工具来自 Google 的 Teachable Machine，本文的实验设计与国内可用地址由我们整理。AI4K12 的资源页
孩子问“AI 是怎么认出东西的”，最好的回答是让他自己训练一个。二十分钟，全程不用写代码，只需要一台带摄像头的电脑。
先解决打不开的问题
Google 官方版 teachablemachine.withgoogle.com 在国内打不开。
用这个替代地址，芬兰教育机构做的同款，功能一样，国内直接能开：
（我们从国内的服务器实测过。）
二十分钟做什么
打开后选“图像项目”，你会看到三块：左边是分类（Class）、中间是训练、右边是预览。
第一步：定两个类（2 分钟）
把 Class 1 改名“开心”，Class 2 改名“不开心”。
第二步：拍照（8 分钟）
点 Class 1 下面的摄像头按钮，让孩子对着镜头笑，按住录制拍三十来张。换 Class 2，让他板着脸，同样拍三十张。
第三步：训练（1 分钟）
点 Train Model，等它跑完。
第四步：试（5 分钟）
右边的预览窗口会实时显示判断结果和百分比。让孩子做各种表情，看它怎么反应。
到这儿，孩子已经完整走了一遍“打标签 → 训练 → 测试”。这就是所有机器学习的基本流程。
三个让孩子恍然大悟的实验
做完基础版别停，下面三个才是重点。
实验一：让它学歪
重新做一个模型，但这次拍“开心”的照片时全部站在窗边，拍“不开心”时全部坐在书桌前。
训练完之后，让孩子板着脸走到窗边——模型多半会说“开心”。
它学到的不是表情，是背景。
这就是 AI 领域最经典的“捷径学习”。有个著名的真实案例：一个用来识别狼的模型，因为训练照片里的狼全在雪地上，最后学会的其实是“看到雪地就说是狼”。
问孩子：它到底在看什么？怎么才能让它真的看表情？
（答案是：两类照片的背景要混着来。让孩子自己去改，再训练一次。）
实验二：只给五张照片
新建一个模型，每类只拍五张。训练完再试。
孩子会发现它经常判错，而且百分比在两个类之间跳来跳去。
问孩子：为什么照片少了它就不行了？
实验三：给它一个没见过的东西
用做好的表情模型，让孩子举起一只玩具、一本书、一只手挡住脸。
模型仍然会给出一个答案，而且往往还挺自信。
这是最重要的一课：AI 不会说“我不知道”。它被设计成一定要在给定的类别里选一个。
问孩子：它说“90% 开心”的时候，它知道自己面前的其实是一只玩具吗？
玩完之后
如果只记一句话，记这个：AI 学到的东西，完全取决于你喂给它的例子。
孩子亲手让模型学歪一次，比听十遍“AI 会有偏见”管用。
我们的AI 侦探社第 3、4 课把这两件事做成了完整的案件——第 3 课孩子给糖果打标签、发现标错了正确率就掉；第 4 课要从一堆“狼”的照片里看出 AI 记住的其实是雪地，然后补样纠正、写一张模型卡。