前言

今年暑期我们办了几期关于AI的研学营。多期下来，我们发现了一个特别普遍的现象：课程导入环节，老师问"同学们平常都用AI吗？都拿它来做什么？"，不少同学举手回答：用来问问题，用来做作业。

这两年，这个变化相信不少老师和家长都深有体会：孩子一遇到想不通的问题，第一反应常常不是自己琢磨，而是问问AI。答案几秒钟就出来，看起来效率很高。

但问题也跟着来了。答案来得太快太简单，孩子真正动脑的那一段 —— 为什么？是什么？对不对？—— 往往被整个跳过。作业做完了，思考没有发生。

于是大家开始争一件事：课堂上到底要不要用AI?要怎么把控孩子使用的AI边界？用吧，怕孩子依赖，不动脑子；不用吧，这一代孩子本来就生长在AI的环境 ，绕不开。

我们的看法很明确：AI 可以进课堂，但不能让它说了算。它该做什么、不该做什么，得先立好规矩。

AI 能做什么，不能做什么？

先把边界划清楚

课堂上AI应该只做三件事：

1、帮孩子把模糊的问题描述清楚

2、孩子凭直觉下判断时，反问一句 "你为什么这么想、打算怎么验证"

3、在卡住的时候提示可以从哪几个角度入手

它不做的事更明确

1、不替孩子提出问题

2、不把实验结论直接写在屏幕上

2、不因为谁操作快、谁试的次数多，就判定谁学得好。

现在不少所谓的 AI 课长这样：学生输入问题，AI 生成答案，学生复制粘贴、交差了事。看起来热热闹闹用了 AI，实际上思考那一段被整个跳过了 —— 提问没有发生，猜测没有发生，拿证据验证也没有发生。

道理很简单：答案来得越快，脑子就不思考了。而 AI 通识课要教的，恰恰是思考的过程 —— 怎么问、怎么猜、怎么拿证据验证。

一节课里

这条规矩是怎么执行的

规矩说起来就这几条，关键是怎么在一节课里做到。

我们基于多年深耕教育行业的经验，打造了一套贴合中小学教学实际的 AI 通识课程方案 ——《未来问号》人工智能通识课程。

这是一套面向小学三年级到初中九年级、按学段螺旋递进的课程：小学三到六年级共 44 节课、16 个单元，每节课都走同一条探究路径 —— 先观察、再提问，先预测、再动手实验，最后自己解释、回头反思。

拿四年级示范课《智能秤怎样自动识别商品？》来说。

这节课的第一个环节，不是讲原理，而是让孩子先猜：机器识别一个商品，分几步走？

孩子会给出各种排列。这个时候 AI 和老师都不急着纠正 —— 错的猜测本身就是学习材料。等他们把 "拍摄图像 — 提取特征 — 分析判断 — 输出结果" 排出来，再和人 "看一看 — 找特征 — 作判断 — 认出来" 对照，知识是他们自己走出来的，不是被喂进去的。

中间关键的一段，是模型测试。小组用自己拍的商品照片训练完，拿一个没见过的青苹果去测 —— 认错了。

这个时刻很考验老师：直接告诉他们 "样本不够多，回去补图" 吗？我们的做法是不。让孩子自己回头查：是样本太少？颜色没覆盖到？还是标签贴错了？他们查出来、补上图、重新训练，再来一次。结论是他们撞了南墙之后自己得到的。

还有一个细节：每讲完一个原理，先让孩子用自己的话写一遍解释，再看知识总结。顺序不能反。

评价方式也是这条规矩的延伸。我们不按操作次数和速度排名，每节课结束发的是探究徽章 —— 看的是你有没有提出一个真问题、有没有拿证据修正过自己的判断。

课末生成的探究记录里，留档的也不是分数，而是这节课你修正了几次判断、哪些结论是自己查证据确认的。全程不排名、不贴标签。

把问题和证据，还给孩子

这套做法不是一节示范课的特例。整套课程都是从一个孩子自己的问题出发，动手实验，带着证据回来。

回到我们的问题：一节AI课，AI说了不算，谁说了算？

说了算的是孩子自己。是他们观察时发现的好奇、猜错后想验证的追问、测错模型时反复排查的耐心、用自己的话讲清原理的笃定。

AI 在这门课里的位置，是退后一步的助教：澄清、追问、陪练，但不抢孩子提问题的机会，也不替孩子下结论。

相比炫酷的AI课程，我们的想法其实比较朴素：

一节课结束，孩子有没有为自己提出的那个问题，正儿八经地思考过，实践过。

因为这门课真正要培养的，是离开 AI 之后，一个孩子还会不会自己找答案。

如果您是学校、教育合作伙伴，想了解《未来问号》课程方案、预约示范课体验，欢迎在公众号后台回复【课程】联系我们