蒲公英智库发布：中小学AI教育，全球趋势与中国生态丨头条

一份便捷已经深度植入中国人的生活：每天早上醒来，我们会先问问“小爱同学”，今天天气怎么样，应该穿什么；出行开车我们经常使用智能导航；运动健身使用智能手环；上网学习获得智能推送……这当然全托人工智能（AI）技术进步的福。

有人对这场进步忧心忡忡，比如特斯拉公司CEO埃隆·马斯克觉得AI的发展很可能引发第三次世界大战，对人类造成前所未有的威胁；更多人是“理性乐观主义”，比如2018年初法国总统马克龙发布的人工智能国家战略报告，就以《AI造福人类》为名。

其实不光法国，美、英、日、德等也都从国家战略层面规范和推动人工智能。其中“从娃娃抓起”，让基础教育承载国家战略的未来，成为重中之重。

中小学生的AI素养培养，海外学校到底做到了什么程度？中国的AI教育该如何重新定位？我们来做一个深度的观察。

中国：部分先行先试，整体状态“边缘”

中国的AI教育，前几年基本处于自由发展状态，少部分学校和地区在自主尝试。最近两三年发展比较迅速，主要得益于国家层面的大力推进。

中国在2017年发布的《新一代人工智能发展规划》中，第一次从国家层面提出在中小学阶段设置人工智能相关课程。AI教育开始在大中小学掀起一股热潮，开发教材、设计课程、创建实验中心、宣传报道，国内中小学被政策推动，走上了AI教育的快车道。

2017年版的《普通高中信息技术课程标准》将人工智能纳入了选择性必修模块，2018年教育部的《关于加快建设高水平本科教育全面提高人才培养能力的意见》把人工智能列为5个战略性新兴产业学科。同年，教育部还发布了《高等学校人工智能创新行动计划》，又一次提出在中小学阶段引入人工智能普及教育。

一些学校开始系统布局，比如上海市西中学、人大附中。

上海市西中学，2018年建成全国首个基于课程的中学AI实验室，通过选修课的形式面向高一、高二开设AI课程，并配套由华东师大等编撰的《人工智能基础（高中版）》教材实施。AI实验室里可以体验无人车、无人机、手势控制机器人、面部识别、卫星云图识别、空气屏等AI技术，以及进行Python语言的教学。

最值得一提的是，市西中学进行了系统的AI教育五年规划，分成三个阶段实施，第一阶段通过讲座、竞赛等科普活动，普及AI知识；第二阶段进行实验室和拓展型、研究型课程的建设，开展人工智能原理、模块功能、语言与算法等的学习；第三阶段再将人工智能延展到学校教育教学管理当中。

而人大附中走得更加前沿。一方面建立了数量众多、体系较为完整的人工智能课程，包括机器人课程、建模与仿真课程、人工智能的机器学习、数据挖掘、计算机视觉、大健康与人工智能、计算社会科学等，多数以自由选修课的形式提供给学生；另一方面为了培养高级AI人才，还通过自愿报名和选拔相结合的方式，成立了全国基础教育首个人工智能实验班，开设了专门的人工智能课程《人工智能与关于心智的生物学》，以及以“复杂系统科学”为主要方向的课程。

除了课堂，人大附中还组织学生参与高校和科研机构组织的学术和实践活动。当然，像人大附中这样有能力、有资源自主开发系统AI课程的学校毕竟是少数。多数时候，那些AI教育的普及都离不开区域教育部门的自主探索，在有限条件下充分调动的各种可能性，比如南京、潍坊奎文区、上海徐汇区和北京海淀区。

南京市首先注重AI教师的培养。2018年第一期人工智能培训，算是粗浅的普及性尝试，培训分为两部分，第一部分是专家讲座和一线教师对人工智能的理解、应用和展望分享；第二部分是Python语言的培训。而在2019年的人工智能培训中，就形成了10个菜单式系列课程，包括人工智能视觉编程、人工智能学科融合、数字美术、数字音乐、3D打印创意、物联网创新设计、AR/VR设计制作、虚拟世界程序设计等内容。全市教师进行自主报名，参培人数达到500余人。

南京不仅开展了系列的人工智能教师培训，还通过搭建人工智能竞赛平台来推动AI教育。全国中小学电脑制作竞赛在2020年才开始增设人工智能板块，但是南京的中小学电脑制作竞赛在2018年就有了智能程序（现在改为人工智能）的板块内容。

潍坊市奎文区则采取硬件先行的战略，以创建人工智能教育实验（体验）室为突破口，覆盖全区每所学校，目前数量已达56个。随后他们构建起机器人、单片机、算法设计、数据获取与处理等课程“软件”，并在2020年4月22日开通在线学习平台，将优质人工智能课程向全区开放。

上海市徐汇区，2019年将人工智能教育融入信息技术课，使用自主开发的徐汇区人工智能学生读本和教师读本，第一轮先在8所高中、12所初中、20所小学开展了实验。2020年，预计AI课程将进入全区所有中小学。

北京市海淀区则根据《中国互联网学习白皮书之人工智能教育发展报告(基础教育)》初步拟定的人工智能能力培养目标框架，初步构建起了中小学AI教育课程内容。

人工智能能力培养目标框架

小学：能够感知、体验、分辨人工智能，逐步培养计算思维能力。

初中：初步理解人工智能实现的知识体系，培养高级计算思维。

高中：专题性人工智能技术的理解与实现，了解人工智能发展与应用前沿。

海淀区中小学AI教育课程内容
学段	课程内容
小学	认识人工智能的特征(语音识别、图像识别、语义理解) 分辨人工智能和非人工智能(体会人工智能功能的特殊性) 了解人工智能的应用场景(基于应用的人工智能解决问题场景) 图形化编程下的计算思维(Scratch编程) 基于程序的人工智能功能调用(Scratch调用人工智能API和SDK) 人工智能的功能实现(在PC上实现语音识别和图像识别的功能)
初中	依据人工智能特征分辨人工智能和非人工智能(体会和分辨语音识别、图像识别、语义理解的人工智能功能) 编程下的计算思维(Scratch、App Inventor、Python编程) 基于程序的人工智能功能调用(程序设计语言调用人工智能API和SDK) 人工智能的功能实现(在PC上实现语音识别和图像识别的功能)
高中	深入体会人工智能特征(深入体会语音识别、图像识别、语义理解的人工智能功能) 编程下的计算思维(Python编程) 基于程序的人工智能功能调用(程序设计语言调用人工智能API和SDK) 人工智能核心算法的学习(基于高中选择性必修模块4的内容) 人工智能的功能实现(在PC上实现语音识别和图像识别的功能)

除此之外，青岛市在2019年秋启动百所中小学开设人工智能教育课程方案；杭州市余杭区则在2020年3月发布《关于开展余杭区人工智能教育进校园项目的实施意见》，计划构造小初（职）高“标准校实验室+中心校实验室+基地实验室”的三级体系，实施《AI上未来制造者》系列课程，建立人工智能教育教师培训体系，搭建人工智能科创教育示范基地等活动体系。

当然，中国的AI教育从总体上看，部分学校和地区在先行先试，但是在整体推进上似乎还有些滞后，多数地方的AI教育依然处于浅层次、无系统的“边缘”状态，大部分学校和地区在师资、课程等方面都还准备不足。

全球：纷纷普及性进入中小学

全球而言，AI教育主要在欧美发达国家推进得比较好，亚洲国家中印度、日本、韩国、新加坡也在积极跟进。他们推进的总体特点，就是大规模、普及性地在中小学各学段展开。

比如，日本在2016年的《日本再兴战略2016——面向第四次工业革命》中提出要将人工智能相关课程纳入中小学必修课范围，2019年更是将实施教育改革，大规模培养人工智能人才作为三大战略支柱之一。根据规划，“编程教育”将在2020年、2021年、2022年，分别进入小学、初中、高中的必修课程。

日本的编程课程特别强调计算思维的培养，而不是编码，因为他们觉得这才是未来普通人学习编程的核心价值。另外，他们还倡导将编程与现有的数学、技术、综合学习等进行融合教学，而不是开展独立的新课程。

在欧洲，波兰数字化部创建了《波兰人工智能战略设想》项目，其中一项内容是在2019-2020学年在全国100余所学校开设AI课程，课程分三个学段——K-3年级、4-6年级、7-8年级。K-3年级的教学目标是，让儿童进入编程世界；4-6年级，了解AI原理和基于Scratch、IBM Watson创建人工智能解决方案；7-8年级，将学习机器学习算法，并在Python中用编程实现。

美国的AI教育发展比较早，2013年就制定了《联邦STEM教育五年战略规划》（人工智能是STEM重要主题之一），到2016年超过40%的美国学校都设置了编程课程。他们不仅开发了众多的K-12人工智能学习资源，并着手建立系统的学习标准指南。

由美国人工智能协会（AAAI）和美国计算机科学教师联合会（ CSTA）联合发起的AI4K12项目计划，正在制定K-12AI教学国家指导方针，并已发布人工智能五大理念，并据此提出K-12阶段的分学段教学建议。受卡内基梅隆大学支持的世界人工智能青少年竞赛（WAICY，针对4-20岁)，也大力推动了人工智能在美国学校的发展。

虽然只列举了三个国家，但是可以基本看出国外的AI教育局势，都开始全国普及性的进入中小学，对分学段教学标准的研究取得了一定的成效。

海外国家中小学AI教育究竟在怎么做？从课程教学和师资培养两方面来看看。

课程教学：注重启蒙，提供大量免费课程资源

国外的AI教学，除了注重技术性的课程，也注重启蒙性的课程，我们从两个案例感受一下。

美国：皮尔斯小学（位于佐治亚州费耶特维尔）

皮尔斯小学的教师阿普丽尔·德根纳罗设计了一门《这是AI，这不是AI》的课程，通过给学生展示现实生活中的AI例子，来达到AI入门的目的。

例如阿普丽尔会给学生演示谷歌搜索的文字建议功能。每一周她都会在课堂上打开浏览器，在谷歌搜索栏里键入文字，看看它会给出什么样的搜索建议，并记录下来。然后在一段时间后，和孩子们一起回顾，看看这些搜索建议都发生了什么变化。这就是一个展示“机器学习”的例子，简单而直观——当你键入文字时，谷歌引擎就会根据庞大数据库中数十亿次的搜索，猜测你想要搜索的内容。

再例如，她会和孩子们一起下载一款拍照软件——Snapchat，这款软件可以将拍摄的人像进行处理，变成卡通头像。她就和孩子一起研究，这款软件是如何进行面部识别，并使用数字节点来绘制面部特征，从而创建有趣的创意面孔的。

教师德根纳罗并没有深厚的专业知识，只是基于对人工智能的“粗浅”了解，再精心选择几个日常应用人工智能事例，就可以设计出优秀的人工智能入门课程。

人工智能跨国教师：陈雪露（Sherol Chen）

毕业于加州大学圣克鲁斯分校计算机科学专业的陈雪露博士，曾在哈萨克斯坦等全球六个国家/地区教授人工智能课程，其中一门课叫：如何向孩子解释人工智能。

她采用的方法是通过展示各种视频（电影片段、预告片或其他视频），来引发学生的好奇心，鼓励他们自己去探索AI。课程主要分为三个部分：为什么会存在计算机？什么是人工智能？我们如何制造更好的智能机器？

陈雪露会带着学生们一起观看讲述计算机之父艾伦·图灵传奇人生的电影《模仿游戏》的预告片，一起思考计算机起源的原因；看机器人大卫的情感世界的电影《AI》片段，引导孩子思考“人工智能和其他事物的区别”，比如岩石有人工智能吗；播放法国科幻电影《她》的预告片，让学生探究计算机和人各自的特长是什么，如何能够相互弥补？

陈雪露虽然是一个非常专业的人工智能研究者，但是不用高深的技术，她依然可以完成高质量而有趣的AI教学启蒙。

当然，AI教学,不仅仅是入门，也有专业技术的内容，那么，该如何整体规划这些内容，并设置到不同的学段呢？

致力于建立K-12国家教学大纲的美国AI4K12项目，提出人工智能五大理念：感知、表示与推理、机器学习、人机交互和社会影响，并把每个理念都设计成K-2/3-5/6-8/9-12年级，四个学段的分学段教学建议。比如3-5年级，针对“感知”可以学习：描述传感器输入如何转换为模拟或数字信号；证明计算机知觉的局限性；使用感知来构建应用程序（可能使用Scratch插件或Calypso）。针对“表示与推理”可以学习：使用树结构创建/设计分类系统的表示；描述AI表示如何支持推理来回答问题。（详细内容见文末附件1：五大理念与AI教学分学段建议、附件2：AI教学免费优质在线课程资源）

AI师资：大力培养AI新教师，建立高质量师训体系

有了课程，AI教师也是个问题。英国就为此大为头疼，所以他们在2017年提出，计划4年内培养8000名计算机科学教师来缓解师资问题。当然光依靠培养新教师还不行，对在职教师的培训也很重要，国外的AI师训注重系统性，有些是政府提供，有些由机构开发。

比如美国国际教育技术协会（ISTE）和通用汽车就合作开发了一套在线学习课程：人工智能探索及其在学校环境中的实际应用。课程包括10个模块，重点关注人工智能和机器学习主题。在每个模块中，老师可以与不同形式的人工智能进行互动，相互讨论，查看视频，甚至创建聊天机器人和虚拟辅导员。美国有部分教师就是选择这种在线学习方式来提高AI教学水平。

当然，更多的是根据AI学习大纲或者培训大纲来开发系统的师训课程。比如美国AI4K12项目的分学段教学建议，就可以作为师训课程的开发参考。

在教师培训方面，来自联合国教科文组织、法国教育信息学会前主席科林·德拉·伊盖拉， 2019年提出的人工智能的教师培训课程更加完善，建立在5大支柱之上，分别是不确定性和随机性、编程和计算思维、数据意识、批判性思维、后AI人文主义。具体解释也请参考文末附件3。

学校和区域：三点建议加快布局升级

纵观全球AI教育的发展，我们发现，大部分都是在最近几年从国家层面开始加速推进，国家之间差距还未拉开，对中国而言，是一个难得的机遇，我们既有自己的优势，也有需要升级的空间。

得益于中国的信息化教育战略，我国的信息化基础设施建设位于世界前列，这为AI教育的开展打下了良好的硬件环境基础。另一方面，各种AI教材的开发，特别是华东师大牵头和教育部教育装备研究与发展中心牵头研发的教材，让AI教育的软件环境有了一定的依托。

再加上2019年教育部将“推动在中小学阶段设置人工智能相关课程，逐步推广编程教育”纳入工作重点，以及同年由中国和联合国教科文组织合作举办的国际人工智能与教育大会在北京召开，让中国各地区对AI教育的重视达到了空前的高度。

但我们必须看到一些“短板”，如果不加以改善，进步很难持续。对此，我们给出了一些建议，供学校和区域参考。

1.破除AI教学门槛的自我设限。有些学校认为AI教学非常专业，一定要深厚的技术功底才能教学，所以常常觉得教师不够，教学开展不起来。其实不仅信息技术教师可以进行AI教学，其他学科教师也未必不能进入入门和人文方面的教学，建立跨学科的AI教师团队，师资不足的问题完全可以解决。前面美国皮尔斯小学的教师就是例证，即便人大附中也有很多非技术学科教师。

国际教育技术学会诺顿教授认为，基础教育阶段的教师并不需要在很深的层次上精通或了解人工智能，就能与学生建立联系，并帮助他们获得有关人工智能的一般知识。

其实虽然AI技术的学习很重要，但是算法思维、人机共存时代的人文伦理等素养的培养也很重要，如此，才让人工智能真正为造福人类而用。

2.行动起来，课程体系可以逐渐完善。部分学校AI教学开展不起来，是觉得现在缺少高质量的课程体系，所以就只是开开讲座、搞搞活动就结束了。其实不管是国内还是国外，都有一些现成的教材、免费课程资源或者是学习纲要，即便都需要完善，但是满足学校的基本AI教学需求还是可以的，我们完全可以根据学校条件选择适合的课程开展起来，慢慢再形成体系。

3.教师培训需要区域提供必要的支持，慢慢建立成体系的师训课程。虽然基础教育的AI教师不需要太深层次的技术功底，但是要想实现大面积普及性教育，不可能等待一批批拥有技术的新教师到来，对现有的信息技术教师和AI教学的跨学科教师，一定要分层分类分批次进行培训。

至于体系性的师训课程，我们也可以参考现有国内外比较成熟的框架，边实践边建立。

学生AI素养的全民提升，可以让他们在未来社会，真正成为人机共存时代的受益者而非迷茫者；教师AI素养的整体提升，不仅可以弥补AI教学师资，还可以为人工智能技术与教学的融合，打通最后一公里的距离。

不管是学校或者区域，我们都应该在有限的条件下，立即展开行动，将现有的AI教育水平往上再提升一步，然后在行动中不断完善我们的体系。

附  录

附1：五大理念与AI教学分学段建议

1.针对感知：学生应该学什么？

注：计算机使用传感器感知世界

K-2年级：识别计算机、机器人和智能家电上的传感器；与智能代理进行交互，例如Alexa或Siri。

3-5年级：描述传感器输入如何转换为模拟或数字信号；证明计算机知觉的局限性；使用感知来构建应用程序（可能使用Scratch插件或Calypso）。

6-8年级：解释传感器限制如何影响计算机知觉；解释感知系统可能会使用多种算法和多种传感器；使用多个传感器构建应用程序和知觉类型（可能使用Scratch插件或Calypso）。

9-12年级：描述不同形式的计算机感知背后的领域知识；证明语音识别在处理同音字和其他类型的歧义方面存在困难。

2.针对表示与推理：学生应该学什么？

注：智能代理（能够）保持对现实世界的表示 ，并用他们进行推理

K-2年级：构建某事物的模型，并将其与正在建模的事物进行比较；使用决策树做出决策。

3-5年级：使用树结构创建/设计分类系统的表示；描述AI表示如何支持推理来回答问题。

6-8年级：为他们在社区中的住所或位置设计一个图表模型，并应用推理来确定地图上关键位置的最短路径。

9-12年级：绘制井字游戏搜索树；描述搜索算法类型之间的差异。

3. 机器学习

注：计算机从数据中学习

K-2年级：从“不插电”活动的数据模式中学习；使用可识别图形的分类器：比如Google AutoDraw或Cognimates，Doodle工具。

3-5年级：描述并比较三种不同的机器学习方法：有监督学习、无监督学习和强化学习；通过训练模型来修改交互式机器学习项目；描述算法和机器学习如何表现出偏差。

6-8年级：识别训练数据集中的偏差并扩展训练集以解决偏差；一个简单神经网络的手工模拟训练。

9-12年级：训练神经网络(1-3层)（通过TensorFlow PlayGround）；使用简单的ML（机器学习）算法进行跟踪和实验。

4. 人机交互

注：智能代理需要多种知识才能与人类自然交互

K-2年级：在故事中找出有正面和负面含义的词语；识别面部表情并将其标记为适当的情绪(高兴、悲伤、愤怒)，并解释为什么要这样标记它们；尝试使用识别面部情绪的软件。

3-5年级：识别人类如何组合多个输入(语气、面部表情、姿势等)以理解交流；描述一些人工智能胜过人类的任务，以及没有胜过人类的任务。

6-8年级：构建一个简单的聊天机器人；解释并举例说明语言是如何模棱两可的；分析智能的本质，并确定代理是否智能的方法。

9-12年级：演示句子分析器如何处理歧义；探索谷歌知识图谱(Google Knowledge Graph)；识别并讨论人工智能和意识的问题。

5. 社会影响

注：AI的应用对社会既有正面影响也有负面影响

K-2年级：识别日常生活中遇到的常见人工智能应用程序；讨论人工智能技术的普遍使用是好事还是坏事。

3-5年级：探索行为如何受到偏见的影响，以及它如何影响决策；描述如何设计人工智能系统以实现包容性。

6-8年级：解释人工智能决策中的潜在偏差来源；了解人工智能系统设计中的权衡以及决策如何在系统功能中产生意外后果。

9-12年级：批判性地探索人工智能系统的正面和负面影响；设计人工智能系统来解决社会问题(或解释如何使用人工智能来解决社会问题）。

美国的这个大纲比较细致，指导意义非常强，不管是什么水平的学校，都比较容易参照它做出适合自己的课程内容。

附2：AI教学免费优质在线课程资源

1. 麻省理工学院（MIT）媒体实验室AI资源库

网站：aieducation.mit.edu

这里包含了一套面向K-12学生学习的人工智能课程（大多提供有学习素材，详细的课程设计，甚至课件），共20个：K-2年级5个，3-5年级6个，6-8年级7个，9-12年级2个。

2. IBM儿童机器学习网站

网址：machinelearningforkids.co.uk/#!/worksheets

此网站目前汇集了和人工智能有关系的机器学习项目36个，分为四个类型：训练计算机识别文本、识别图像、识别数字、识别声音，三种难度：初级、中级、高级，三个平台：基于Scratch、基于Python、基于App Inventor。

3.谷歌AI实验

网址：experiments.withgoogle.com/collection/ai

这个基于网站的人工智能实验平台，目前包含十几个实验项目，通过AI+写作、AI+学习、AI+绘画、AI+音乐等方式探索机器学习。

附3：人工智能教师培训课程5大支柱

提出者：科林·德拉·伊盖拉（联合国教科文组织法国南特大学开放教育资源师资培训技术主席，法国信息学会前主席）

1.不确定性和随机性

因为数据是人工智能进行预测的基础，但是同样的数据，不同的算法可能会得出不同的结果，所以他认为，孩子们必须要知道这背后的原理，否则他们可能会因为太信赖人工智能而做出错误的决策。因此，概率推理和统计学有必要纳入培训课程当中。

2.编程和计算思维

他认为，人工智能需要编码，必要的编码技巧孩子们必须掌握，而更重要的是还要教会孩子一种思维——计算思维。因为未来这些孩子长大，可能不用编程，但是很可能成为应用人工智能的专家用户（例如医生），他必须知道对机器的决策何时该信任何时不该信任。所以，编程和计算思维的培训，也应该纳入课程体系里。

3.数据意识

人工智能将非常依赖数据，大部分基础工作都是在进行收集、准备和组织各种数据上。因此，如何进行数据收集、可视化、操作、分析等数据科学的培训也应该成为重要组成部分。

4.批判性思维

人工智能时代会出现许多伦理问题，比如面部识别、数据收集的隐私，比如人工智能生产的虚假文本、图像或视频如何分辨，批判性思维将是重要的工具。所以结合人工智能道德伦理的批判性思维课程，必须先成为教师的训练内容。

5.后AI人文主义

伊盖拉认为，人工智能的发展，在某些方面会促使人类重新思考某些基本的真理，催生后AI人文主义的诞生。

比如真相是否重要：为了设计获胜的扑克机器人，可以让它具备虚张声势的撒谎功能吗？（卡内基梅隆大学设计的人工智能系统Libratus战胜了4个人类顶尖扑克选手）

比如人工智能产生的经验是否可以成为人类社会的经验（AlphaGo zero抛弃了人类所有的知识，只使用了游戏规则和对抗自身进行学习，产生了自己的经验）。

比如创意是是一种有意识有感知的创造性活动还是一种机器行为，毕竟现在没有知觉的“人工智能”已经可以进行绘画、音乐、剧本等创作了。

比如“智能”本身的定义，越来越受到机器的挑战。象棋、围棋等这些传统我们认为需要智力的活动，都一一被机器打败，那么它们算不算“智能”。

以上问题只是代表，这些都需要人们去思考和逐步达成共识，它将会影响未来的人如何处理各种社会问题。我们的教师应该提前引导孩子思考这些问题，当然前提是教师得自己先进行过这方面的思维训练。

作者 | 王小波责编丨刘婷[e-mail]▼ 点击「阅读原文」，一键订购！