鐘柏昌：新一代人工智能教育的五條邏輯主線

自ChatGPT為代表的大語言模型爆發(fā)以來，人工智能邁入了一個(gè)全新的發(fā)展階段，這個(gè)階段我們稱為新一代人工智能發(fā)展時(shí)期。新一代人工智能的發(fā)展有幾個(gè)顯著特征，為人工智能教育帶來了諸多挑戰(zhàn)：一是基于連接主義的深度學(xué)習(xí)算法的崛起，具有前沿性，這涉及青少年學(xué)生如何入門的問題；二是不局限于計(jì)算機(jī)科學(xué)的發(fā)展，而是物理科學(xué)、神經(jīng)科學(xué)等與計(jì)算機(jī)科學(xué)交叉融合發(fā)展的產(chǎn)物，具有跨學(xué)科性，這涉及青少年學(xué)生從何入手的問題；三是不再囿于實(shí)驗(yàn)室的算法實(shí)驗(yàn)，而是面向真實(shí)問題解決，具有實(shí)踐性，這涉及人工智能教育以何為徑的問題；四是不再是單一的算法設(shè)計(jì)，而側(cè)重基于數(shù)據(jù)集的模型訓(xùn)練和預(yù)訓(xùn)練，具有算力依賴性，這涉及人工智能教育以何為具的問題。

這些特征決定了新時(shí)期的人工智能教育與過往的人工智能教育有著顯著差異，需要用新的視角重新理解：一方面，要讓青少年學(xué)生觸摸前沿科技，如果從人工智能底層的概念、算法、模型、框架開始學(xué)起，無疑具有極高的門檻，不利于激發(fā)和維持學(xué)生的學(xué)習(xí)興趣。開展中小學(xué)人工智能教育要有逆向?qū)W習(xí)思維，改變過往從0到1的學(xué)習(xí)路徑，基于真實(shí)問題解決，從現(xiàn)成的智能工具的體驗(yàn)、運(yùn)用開始，或者從模型的搭建、訓(xùn)練、應(yīng)用（工程與技術(shù)方法）漸進(jìn)理解人工智能背后的算法模型（科學(xué)與數(shù)學(xué)思想）。換言之，中小學(xué)人工智能教育不是高校人工智能專業(yè)教育的簡單下放，而是要從工程教育出發(fā)逐步過渡到科學(xué)教育，這樣才能破解青少年接觸前沿科技門檻過高的難題，也才能順應(yīng)人工智能跨學(xué)科性和實(shí)踐性的特點(diǎn)。另一方面，作為基礎(chǔ)教育課程，在引領(lǐng)學(xué)生了解前沿科技的基礎(chǔ)上，要特別樹立素養(yǎng)教育理念，發(fā)揮課程的育人價(jià)值：不僅要體現(xiàn)利用人工智能解決問題的新型思維方式，還要讓學(xué)生能夠理解和面對人工智能技術(shù)發(fā)展所帶來的倫理道德問題。

中小學(xué)人工智能教育的課程體系構(gòu)建還要尊重學(xué)生的認(rèn)知特征和發(fā)展特點(diǎn)，符合循序漸進(jìn)、螺旋上升的要求。課程設(shè)計(jì)的邏輯主線是新一代人工智能課程體系的內(nèi)在經(jīng)脈。構(gòu)建人工智能課程的邏輯主線有不同的思路。例如，從人工智能技術(shù)本身（如不同的技術(shù)流派或者不同的技術(shù)路線的模型框架）出發(fā)構(gòu)建邏輯主線，但是人工智能處在快速發(fā)展階段，學(xué)科體系尚不成熟，所謂人工智能的技術(shù)流派和技術(shù)路線尚存爭議；更重要的是，這種學(xué)科本位的邏輯思路很可能帶來大量陳舊而艱深的人工智能基礎(chǔ)知識的學(xué)習(xí)，回到過往從0到1的學(xué)習(xí)路徑，遠(yuǎn)離青少年學(xué)生的生活經(jīng)驗(yàn)和認(rèn)知特點(diǎn)，無法有效降低中小學(xué)生的學(xué)習(xí)門檻，不符合上述逆向?qū)W習(xí)的思維。相比之下，從人工智能技術(shù)的不同樣態(tài)和應(yīng)用需求中尋找邏輯線索可能更接地氣。借用具身哲學(xué)的觀點(diǎn)，由表及里地使用某種技術(shù)，實(shí)質(zhì)反映的是人與技術(shù)關(guān)系的不斷深入。因此，筆者認(rèn)為，從表層的人工智能技術(shù)應(yīng)用（用現(xiàn)成的人工智能工具解決問題），到里層的人工智能模型應(yīng)用和模型優(yōu)化（用人工智能技術(shù)設(shè)計(jì)人工智能工具），再到深層的人工智能思維方法和情感道德的塑造與內(nèi)化，構(gòu)成了人類主體與人工智能具身關(guān)系的基本發(fā)展路徑，從這些路徑中可以提煉出工具智能化、問題模型化、模型優(yōu)化、思維可視化、道德情感內(nèi)化五大邏輯主線。

工具智能化：生成式人工智能、大模型、智能體、多模態(tài)、輕應(yīng)用

工具智能化是指在人工智能技術(shù)的加持下，面向大眾的通用信息技術(shù)工具越來越智能化，形成了基于智能工具的應(yīng)用體系：不僅新興的人工智能工具具有極高的智能化水平，如生成式人工智能工具；而且過往的信息技術(shù)工具也越來越智能化，如傳統(tǒng)的門禁系統(tǒng)整合了人臉識別的功能。這些智能工具主要以多模態(tài)數(shù)據(jù)為基礎(chǔ)、大模型技術(shù)為支撐、生成式為功能、智能體為載體、輕應(yīng)用為形態(tài)，在解決問題時(shí)表現(xiàn)出高度通用性與靈活性，能夠有效應(yīng)對多樣化需求。因此，在工具智能化路徑下，通過“用中學(xué)”的方式，學(xué)生在使用智能工具解決真實(shí)情境問題的同時(shí)，可以理解新技術(shù)背后的原理及價(jià)值，實(shí)現(xiàn)應(yīng)用與理解之間的有機(jī)結(jié)合。例如，學(xué)生在運(yùn)用某種認(rèn)知大模型解答學(xué)習(xí)困惑時(shí)，不僅能夠掌握智能工具的應(yīng)用技巧（如提示詞編寫），還可以通過與工具的互動(dòng)逐漸理解其工作原理（如文字生成機(jī)制），從而加深對智能工具的科學(xué)認(rèn)知。這不僅使學(xué)生能夠認(rèn)識到工具的優(yōu)勢與潛力，還能意識到工具固有的局限性（如“幻覺”現(xiàn)象）。此外，學(xué)生還可以根據(jù)實(shí)際問題和需求，選擇具備特定功能的虛擬智能體（如英語聊天助手、作文修改助手等）或物理智能體（如智能教學(xué)機(jī)器人、無人駕駛汽車等），甚至還可以通過提示語或低代碼方式搭建個(gè)性化智能體，精準(zhǔn)且高效地解決所面臨的問題。

工具智能化是引導(dǎo)青少年學(xué)生感受和進(jìn)入人工智能領(lǐng)域的橋梁。通過使用智能工具解決真實(shí)問題，不僅有效降低了學(xué)習(xí)和運(yùn)用人工智能的門檻，而且能夠充分感受人工智能的獨(dú)特優(yōu)勢，有效激發(fā)學(xué)生深入探索人工智能技術(shù)的興趣。同時(shí)，通過非代碼或低代碼的方式對智能工具進(jìn)行二次開發(fā)，不僅可以提升學(xué)生利用人工智能技術(shù)解決實(shí)際問題的能力，而且能夠了解人工智能的基本概念與工作原理，為后續(xù)學(xué)習(xí)復(fù)雜的模型構(gòu)建與優(yōu)化奠定基礎(chǔ)。

問題模型化：問題建模、數(shù)據(jù)集準(zhǔn)備、模型訓(xùn)練、模型推理

問題模型化是將真實(shí)問題抽象分解為可以被計(jì)算的問題鏈，并選擇和搭建合適的人工智能模型，準(zhǔn)備合適的數(shù)據(jù)集訓(xùn)練模型獲得最優(yōu)解的過程，旨在培養(yǎng)學(xué)生應(yīng)用人工智能模型開發(fā)智能工具、進(jìn)而解決真實(shí)問題的能力。在具體課程實(shí)踐中，問題模型化可以分為問題建模與模型開發(fā)兩大任務(wù)。

問題建模指將實(shí)際需求或抽象問題分解為問題鏈，并轉(zhuǎn)化為一系列可數(shù)字化表述的數(shù)據(jù)和可被機(jī)器執(zhí)行的算法模型。在人工智能教育中，問題建模的關(guān)鍵任務(wù)是將復(fù)雜的現(xiàn)實(shí)問題或抽象概念提煉為可以通過人工智能技術(shù)求解的模型需求。在這一過程中，學(xué)生需要運(yùn)用所學(xué)人工智能基礎(chǔ)知識，從多維度分析和分解問題，提煉關(guān)鍵要素，并以人工智能視角把握問題的核心，從而在實(shí)踐中逐步理解人工智能的基本邏輯，初步形成利用人工智能模型解決實(shí)際問題的思維模式。

模型開發(fā)是將問題建模結(jié)果轉(zhuǎn)化為實(shí)際可操作的人工智能解決方案的過程。模型開發(fā)可細(xì)分為數(shù)據(jù)集準(zhǔn)備、模型訓(xùn)練和模型推理三個(gè)核心環(huán)節(jié)。數(shù)據(jù)集準(zhǔn)備環(huán)節(jié)要求學(xué)生收集、清洗和組織數(shù)據(jù)，以自然語言處理為例，主要涉及如何通過分詞（將文本分割為基本語言單元）和嵌入（以向量方式實(shí)現(xiàn)語義關(guān)聯(lián)）將文本數(shù)據(jù)轉(zhuǎn)換成機(jī)器可以理解的形式；通過這些過程，學(xué)生將能夠理解數(shù)據(jù)質(zhì)量對模型性能的影響，并認(rèn)識到數(shù)據(jù)在人工智能中的重要作用。模型訓(xùn)練環(huán)節(jié)要求學(xué)生選擇合適的算法訓(xùn)練模型，并通過調(diào)整超參數(shù)優(yōu)化模型性能，旨在促進(jìn)學(xué)生深入理解人工智能算法模型的工作機(jī)制，培養(yǎng)其實(shí)驗(yàn)探究精神和數(shù)據(jù)分析能力。模型推理環(huán)節(jié)要求學(xué)生評估并測試模型的實(shí)際表現(xiàn)，并提出針對性優(yōu)化方案，借此過程學(xué)生將能回顧審視數(shù)據(jù)集準(zhǔn)備和模型訓(xùn)練存在的不足，提升發(fā)現(xiàn)問題、解決問題的實(shí)踐能力。

模型優(yōu)化：泛化、壓縮、部署、算力

模型優(yōu)化是指在利用人工智能模型解決問題的過程中，通過一系列技術(shù)手段提升模型的性能、效率和可用性，以確保其在實(shí)際應(yīng)用中的穩(wěn)定性和高效性。進(jìn)一步說，模型優(yōu)化的實(shí)質(zhì)是增強(qiáng)模型的泛化能力、減少計(jì)算資源消耗，并提升其在不同場景下的適應(yīng)性。在新一代人工智能教育中，模型優(yōu)化不僅要關(guān)注模型精度的提升，還要強(qiáng)調(diào)計(jì)算效率和資源的優(yōu)化。因此，以模型優(yōu)化為邏輯主線，旨在引導(dǎo)學(xué)生漸進(jìn)理解人工智能算法背后的深層邏輯，同時(shí)理解數(shù)據(jù)、算法（模型）和算力在人工智能模型中的相互依存關(guān)系，從而提升學(xué)生對人工智能技術(shù)的整體把握。

模型優(yōu)化的方法包括泛化、壓縮等，通過學(xué)習(xí)這些優(yōu)化方法，學(xué)生可以更深入理解人工智能背后的技術(shù)思想。例如，為了提高模型泛化能力，避免過擬合（指模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)優(yōu)異，但在測試數(shù)據(jù)或新的數(shù)據(jù)集上性能不佳的現(xiàn)象，如同學(xué)生做了許多同質(zhì)練習(xí)題但沒有理解其一般性），需要用到各種泛化技術(shù)，進(jìn)而可以幫助學(xué)生理解正則化技術(shù)（指通過降低函數(shù)中不同特征項(xiàng)的權(quán)重以降低模型復(fù)雜度的技術(shù)）和數(shù)據(jù)增強(qiáng)技術(shù)（指采用更多樣化的數(shù)據(jù)進(jìn)行模型訓(xùn)練，如同通過增加差異化練習(xí)題來提高學(xué)生的遷移能力）。

具備泛化能力的模型不一定具備實(shí)用價(jià)值，還需要考慮模型部署涉及的硬件性能（存儲空間和算力等），因此往往還需要通過模型壓縮來優(yōu)化模型、適配硬件條件，例如通過“量化”降低參數(shù)精度，通過“剪枝”刪除一些不重要的參數(shù)，通過“蒸餾”生成簡化模型等。簡言之，模型優(yōu)化的目的是滿足模型部署后的使用與效率，模型部署則可以檢驗(yàn)?zāi)Ｐ蛢?yōu)化的效果并為優(yōu)化提供指引。模型部署環(huán)節(jié)要求學(xué)生將經(jīng)過訓(xùn)練的模型部署于專用設(shè)備（如邊緣計(jì)算硬件），制作能夠獨(dú)立運(yùn)行的智能交互系統(tǒng)，并確保其穩(wěn)定、高效運(yùn)行。這一過程將幫助學(xué)生學(xué)會如何將人工智能技術(shù)轉(zhuǎn)化為具體的應(yīng)用，深刻感悟人工智能技術(shù)的實(shí)用價(jià)值，并獲得利用人工智能技術(shù)開展多模態(tài)、跨學(xué)科實(shí)踐創(chuàng)新的成就感。

模型優(yōu)化不僅聚焦于模型性能的提升，還體現(xiàn)了數(shù)據(jù)、算法和算力之間的密切關(guān)系。人工智能在算力的支持下，利用算法從數(shù)據(jù)中學(xué)習(xí)知識，從而達(dá)到智能化解決問題的目標(biāo)。一般而言，問題的復(fù)雜性越高，數(shù)據(jù)量越大、非結(jié)構(gòu)化程度越強(qiáng)，算法的復(fù)雜程度和對算力的需求也越高。[1] 在模型優(yōu)化過程中，如何通過減少計(jì)算復(fù)雜度降低對算力的需求，如何通過更高效的數(shù)據(jù)處理提升模型性能，都是模型優(yōu)化實(shí)踐中的關(guān)鍵課題。例如，剪枝技術(shù)通過減少冗余連接降低計(jì)算量，從而降低算力需求；數(shù)據(jù)量化技術(shù)則通過降低數(shù)據(jù)精度來減少計(jì)算資源消耗。在這一過程中，學(xué)生將逐步理解算力和數(shù)據(jù)在人工智能模型中的作用及其與算法間的關(guān)系，并掌握如何通過模型優(yōu)化實(shí)現(xiàn)三者的動(dòng)態(tài)平衡。

總之，通過模型優(yōu)化，學(xué)生不僅可以經(jīng)歷持續(xù)調(diào)整模型的結(jié)構(gòu)、算法與參數(shù)實(shí)現(xiàn)模型迭代優(yōu)化的過程，還能深刻體會到人工智能算法背后的設(shè)計(jì)邏輯，深化對人工智能算法機(jī)制的認(rèn)識，進(jìn)而提升其人工智能素養(yǎng)。

思維可視化：工程思維、設(shè)計(jì)思維、計(jì)算思維、系統(tǒng)思維

思維可視化是指在人工智能教育中將內(nèi)隱、抽象、復(fù)雜的思維過程外化為顯性的實(shí)踐過程。新一代人工智能的發(fā)展要求教育領(lǐng)域積極培育學(xué)生具備那些不會被技術(shù)工具所取代的心智模式（如高階思維等）。人工智能思維體系的基本框架包括工程思維、設(shè)計(jì)思維、計(jì)算思維和系統(tǒng)思維。[2] 四種思維相互聯(lián)系、互為補(bǔ)充，共同構(gòu)成人工智能背景下人類適應(yīng)終身發(fā)展和整體發(fā)展需要的思維方式。在中小學(xué)人工智能教育中，人工智能思維的可視化證據(jù)主要來源于學(xué)生設(shè)計(jì)、開發(fā)、測試與優(yōu)化“智能交互系統(tǒng)”的全過程。需要注意的是，此處的“智能交互系統(tǒng)”是智慧系統(tǒng)而非單向度的技術(shù)系統(tǒng)，旨在彰顯“人機(jī)共智”理念，體現(xiàn)人工智能技術(shù)與人類主體之間的雙向建構(gòu)。在人工智能教育實(shí)踐過程中，需要審慎把握四種思維的聯(lián)系與區(qū)別。

首先，工程思維與設(shè)計(jì)思維具有緊密的邏輯關(guān)系，前者主要是指以系統(tǒng)分析和比較權(quán)衡為核心的一種籌劃性思維，[3] 同時(shí)還是一種構(gòu)造思維（通過工程制造將設(shè)計(jì)結(jié)果轉(zhuǎn)化為現(xiàn)實(shí)的人工物品），[4] 后者則主要指基于技術(shù)問題進(jìn)行創(chuàng)新性方案構(gòu)思的一系列問題解決過程。工程思維與設(shè)計(jì)思維在人工智能教育實(shí)踐過程中常常融合為“工程設(shè)計(jì)思維”，既要求學(xué)生根據(jù)用戶的真實(shí)需求發(fā)現(xiàn)問題，并通過多種形式提出創(chuàng)造性解決問題的方案，也要求學(xué)生根據(jù)方案實(shí)現(xiàn)智能交互系統(tǒng)的開發(fā)、測試與優(yōu)化。

其次，計(jì)算思維能夠使學(xué)生更深層了解人工智能解決問題的過程，在人工智能教育實(shí)踐過程中可將其提煉為七個(gè)部分：一是在“分解與模塊化”方面，學(xué)生在智能交互系統(tǒng)設(shè)計(jì)的過程中，能夠?qū)⒋髥栴}分解成小問題，將復(fù)雜問題（系統(tǒng)）劃分（分解）成若干子模塊；二是在“抽象與建?！狈矫?，學(xué)生在設(shè)計(jì)智能交互系統(tǒng)的過程中，能夠運(yùn)用計(jì)算機(jī)科學(xué)領(lǐng)域的思想方法，通過問題抽象形成模型化問題解決方案；三是在“數(shù)據(jù)與標(biāo)注”方面，學(xué)生在設(shè)計(jì)智能交互系統(tǒng)的過程中，能夠在文本、視頻、圖像等原始數(shù)據(jù)的基礎(chǔ)上添加元數(shù)據(jù)進(jìn)行標(biāo)注，即通過“打標(biāo)簽”形成訓(xùn)練數(shù)據(jù)集；四是在“訓(xùn)練與模擬”方面，學(xué)生在開發(fā)智能交互系統(tǒng)的過程中，能夠?qū)?biāo)記好的數(shù)據(jù)用于訓(xùn)練機(jī)器學(xué)習(xí)的模型，并通過模擬、仿真等驗(yàn)證模型的運(yùn)行效果；五是在“部署與推理”方面，學(xué)生在開發(fā)智能交互系統(tǒng)的過程中，能夠?qū)⒂?xùn)練好的模型部署到嵌入式設(shè)備中，并接收新數(shù)據(jù)進(jìn)行推理與預(yù)測；六是在“優(yōu)化與迭代”方面，學(xué)生在測試智能交互系統(tǒng)的過程中，能夠持續(xù)反思當(dāng)前方案的不足，逐步求精和優(yōu)化完善；七是在“復(fù)用與遷移”方面，學(xué)生在開發(fā)智能交互系統(tǒng)的過程中，能夠利用已有問題解決方案，并將其遷移運(yùn)用于解決其他問題。

最后，系統(tǒng)思維是一種統(tǒng)籌性思維，可以滲透于工程思維、設(shè)計(jì)思維和計(jì)算思維之中，共同作用于智能交互系統(tǒng)設(shè)計(jì)、開發(fā)、測試與優(yōu)化的全過程，要求學(xué)生合理統(tǒng)籌系統(tǒng)功能、結(jié)構(gòu)、美觀等各個(gè)要素及要素間的作用關(guān)系，制作出最大限度滿足需求的智能交互系統(tǒng)。

道德情感內(nèi)化：文明禮儀、行為規(guī)范、信息安全、社會公平

道德情感內(nèi)化是指個(gè)體在學(xué)習(xí)和應(yīng)用人工智能技術(shù)的過程中，深刻理解倫理標(biāo)準(zhǔn)和道德規(guī)則并內(nèi)化為自身的情感和價(jià)值觀體系。新一代人工智能技術(shù)區(qū)別于其他技術(shù)的關(guān)鍵之處在于其可能模仿人類思維方式，使人工智能與人類之間的界限愈益模糊，甚至對人類的主體地位構(gòu)成潛在威脅。同時(shí)，新一代人工智能技術(shù)發(fā)展依然面臨著不穩(wěn)定、算法黑箱、信息安全等風(fēng)險(xiǎn)，有可能被不法分子利用，致使人工智能技術(shù)實(shí)施危害社會的行為。當(dāng)前，盡管能進(jìn)行信息處理、加工乃至深度學(xué)習(xí)和情感計(jì)算的人工智能也有“意識”，也能反應(yīng)、感想、反思和決定，但唯獨(dú)不能想象和共情，這是未來相當(dāng)一段時(shí)間內(nèi)人工情感與人類情感的質(zhì)差。[5] 作為人之為人的根本，情感尤其是道德情感在形塑品格、涵養(yǎng)德行、生成價(jià)值觀的過程中占據(jù)著不可忽略的基礎(chǔ)性地位，不僅可以明確人工智能與人類之間可能產(chǎn)生的倫理道德問題，也可以應(yīng)對現(xiàn)代社會風(fēng)險(xiǎn)的不確定性，為人類社會行為提供具有普遍指導(dǎo)意義的觀念、原則或標(biāo)準(zhǔn)。因此，新一代中小學(xué)人工智能課程需要從道德情感內(nèi)化的角度，綜合考慮人工智能技術(shù)與人類、社會的復(fù)雜關(guān)系，提高學(xué)生重規(guī)范、合倫理、高效率運(yùn)用人工智能技術(shù)的自主性。[6]

首先，人工智能的強(qiáng)勢發(fā)展及其與人類之間的復(fù)雜關(guān)系必然引發(fā)人工智能與人類之間的倫理道德問題，對這些問題的探討有助于樹立理性的技術(shù)價(jià)值觀，引領(lǐng)學(xué)生找到智能時(shí)代的人類主體定位，進(jìn)而形成適應(yīng)新一代人工智能發(fā)展時(shí)期人機(jī)交互的文明禮儀和行為規(guī)范。這里所謂文明禮儀是指人機(jī)交互時(shí)遵循的社會文化規(guī)范、道德準(zhǔn)則以及互動(dòng)規(guī)則。這些禮儀不僅涉及用戶與系統(tǒng)交互時(shí)的禮貌、尊重與體貼，還包括系統(tǒng)在回應(yīng)用戶時(shí)所表現(xiàn)出的適當(dāng)性、友好性和理解性。這里所謂行為規(guī)范是指人機(jī)交互時(shí)遵循的一套系統(tǒng)化、標(biāo)準(zhǔn)化行為模式和操作規(guī)則。這些規(guī)范對于優(yōu)化用戶體驗(yàn)、提升人機(jī)協(xié)作效率以及維護(hù)人機(jī)協(xié)作的和諧關(guān)系至關(guān)重要。在人工智能教育實(shí)踐過程中，需要引導(dǎo)學(xué)生全面理解人工智能與人類的關(guān)系，掌握與人工智能工具進(jìn)行文明互動(dòng)及規(guī)范應(yīng)用的方式和規(guī)則，以便在未來有理智、負(fù)責(zé)任地使用人工智能技術(shù)。

其次，人工智能技術(shù)發(fā)展的不穩(wěn)定性及其與社會之間的融合關(guān)系可能引發(fā)具有不確定性的現(xiàn)代社會風(fēng)險(xiǎn)，對這些風(fēng)險(xiǎn)的探討有助于明確人工智能給社會公平、信息安全等可能帶來的隱患。其中，人工智能技術(shù)所引發(fā)的信息安全風(fēng)險(xiǎn)是指在人工智能技術(shù)的應(yīng)用和發(fā)展過程中可能導(dǎo)致的信息泄露、數(shù)據(jù)濫用、系統(tǒng)漏洞、隱私侵犯等一系列安全問題；人工智能技術(shù)所引發(fā)的社會公平問題是指在人工智能技術(shù)的開發(fā)和應(yīng)用過程中可能出現(xiàn)的不平等或歧視現(xiàn)象，特別是在不同群體、個(gè)體或社會層面產(chǎn)生的差異，例如算法黑箱可能帶有數(shù)據(jù)偏差、數(shù)據(jù)歧視、算法陷阱，技術(shù)不平等應(yīng)用可能導(dǎo)致數(shù)字鴻溝等。在人工智能教育實(shí)踐過程中，需要引導(dǎo)學(xué)生全面理解人工智能與社會發(fā)展的相互促進(jìn)作用，探究人工智能開發(fā)與應(yīng)用可能帶來的公平問題和法律風(fēng)險(xiǎn)，明確并遵循人工智能開發(fā)與應(yīng)用的公平機(jī)制和法律規(guī)范。

參考文獻(xiàn)：

[1] 鐘柏昌，余峻展，謝作如. 中小學(xué)人工智能課程需要何種智能硬件？—現(xiàn)狀分析與發(fā)展方向[J]. 遠(yuǎn)程教育雜志，2024，42（01）：74-83.

[2] 鐘柏昌，劉曉凡. 人工智能思維：框架與解讀[J]. 課程·教材·教法，2024，44（01）：149-155.

[3] 教育部. 普通高中通用技術(shù)課程標(biāo)準(zhǔn)（2017年版2020年修訂）[M]. 北京：人民教育出版社，2020：4.

[4] 鐘柏昌，李藝. 計(jì)算思維的科學(xué)涵義與社會價(jià)值解析[J]. 江漢學(xué)術(shù)，2016（2）：88-97.

[5] 鐘柏昌，劉曉凡. 生成式人工智能何以、以何生成教育[J]. 電化教育研究，2024，45（10）：12-18+27.

[6] 鐘柏昌，劉曉凡，楊明歡. 何謂人工智能素養(yǎng)：本質(zhì)、構(gòu)成與評價(jià)體系[J]. 華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2024，42（01）：71-84.

（鐘柏昌 作者系華南師范大學(xué)教育信息技術(shù)學(xué)院學(xué)術(shù)分委員會主任、教授、博士生導(dǎo)師）

《人民教育》2024年第24期

作者：鐘柏昌