對話 | 謝作如-朱宋煜 重構與突破：人工智能通識教育實驗教學的挑戰與實踐

在人工智能技術浪潮下，義務教育階段如何開展人工智能通識教育，培養學生適應未來社會發展的基本素養，成為重要課題。當前的教學存在認知誤區與“黑箱”操作的困境，尤其是實驗教學環節普遍缺失。

為破解此難題，溫州科技高級中學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的挑戰與實踐，探討如何通過有效的實驗教學，讓學生真正“打開黑箱”，觸達人工智能原理，從而提升技術素養與倫理認知。

謝作如

溫州科技高級中學AI科創中心負責人，浙江省正高級教師、特級教師，XEdu項目負責人。

朱宋煜

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

緣起：AI教育中的認知誤區與“黑箱”困境

朱宋煜：謝老師您好，非常榮幸能與您進行這次對話。作為一名深耕信息科技教學一線的教師，我深切感受到人工智能教育的迫切性與復雜性。當前，社會各界對義務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驗來看，義務教育階段人工智能通識教育的核心內涵應如何精準界定？同時，在此定義過程中，您認為當前社會對人工智能的理解常存在哪些認知誤區？

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”是一個不斷發展的科技名詞。其次，所有人包括計算機領域的專家們，對“人工智能”的理解也各不相同。面對與自己固有認知不相符合的領域，所有人或多或少會存在一些抵觸或者誤解。我在《中小學開展人工智能通識教育“難”在哪里？》一文中做了歸納：“神化”者認為人工智能是很高端、深奧的技術，是普通人只能使用而無法駕馭的一種技術。學習人工智能僅限于極少數在數學、計算機方面有天賦的學生。“窄化”者多見于之前的計算機領域的專家，他們會用過去的眼光審視人工智能，認為人工智能不過是計算機科學的一個分支，等同于各種與人工智能密切關聯的計算機科學領域名詞，如物聯網、智能家居、大數據和自動化等。而在“泛化”者的眼里，凡是和“智能”“創新”有點關聯的都算人工智能，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”三大認知誤區的剖析，確實有助于我們澄清對人工智能的固有認知。既然對人工智能的理解是一個動態且不斷演進的過程，那么從義務教育階段的教育實踐出發，您認為應如何精準界定新一代人工智能通識教育的核心內涵，使其能夠準確把握并契合當前及未來人工智能技術的發展趨勢？

謝作如：李德毅院士認為，深度學習是傳統人工智能和新一代人工智能的分界點。當前中小學人工智能通識教育要以神經網絡和深度學習為核心內涵，關注數據驅動的智能形成范式，圍繞“算力、算法和數據”人工智能三要素展開，不僅要讓學生理解“如何工作”，還要讓學生初步理解人工智能“從何而來”。從第一性原理的角度看，學生要學習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是否具備了涉及“神經網絡”和“深度學習”的內容，但得到的反饋都不太認同，認為太難了，學生學不了。對此，您是怎么看的？這種認知是否也屬于一種“黑箱”教學的弊端？

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

朱宋煜：確實，如果教師自身因認知偏差而畏難，學生便只能停留在調用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，更無法真正培養學生的批判性思維。一線教師要突破這些認知壁壘，必須首先從教學范式上進行一場根本性重構。

挑戰：為何實驗在AI教育中“缺位”？

朱宋煜：謝老師，您曾強調“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節缺失的現象尤為突出。您認為造成當前中小學人工智能教育實驗缺失的核心癥結何在？

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》的專題刊登在《中國信息技術教育》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，本質上都是實驗室中無數次的假設驗證與數據迭代的成果。然而，當這門根植于實證精神的學科進入基礎教育課程時，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。實驗應該根植在教學中，如同科學課程中的實驗。當前的一些通識課程之所以沒有實驗，我想有兩大原因：其一是設計者對人工智能的理解出現偏差，把編程、單片機等同于人工智能；其二是設計者沒有找到適合中小學生的實驗工具。

朱宋煜：這個問題確實很關鍵。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？例如，初中生沒有小學基礎、高中生沒有初中基礎的“合成謬誤”現象，是否也會導致教學內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或者教材設計者都會遇到的難題。我曾經借用“合成謬誤”這一經濟學名詞來歸納，指對局部說來是對的東西，對總體而言卻未必是對的，如課標需要呈現體系，但事實上新教材是同時下發的，導致高年級缺少低年級的基礎。我最近組織了一批教師編寫面向義務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，小學和初中都定位在零起點，但是學習難度不同，學習主線也不同。再如，讓每個分冊的學習內容盡可能模塊化，保持獨立，即五年級學生沒有四年級基礎也能學習，如果有基礎，則會學得更輕松。

朱宋煜：您關于教材設計的思路和解決“合成謬誤”現象的分享，為我們提供了寶貴的實踐經驗。在此基礎上，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有信息科技課程之間的關系的？特別是針對編程內容的安排，如何既避免與信息科技課程的學習內容產生沖突或不當的學段搶占，又能有效實現人工智能的應用目標？我曾觀察到某些教材三年級即引入編程，這與《義務教育信息科技課程標準（2022年版）》建議的學段存在差異，并引發了不少爭議。

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學習內容上的相對分離，去除編程、傳統算法的學習，強調機器學習和深度學習，突出新一代人工智能。又如，教材要接地氣望云端，適合不同條件的學校實施，學校只需要具備信息科技的教學條件（有機房）即可實施人工智能通識教育。再如，教材需要結合平臺工具，學生打開瀏覽器就能完成各種體驗、實驗和實踐活動，培訓學生解決真實問題的能力。

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

朱宋煜：當我們將編程視為人工智能的唯一入口，或將傳統信息技術工具簡單嫁接時，實驗教學的“缺位”便是必然結果。這也讓我愈發清晰地認識到，要實現實驗教學的回歸，必須突破舊有的工具和理念框架，從零開始，重新構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

朱宋煜：既然您強調實驗教學的重要性，并指出當前教學工具的缺失是主要癥結之一，那么在不依賴復雜設備和編程語言的情況下，您覺得應如何設計面向義務教育階段的人工智能實驗課程，讓學生能夠“打開黑箱”，觸達人工智能的原理？

謝作如：這是一個很關鍵的問題。我曾經參考華南師范大學鐘柏昌教授的“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應用（指應用軟件、智能體）解決問題”“用AI模型解決問題”和“用數據算法解決問題”三個維度，再按照難度將每個維度分為入門、進階、熟練三個層級。

如下圖所示，從訓練到部署應用是開發的次序。而學習的次序要跟開發相反，即“逆向”，先體驗和應用，再體會AI模型，最后去研究數據、算法和算力。這三種問題解決能力類似語文的“聽說讀寫”，不能簡單地認為小學階段學“AI應用”，初中階段學“AI模型”，高中階段學“數據算法”，而是每一個學段都要并行發展，螺旋上升。

您看，無論是哪個維度的能力培養，其實都不太依賴于復雜設備。所以我常常說，人工智能教育與硬件無關。當然，有一些AI硬件能讓人工智能具象化起來，AI模型結合了硬件，就變成了無人車、智能機械手等，但不能認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，為更有效地激發義務教育階段學生對人工智能深層原理的探究興趣，并超越單純的應用層面，我們應如何在實驗教學中避免“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。在大學學習《計算機網絡基礎》，不僅要學習協議設計，還要學習曼切斯特編碼，學《計算機原理》得深入到CPU指令。現在信息科技再怎么關注原理，再怎么強調科學原理，也不需要學這些內容。所以，隨著大家對人工智能的了解更加深入，自然而然會區分哪些原理適合中小學生學習，哪些不適合。

例如，在教機器學習的時候，我會先設計一個簡單的“線性回歸”實驗，告訴學生用現成的線性回歸算法就能訓練出有效的模型。當數據變得復雜，就需要多項式回歸、SVM之類算法來解決。但是，隨著數據的復雜度越來越高，涉及圖像則需要借助卷積神經網絡，涉及時序則需要借助循環神經網絡。當進行文本分類的時候，則要告訴學生需要借助更好的表征技術，如詞向量，讓詞語之間實現“可計算”。在這些實驗中，我會讓學生結合真實問題，收集真實數據，訓練模型并應用模型，讓原理和應用結合起來。

我曾經設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，分為數據處理、模型訓練和模型推理三類。我在《設計一個模擬神經網絡推理的不插電游戲》（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元計算的實驗活動：先訓練一個最簡分類模型，然后讀出模型中的“權重”和“偏置”，讓五位同學模擬神經網絡的計算規則，手動計算結果并向后傳遞。我期待用這樣的方式，讓學生把“黑箱”打開，觸達原理。

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時，應如何構建一套分級的算力支持體系，以確保所有學校，無論條件如何，都能開展有效的實驗教學？

謝作如：開展人工智能教育，“算力匱乏”是無法繞過的難題。但基礎的人工智能實驗對算力的要求并不高，如機器學習、全連接神經網絡等，任何電腦都能快速完成，真正的難題其實在于環境的搭建，很難做到一個學習工具能同時兼容眾多的操作系統。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實驗活動。

朱宋煜：“逆向工程”學習路徑從應用到模型，再到數據、算法和算力的逆向遞進，巧妙地將復雜的技術原理融入到學生可感知、可操作的情境中。在具體的課程設計中，應如何將這一路徑與具體的教學場景、教學活動相結合，使“黑箱”得以逐漸打開，讓學生在“動手做”的過程中自然而然地觸達人工智能的核心？

謝作如：我近期將自己十年前開發的課程《互動媒體技術》升級為《人工智能和互動媒體技術》，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程序，防止誤觸發。那么學生就有多種方法來解決，如下載現成的手勢分類模型，即用“AI模型”解決問題。但是，現成的模型無法識別特殊的手勢，就引出了新的方法——收集手勢數據訓練模型來解決問題。在測試模型的過程中，教師還要不斷提出新要求，如“為什么訓練的模型只能識別某位同學？”“為什么訓練的模型這么容易誤判？”等。學生不僅要采集更多的數據讓模型泛化能力更強，還要修改網絡結構讓模型不容易過擬合等。在這個過程中，深度學習的“黑箱”就不斷打開，慢慢從“黑”變“灰”。

朱宋煜：在設計這些實驗時，除了前面提到的“不插電”活動，還能如何利用現有的平臺工具，在保證教學效果的同時，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設計，讓學生更清晰地看到數據是如何影響模型訓練，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——學習工具是關鍵。要激發學生對原理探究的興趣，不僅要去訓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，能夠打開訓練的AI模型，輸出網絡結構和權重、偏置之類的數據。其內置的visual_feature函數，可逐層呈現具體的計算過程和結果。學生甚至可以手動計算數據，對這些數據進行比較、驗證。通過這些工具讓學生明白，人工智能就是用計算的方式模擬人的某些智能行為。

突破：從知識學習到素養培養

朱宋煜：謝老師，您認為在展望未來智能社會快速演進的背景下，義務教育階段的人工智能通識教育，其戰略價值主要體現在哪些方面？

謝作如：“戰略價值”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。為什么強調“無懼前行”？這里深究一下，現在大家陷入無意義的內卷，其根源有對未來的恐懼，對人工智能時代的恐懼。我們如果讓學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，也許就不會過于擔心了。至少他們會知道，現在的各種“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，為適應未來打下基礎，使他們成為未來智能社會的積極參與者和創造者。

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生對技術原理的真實感知與親身實踐。在此基礎上，面對現實世界中AI倫理問題的復雜性與多維性，應如何進一步將人工智能倫理教育融入通識教育中，實現從認知到行為的深度內化？

謝作如：人工智能的“技術濫用”是一個重要的倫理問題，尤其是人臉識別。我認為對于小學生來說，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，等學生們心智成熟點再討論。再具體一點吧，人工智能中的“數據歧視”也是一個重要的倫理問題。但是，如果學生并不知道人工智能模型的能力來自訓練數據，那他們如何看待人工智能模型出現了某種偏見的問題？責任在算法設計者上，還是數據提供者上，或者是模型部署者上？要做出準確的判斷，則需要親歷一次收集數據、訓練模型并解決問題的過程，否則所謂人工智能倫理的培養都是無根之木、無源之水。跨學科項目式學習可以自然而然地將AI倫理議題融入其中。

總結與展望

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

謝作如：謝謝朱老師，也很高興能與您進行這次富有建設性的交流。人工智能教育的道路充滿機遇，也充滿挑戰，但只要我們一線教育工作者能夠持續學習、勇于探索，共同構建開放、多元、富有活力的教育生態，就一定能培養出適應未來、引領未來的創新人才。期待未來能看到更多精彩的實踐和突破。

文章刊登于《中國信息技術教育》

2025年第21期

引用請注明參考文獻：

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

歡迎訂閱

識別上方二維碼即可訂閱