我们是AI训练师：一堂轻设备的AI启蒙课

今年出台的《中小学人工智能通识教育指南（2025年版）》明确提出，要将AI教育纳入校本课程，构建与信息科技、科学、综合实践等课程有机衔接的体系，灵活采用独立设课或跨学科融合的方式，形成连贯的教学安排。政策定调了，但在实际教学一线，承担这门课的主力往往是我们这些信息科技老师。

假期里做了不少功课，也一直在琢磨一个问题：大部分普通学校的现实环境是——经费有限、智能终端严格禁止使用，一台像样的设备都拿不出来。面对这种“少米之炊”，AI启蒙课还能不能上？该怎么上？下面这套教学方案，算是一点自己的尝试和思考，希望能给同行们一些启发。

课程主题：《我们是AI训练师：一堂轻设备的AI启蒙课》

课程目标

理解机器学习“数据—训练—应用”的核心流程，深刻认识“数据决定AI智能”和“算法偏见”这两个关键概念。

培养计算思维，具体包括分解问题、模式识别、抽象和算法设计这几个环节。

破除AI的神秘感，激发兴趣，树立“AI源于人类、可控于人类”的理性观念。

教学准备

教师一台可上网的电脑（用于最终演示和搜索）。
教师智能手机（核心教具）。
黑板/白板+笔。
打印好的“数据标签卡”（或直接用纸条写）。

课程流程设计

第一幕：生活即教育——从“刷脸”说起

先来聊聊身边的事儿：大家今天在哪里遇到AI了？引导下去，答案会很丰富——手机刷脸解锁、短视频推荐、美颜相机、智能音箱……从生活切入，目标就是建立联系、激发共鸣。

教师可以拿起手机，演示人脸解锁的过程，然后抛出关键一问：“它怎么认识我的？它脑子里存了我的照片吗？”引导学生讨论，最终要让他们自己达成共识：AI不是匹配照片，而是‘学习’过我的脸部特征。紧接着点睛一句：“今天，我们就来扮演一次‘AI训练师’，不用电脑，用我们的大脑和规则，来‘训练’出一个AI！”

顺便宣布今天的目标——一起创造一个能识别“快乐”和“生气”表情的AI。

第二幕：集体“训练”一个AI

这个阶段是整堂课的核心，全班合力模拟机器学习全流程。

任务是为我们的AI收集“快乐”和“生气”两种表情的数据。学生亲自参与数据制造和标注的“做”的过程，目的是让他们理解AI学习的“燃料”从哪儿来，以及数据标注有多重要。

具体操作：邀请5-6名志愿者上台，用手机为他们每人拍一张“快乐”和一张“生气”的照片（必须提前征得同意，并说明仅用于课堂演示、课后删除）。每拍一张，全班集体决议：“这张的标签应该是‘快乐’还是‘生气’？”最后把照片分别存入两个相册文件夹。

这一环节不写代码，而是让学生总结出判断“快乐”和“生气”的规则——这本身就是机器学习中“特征工程”的思想雏形。具体步骤：将手机照片投屏，全部展示“快乐数据”组，引导学生观察总结：“所有‘快乐’的照片有什么共同特征？”学生可能会答：嘴角上扬、眼睛眯起、有鱼尾纹、牙齿露出……把这些特征逐一写在黑板上，做成“快乐”规则。同样方法，再总结出“生气”规则（眉头紧皱、嘴角下垂、瞪眼等）。

新课标非常强调测试环节，这里正好体现。请一位新同学上台，做出一个表情（不告诉全班是快乐还是生气），拍下测试照片投屏。全班同学必须严格按照黑板上的规则逐条判断，最终投票给出结论。公布答案，看我们的“人体AI”是否判断正确。

如果不正确——这恰恰是最重要的教学时刻。讨论为什么错了？是规则漏掉了什么，还是表情本身太复杂？然后一起优化黑板上的规则。

第三幕：思考与升华

抛出这样一个问题：“我们的AI规则是从刚才几位同学脸上总结的。如果志愿者全是男生，没有女生，这个AI能识别所有女生的表情吗？”引导出“数据偏见”——训练数据缺乏多样性，会导致AI对某些群体失灵甚至不公。再追问：“如果用亚洲人数据训练的AI去识别非洲人的表情，可能会怎样？”这部分目的很明确：将实践上升为伦理思考，培养科技责任感。

教师快速搜索并展示一些前沿的AI应用视频（如AI医疗、自动驾驶、AI绘画），简要介绍。然后反问：“现在再看这些技术，神秘感是不是减少了？它们是不是也遵循着咱们刚才体验的‘数据—规则—应用’逻辑？”最后鼓励学生：“你们今天已经理解了AI的核心。未来的AI世界，等着你们去创造和规范。”

第四幕：小结

回到开头的问题：今天没有每人一台电脑，但我们用集体的智慧，过了一把“AI训练师”的瘾。AI的智能背后，是数据，是人类制定的规则，也会沾染人类的偏见。记住，你们不仅是AI的使用者，更是未来的洞察者和创造者。

一点思考

为什么会做这样的设计？很多学校没有高大上的设备，加上智能终端禁令，常常让信息科技老师很茫然——没有设备加持，是不是课程就没法上了？其实，当大家都在抱怨条件不够时，也许需要跳出这个圈，换个角度重新思考课程设计的逻辑。教育的本质从不依赖于设备的堆砌，而源于思想的深度与设计的巧思。