小學(xué)人工智能通識教育要以神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)為核心內(nèi)涵，關(guān)注數(shù)據(jù)驅(qū)動的智能形成范式，圍繞“算力、算法和數(shù)據(jù)”人工智能三要素展開，不僅要讓學(xué)生理解“如何工作”，還要讓學(xué)生初步理解人工智能“從何而來”。從第一性原理的角度看，學(xué)生要學(xué)習(xí)能解決真實問題的人工智能。

朱宋煜：我曾跟一些同行聊過中小學(xué)是否具備了涉及“神經(jīng)網(wǎng)絡(luò)”和“深度學(xué)習(xí)”的內(nèi)容，但得到的反饋都不太認(rèn)同，認(rèn)為太難了，學(xué)生學(xué)不了。對此，您是怎么看的？這種認(rèn)知是否也屬于一種“黑箱”教學(xué)的弊端？

謝作如：的確，很多人會認(rèn)為中小學(xué)生學(xué)不了模型訓(xùn)練，學(xué)不了“深度學(xué)習(xí)”。但誰都知道，“我的學(xué)生基礎(chǔ)差學(xué)不了”往往僅僅是借口，真實情況是“老師不會”，所以他們會固執(zhí)地認(rèn)為學(xué)生只能調(diào)用現(xiàn)成的人工智能平臺接口，也就是您說的“黑箱”教學(xué)。不過，隨著無代碼訓(xùn)練模型工具的出現(xiàn)，很多教師開始改變觀點了。

朱宋煜：確實，如果教師自身因認(rèn)知偏差而畏難，學(xué)生便只能停留在調(diào)用API的層面，無法真正理解人工智能“從何而來”和“如何工作”。這不僅削弱了教育的深度，更無法真正培養(yǎng)學(xué)生的批判性思維。一線教師要突破這些認(rèn)知壁壘，必須首先從教學(xué)范式上進(jìn)行一場根本性重構(gòu)。

挑戰(zhàn)：為何實驗在AI教育中“缺位”？

朱宋煜：謝老師，您曾強調(diào)“沒有實驗的人工智能教育不是真正的人工智能教育”，而我在實踐中觀察到人工智能教育中實驗環(huán)節(jié)缺失的現(xiàn)象尤為突出。您認(rèn)為造成當(dāng)前中小學(xué)人工智能教育實驗缺失的核心癥結(jié)何在？

謝作如：今年5月，我們組織了一期名為《人工智能與實驗教學(xué)》的專題刊登在《中國信息技術(shù)教育》雜志上。專題的引言部分有這樣一段話：“人工智能的每一次突破，本質(zhì)上都是實驗室中無數(shù)次的假設(shè)驗證與數(shù)據(jù)迭代的成果。然而，當(dāng)這門根植于實證精神的學(xué)科進(jìn)入基礎(chǔ)教育課程時，實驗卻消失了。”顯然，沒有實驗的人工智能教育，不是真正的人工智能教育。實驗應(yīng)該根植在教學(xué)中，如同科學(xué)課程中的實驗。當(dāng)前的一些通識課程之所以沒有實驗，我想有兩大原因：其一是設(shè)計者對人工智能的理解出現(xiàn)偏差，把編程、單片機等同于人工智能；其二是設(shè)計者沒有找到適合中小學(xué)生的實驗工具。

朱宋煜：這個問題確實很關(guān)鍵。在您看來，這種實驗的“缺位”是否也與課程體系的銜接不暢有關(guān)？例如，初中生沒有小學(xué)基礎(chǔ)、高中生沒有初中基礎(chǔ)的“合成謬誤”現(xiàn)象，是否也會導(dǎo)致教學(xué)內(nèi)容只能停留在理論層面，難以開展深入的實踐？

謝作如：您說的難題，幾乎是所有課程開發(fā)或者教材設(shè)計者都會遇到的難題。我曾經(jīng)借用“合成謬誤”這一經(jīng)濟學(xué)名詞來歸納，指對局部說來是對的東西，對總體而言卻未必是對的，如課標(biāo)需要呈現(xiàn)體系，但事實上新教材是同時下發(fā)的，導(dǎo)致高年級缺少低年級的基礎(chǔ)。我最近組織了一批教師編寫面向義務(wù)教育階段的人工智能通識教材，也試圖去破解“合成謬誤”難題。例如，小學(xué)和初中都定位在零起點，但是學(xué)習(xí)難度不同，學(xué)習(xí)主線也不同。再如，讓每個分冊的學(xué)習(xí)內(nèi)容盡可能模塊化，保持獨立，即五年級學(xué)生沒有四年級基礎(chǔ)也能學(xué)習(xí)，如果有基礎(chǔ)，則會學(xué)得更輕松。

朱宋煜：您關(guān)于教材設(shè)計的思路和解決“合成謬誤”現(xiàn)象的分享，為我們提供了寶貴的實踐經(jīng)驗。在此基礎(chǔ)上，我還有一個非常實際的疑問：您是如何處理人工智能通識教育與現(xiàn)有信息科技課程之間的關(guān)系的？特別是針對編程內(nèi)容的安排，如何既避免與信息科技課程的學(xué)習(xí)內(nèi)容產(chǎn)生沖突或不當(dāng)?shù)膶W(xué)段搶占，又能有效實現(xiàn)人工智能的應(yīng)用目標(biāo)？我曾觀察到某些教材三年級即引入編程，這與《義務(wù)教育信息科技課程標(biāo)準(zhǔn)（2022年版）》建議的學(xué)段存在差異，并引發(fā)了不少爭議。

謝作如：朱老師的問題越來越尖銳了。我們在教材設(shè)計之初，提出了幾個重要的編寫原則。例如，教材要和信息科技課程實現(xiàn)學(xué)習(xí)內(nèi)容上的相對分離，去除編程、傳統(tǒng)算法的學(xué)習(xí)，強調(diào)機器學(xué)習(xí)和深度學(xué)習(xí)，突出新一代人工智能。又如，教材要接地氣望云端，適合不同條件的學(xué)校實施，學(xué)校只需要具備信息科技的教學(xué)條件（有機房）即可實施人工智能通識教育。再如，教材需要結(jié)合平臺工具，學(xué)生打開瀏覽器就能完成各種體驗、實驗和實踐活動，培訓(xùn)學(xué)生解決真實問題的能力。

教材按照主題模塊設(shè)計，由一系列彼此獨立又密切關(guān)聯(lián)的大單元構(gòu)成。主題如下表所示，幾乎涵蓋了新一代人工智能的核心技術(shù)，如智能體應(yīng)用和搭建、模型訓(xùn)練，還有具身智能和科學(xué)智能（AI4S）。教材內(nèi)容和信息科技課程是互補的。小學(xué)和初中雖然都是零起點，但小學(xué)偏向體驗，初中偏向原理和真實問題解決。至于您關(guān)心的“編程”，我們在教材中是這樣處理的：不教編程的基礎(chǔ)語法，采用人工智能賦能編程的方式學(xué)編程，即學(xué)生提出各種需求讓人工智能去實現(xiàn)。現(xiàn)在大模型編寫的程序質(zhì)量很高，編程語法方面的知識其實已經(jīng)不再重要。而且，用AI編程本來就是理解大模型應(yīng)用的重要學(xué)習(xí)內(nèi)容。

朱宋煜：當(dāng)我們將編程視為人工智能的唯一入口，或?qū)鹘y(tǒng)信息技術(shù)工具簡單嫁接時，實驗教學(xué)的“缺位”便是必然結(jié)果。這也讓我愈發(fā)清晰地認(rèn)識到，要實現(xiàn)實驗教學(xué)的回歸，必須突破舊有的工具和理念框架，從零開始，重新構(gòu)建一套面向未來的實踐范式。

實踐：從“不插電”到“動手做”的范式重構(gòu)

朱宋煜：既然您強調(diào)實驗教學(xué)的重要性，并指出當(dāng)前教學(xué)工具的缺失是主要癥結(jié)之一，那么在不依賴復(fù)雜設(shè)備和編程語言的情況下，您覺得應(yīng)如何設(shè)計面向義務(wù)教育階段的人工智能實驗課程，讓學(xué)生能夠“打開黑箱”，觸達(dá)人工智能的原理？

謝作如：這是一個很關(guān)鍵的問題。我曾經(jīng)參考華南師范大學(xué)鐘柏昌教授的“逆向工程”思路，以“用人工智能解決問題”為主線，將人工智能通識教育分為“用AI應(yīng)用（指應(yīng)用軟件、智能體）解決問題”“用AI模型解決問題”和“用數(shù)據(jù)算法解決問題”三個維度，再按照難度將每個維度分為入門、進(jìn)階、熟練三個層級。

如下圖所示，從訓(xùn)練到部署應(yīng)用是開發(fā)的次序。而學(xué)習(xí)的次序要跟開發(fā)相反，即“逆向”，先體驗和應(yīng)用，再體會AI模型，最后去研究數(shù)據(jù)、算法和算力。這三種問題解決能力類似語文的“聽說讀寫”，不能簡單地認(rèn)為小學(xué)階段學(xué)“AI應(yīng)用”，初中階段學(xué)“AI模型”，高中階段學(xué)“數(shù)據(jù)算法”，而是每一個學(xué)段都要并行發(fā)展，螺旋上升。

您看，無論是哪個維度的能力培養(yǎng)，其實都不太依賴于復(fù)雜設(shè)備。所以我常常說，人工智能教育與硬件無關(guān)。當(dāng)然，有一些AI硬件能讓人工智能具象化起來，AI模型結(jié)合了硬件，就變成了無人車、智能機械手等，但不能認(rèn)為人工智能教育一定需要硬件。至于編程能力，之前都說了，首先大模型可以輔助編程，而且訓(xùn)練模型、搭建智能體等本來就可以不需要編程。

朱宋煜：基于此，為更有效地激發(fā)義務(wù)教育階段學(xué)生對人工智能深層原理的探究興趣，并超越單純的應(yīng)用層面，我們應(yīng)如何在實驗教學(xué)中避免“黑箱”操作，具化地界定與教授人工智能的“原理”？

謝作如：中小學(xué)生探究人工智能的“原理”，邊界在哪里？以信息科技來類比。在大學(xué)學(xué)習(xí)《計算機網(wǎng)絡(luò)基礎(chǔ)》，不僅要學(xué)習(xí)協(xié)議設(shè)計，還要學(xué)習(xí)曼切斯特編碼，學(xué)《計算機原理》得深入到CPU指令。現(xiàn)在信息科技再怎么關(guān)注原理，再怎么強調(diào)科學(xué)原理，也不需要學(xué)這些內(nèi)容。所以，隨著大家對人工智能的了解更加深入，自然而然會區(qū)分哪些原理適合中小學(xué)生學(xué)習(xí)，哪些不適合。

例如，在教機器學(xué)習(xí)的時候，我會先設(shè)計一個簡單的“線性回歸”實驗，告訴學(xué)生用現(xiàn)成的線性回歸算法就能訓(xùn)練出有效的模型。當(dāng)數(shù)據(jù)變得復(fù)雜，就需要多項式回歸、SVM之類算法來解決。但是，隨著數(shù)據(jù)的復(fù)雜度越來越高，涉及圖像則需要借助卷積神經(jīng)網(wǎng)絡(luò)，涉及時序則需要借助循環(huán)神經(jīng)網(wǎng)絡(luò)。當(dāng)進(jìn)行文本分類的時候，則要告訴學(xué)生需要借助更好的表征技術(shù)，如詞向量，讓詞語之間實現(xiàn)“可計算”。在這些實驗中，我會讓學(xué)生結(jié)合真實問題，收集真實數(shù)據(jù)，訓(xùn)練模型并應(yīng)用模型，讓原理和應(yīng)用結(jié)合起來。

我曾經(jīng)設(shè)計了一系列能夠觸及人工智能原理的、試圖“打開黑箱”的實驗活動，分為數(shù)據(jù)處理、模型訓(xùn)練和模型推理三類。我在《設(shè)計一個模擬神經(jīng)網(wǎng)絡(luò)推理的不插電游戲》（刊登于本刊2025年第13期）一文中就介紹了一個用真人來模擬神經(jīng)元計算的實驗活動：先訓(xùn)練一個最簡分類模型，然后讀出模型中的“權(quán)重”和“偏置”，讓五位同學(xué)模擬神經(jīng)網(wǎng)絡(luò)的計算規(guī)則，手動計算結(jié)果并向后傳遞。我期待用這樣的方式，讓學(xué)生把“黑箱”打開，觸達(dá)原理。

朱宋煜：“不插電游戲”的案例為我們提供了全新的思路。那在面對算力資源有限的實際挑戰(zhàn)時，應(yīng)如何構(gòu)建一套分級的算力支持體系，以確保所有學(xué)校，無論條件如何，都能開展有效的實驗教學(xué)？

謝作如：開展人工智能教育，“算力匱乏”是無法繞過的難題。但基礎(chǔ)的人工智能實驗對算力的要求并不高，如機器學(xué)習(xí)、全連接神經(jīng)網(wǎng)絡(luò)等，任何電腦都能快速完成，真正的難題其實在于環(huán)境的搭建，很難做到一個學(xué)習(xí)工具能同時兼容眾多的操作系統(tǒng)。因此解決方案就只剩下一種，即選擇基于瀏覽器來完成基礎(chǔ)實驗活動。

朱宋煜：“逆向工程”學(xué)習(xí)路徑從應(yīng)用到模型，再到數(shù)據(jù)、算法和算力的逆向遞進(jìn)，巧妙地將復(fù)雜的技術(shù)原理融入到學(xué)生可感知、可操作的情境中。在具體的課程設(shè)計中，應(yīng)如何將這一路徑與具體的教學(xué)場景、教學(xué)活動相結(jié)合，使“黑箱”得以逐漸打開，讓學(xué)生在“動手做”的過程中自然而然地觸達(dá)人工智能的核心？

謝作如：我近期將自己十年前開發(fā)的課程《互動媒體技術(shù)》升級為《人工智能和互動媒體技術(shù)》，正好可以作為一個案例。首先借助大模型，生成一些有趣的交互程序，如用手勢控制PPT播放，這個階段屬于用“AI應(yīng)用”解決問題。然后教師提出新要求讓“交互過程可控”，即需要演講者做出一個特定手勢才能激發(fā)程序，防止誤觸發(fā)。那么學(xué)生就有多種方法來解決，如下載現(xiàn)成的手勢分類模型，即用“AI模型”解決問題。但是，現(xiàn)成的模型無法識別特殊的手勢，就引出了新的方法——收集手勢數(shù)據(jù)訓(xùn)練模型來解決問題。在測試模型的過程中，教師還要不斷提出新要求，如“為什么訓(xùn)練的模型只能識別某位同學(xué)？”“為什么訓(xùn)練的模型這么容易誤判？”等。學(xué)生不僅要采集更多的數(shù)據(jù)讓模型泛化能力更強，還要修改網(wǎng)絡(luò)結(jié)構(gòu)讓模型不容易過擬合等。在這個過程中，深度學(xué)習(xí)的“黑箱”就不斷打開，慢慢從“黑”變“灰”。

朱宋煜：在設(shè)計這些實驗時，除了前面提到的“不插電”活動，還能如何利用現(xiàn)有的平臺工具，在保證教學(xué)效果的同時，最大程度地降低實驗的門檻，讓“打開黑箱”的探索過程變得更加直觀和可操作？例如，是否能通過一些可視化工具或模塊化的教學(xué)設(shè)計，讓學(xué)生更清晰地看到數(shù)據(jù)是如何影響模型訓(xùn)練，以及模型又是如何做出決策的？

謝作如：您的問題指向了問題的核心——學(xué)習(xí)工具是關(guān)鍵。要激發(fā)學(xué)生對原理探究的興趣，不僅要去訓(xùn)練一個哪怕再簡單的模型，還要盡可能讓過程可視化。例如XEdu的BaseNN，能夠打開訓(xùn)練的AI模型，輸出網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)重、偏置之類的數(shù)據(jù)。其內(nèi)置的visual_feature函數(shù)，可逐層呈現(xiàn)具體的計算過程和結(jié)果。學(xué)生甚至可以手動計算數(shù)據(jù)，對這些數(shù)據(jù)進(jìn)行比較、驗證。通過這些工具讓學(xué)生明白，人工智能就是用計算的方式模擬人的某些智能行為。

突破：從知識學(xué)習(xí)到素養(yǎng)培養(yǎng)

朱宋煜：謝老師，您認(rèn)為在展望未來智能社會快速演進(jìn)的背景下，義務(wù)教育階段的人工智能通識教育，其戰(zhàn)略價值主要體現(xiàn)在哪些方面？

謝作如：“戰(zhàn)略價值”是一個很大的詞語，我不敢從這個角度來談自己的觀點。我曾經(jīng)用“讓孩子在人工智能時代無懼前行”這句話作為團隊的工作目標(biāo)。為什么強調(diào)“無懼前行”？這里深究一下，現(xiàn)在大家陷入無意義的內(nèi)卷，其根源有對未來的恐懼，對人工智能時代的恐懼。我們?nèi)绻寣W(xué)生們真正了解了人工智能，知道“智能”是怎么來的，知道“人工智能”的能力邊界，也許就不會過于擔(dān)心了。至少他們會知道，現(xiàn)在的各種“卷”是沒有用的，不如松弛下來，做自己喜歡的事情，思考如何與人工智能交朋友，提升“人機共智”的能力。人工智能通識教育就是為他們打開一扇窗，為適應(yīng)未來打下基礎(chǔ)，使他們成為未來智能社會的積極參與者和創(chuàng)造者。

朱宋煜：您通過具象化的案例說明了人工智能倫理教育需根植于學(xué)生對技術(shù)原理的真實感知與親身實踐。在此基礎(chǔ)上，面對現(xiàn)實世界中AI倫理問題的復(fù)雜性與多維性，應(yīng)如何進(jìn)一步將人工智能倫理教育融入通識教育中，實現(xiàn)從認(rèn)知到行為的深度內(nèi)化？

謝作如：人工智能的“技術(shù)濫用”是一個重要的倫理問題，尤其是人臉識別。我認(rèn)為對于小學(xué)生來說，很難去討論人臉識別中的孰是孰非問題，最好的辦法是暫時回避，等學(xué)生們心智成熟點再討論。再具體一點吧，人工智能中的“數(shù)據(jù)歧視”也是一個重要的倫理問題。但是，如果學(xué)生并不知道人工智能模型的能力來自訓(xùn)練數(shù)據(jù)，那他們?nèi)绾慰创斯ぶ悄苣Ｐ统霈F(xiàn)了某種偏見的問題？責(zé)任在算法設(shè)計者上，還是數(shù)據(jù)提供者上，或者是模型部署者上？要做出準(zhǔn)確的判斷，則需要親歷一次收集數(shù)據(jù)、訓(xùn)練模型并解決問題的過程，否則所謂人工智能倫理的培養(yǎng)都是無根之木、無源之水。跨學(xué)科項目式學(xué)習(xí)可以自然而然地將AI倫理議題融入其中。

總結(jié)與展望

朱宋煜：謝老師，您的觀點為一線教師推進(jìn)義務(wù)教育階段人工智能通識教育的課程內(nèi)容重構(gòu)、教學(xué)策略調(diào)整、倫理融入以及跨學(xué)科實踐提供了清晰的思路和可行的方案。特別是關(guān)于新范式下人工智能工具的運用和倫理的滲透，具有極強的指導(dǎo)意義。

謝作如：謝謝朱老師，也很高興能與您進(jìn)行這次富有建設(shè)性的交流。人工智能教育的道路充滿機遇，也充滿挑戰(zhàn)，但只要我們一線教育工作者能夠持續(xù)學(xué)習(xí)、勇于探索，共同構(gòu)建開放、多元、富有活力的教育生態(tài)，就一定能培養(yǎng)出適應(yīng)未來、引領(lǐng)未來的創(chuàng)新人才。期待未來能看到更多精彩的實踐和突破。

文章刊登于《中國信息技術(shù)教育》

2025年第21期

引用請注明參考文獻(xiàn)：

謝作如 朱宋煜.重構(gòu)與突破：人工智能通識教育實驗教學(xué)的挑戰(zhàn)與實踐[J].中國信息技術(shù)教育，2025（21）：4-9 .

歡迎訂閱

識別上方二維碼即可訂閱