钟柏昌深度解析新一代人工智能教育五大逻辑主线
新一代人工智能教育已彻底颠覆传统模式。过去那种从理论到实践的线性路径早已失效，如今需要全新的认知框架：一方面，中小学生必须真正接触前沿科技。如何实现？关键在于逆向学习——不是先掌握原理再应用，而是从真实问题切入，先体验、先使用现成的智能工具，例如直接用大模型撰写作文或完成翻译，再逐步溯源，理解背后的算法与模型。另一方面，作为基础教育课程，不能只聚焦技术，更要嵌入素养底色。简言之，既要培养学生运用AI解决新问题的思维方式，也要让他们直面AI引发的伦理道德挑战——这一点往往比技术本身更关键。
从表层到深层，有一条清晰的进阶路径：表层是利用现成AI工具解决问题；里层是借助AI技术设计新工具，即模型应用与模型优化；再往深处，是思维方法和情感道德的塑造与内化。从这条路径中，可以提炼出五条逻辑主线——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。下面逐一展开。
工具智能化
工具智能化的核心在于“用中学”。学生在使用智能工具解决真实问题的过程中，同步理解工具背后的原理与价值。例如，学生利用大语言模型查询学习困惑，不仅学会撰写提示词，还能在交互中逐步领悟文本生成机制。更进一步，学生可以根据具体需求，选择虚拟智能体（如英语对话助手、作文修改助手）或物理智能体（如智能教学机器人、无人驾驶汽车），甚至通过提示词或低代码方式，自行搭建一个个性化智能体。这种从使用到创造的流程，精准且高效。
问题模型化
问题模型化，本质是将真实问题拆解为可计算的问题链，然后选择合适的人工智能模型、准备相应数据集进行训练，最终获得最优解。这一能力直接决定学生能否借助AI开发出解决实际问题的智能工具。具体到课程实践，可分为两大任务：问题建模与模型开发。
问题建模的关键，在于将复杂的现实问题或抽象概念，提炼为可用AI技术求解的模型需求。过程中，学生需要运用AI基础知识，从多个维度分析、分解问题，抓住核心，逐步理解AI的基本逻辑，形成“用模型解决问题”的思维习惯。
模型开发则是将建模结果转化为可操作的AI解决方案。其中包含三个核心环节：数据集准备、模型训练与模型推理。准备阶段需要收集、清洗、组织数据；训练阶段要选择算法、调整超参数，优化模型性能；推理阶段需评估模型实际表现，并提出改进方案。整套流程下来，学生发现问题、解决问题的能力自然得到提升。
模型优化
在新一代AI教育中，模型优化不仅关注精度，还要兼顾计算效率与资源优化。这条逻辑主线旨在让学生逐步理解AI算法背后的深层逻辑，明确数据、算法（模型）与算力之间的依存关系，从而形成对AI技术的整体认知。
优化方法多样，例如泛化、压缩。学习这些方法后，学生能更深刻地理解AI的技术思想。更重要的是，在反复调整模型结构、算法、参数并进行迭代优化时，学生能真切体会算法背后的设计逻辑，对AI机制的认识更加深入，AI素养随之提升。
思维可视化
AI思维体系大致包含工程思维、设计思维、计算思维和系统思维。在中小学校AI教育中，这些思维能否可视化，取决于学生设计、开发、测试、优化“智能交互系统”的全过程。需特别注意的是，这里所说的“智能交互系统”并非单向技术系统，而是“人机共智”的智慧系统，强调人与AI的双向建构。具体实践中，需准确把握这四种思维的联系与区别。
首先，工程思维与设计思维紧密关联。实际教学中，两者往往融合为“工程设计思维”——既要求学生根据用户真实需求发现问题、提出创造性方案，又要求他们按方案进行开发、测试与优化。
其次，计算思维能帮助学生更深入地理解AI解决问题的过程。具体可拆解为七个部分：
一是分解与模块化——将大问题拆分为小问题，复杂问题划分为子模块；
二是抽象与建模——运用计算机科学方法提炼问题，形成模型化方案；
三是数据与标注——在原始数据上添加元数据（打标签），构建训练数据集；
四是训练与模拟——利用标记数据训练模型，通过模拟、仿真验证效果；
五是部署与推理——将训练好的模型部署到嵌入式设备，接收新数据进行预测；
六是优化与迭代——持续反思方案不足，逐步求精；
七是复用与迁移——将已有问题解决方案迁移至其他问题。
最后，系统思维是一种统筹性思维，可融入工程思维、设计思维和计算思维中，贯穿智能交互系统设计、开发、测试、优化的全过程。它要求学生统筹系统功能、结构、美观等各要素及其相互关系，构建出最大限度满足需求的系统。
道德情感内化
新一代中小学AI课程，必须从道德情感内化的角度，综合考虑AI技术与人类、社会的复杂关系，提升学生重规范、合伦理、高效率运用AI的自主性。
首先，AI的强势发展必然引发与人类之间的伦理道德问题。探讨这些问题，有助于学生树立理性的技术价值观，明确智能时代的人类主体定位，形成文明互动的礼仪与规范。实践中，要引导学生全面理解AI与人类的关系，掌握文明互动、规范应用的方式，未来方能理智、负责任地使用AI。
其次，AI技术发展的不稳定性，及其与社会的融合，可能带来不确定的风险。探讨这些风险，有助于学生看清AI对社会公平、信息安全等可能造成的隐患。要引导学生全面理解AI与社会发展的相互作用，探究开发应用中的公平问题与法律风险，明确并遵循相关的公平机制与法律规范。
（作者系华南师范大学教育信息技术学院学术分委员会主任、教授）