本文译自树莓派基金会文章 Play, pedagogy, and real-world impact: What we learned from the AI Quests webinars。原文

怎样教 AI，才能让 11-14 岁的孩子在课上完很久之后还记得？树莓派基金会与 Google Research、Google DeepMind 和斯坦福学习加速器一起做了 AI Quests——一套嵌在课堂里的游戏化体验，学生用 AI 概念解决真实问题。

游戏里的导师 Sky 教授有一句台词，概括了整套课的核心信息：

“你将体验到的 AI 技术很了不起，但它不是魔法。成败取决于你做的决定。”

第一关：集市沼泽

第一个任务叫 Market Marshes，学生要帮主角 Luna 保护一个河边集市不被洪水淹掉。

玩家四处走动，收集候选数据——从降雨统计到镇上的传言——清洗数据、挑选相关特征、训练模型。如果模型表现不好，就迭代，跟真实的 AI 开发者做的事一样。

每个任务都以一个真实的研究项目为原型，并复现完整的 AI 项目生命周期：定义问题 → 准备数据 → 训练 → 测试 → 部署。

基金会的学习经理 Emma Staves 指出一个关键时刻——学生测试自己的模型时：

“课程明确告诉学生，用来测试模型的是历史数据。”

这个看起来简单的设计选择，能引出很有价值的讨论：什么叫验证，什么叫可靠，以及对于真实决策来说“多准才算够准”。

设计依据：四种手法

课程与斯坦福学习加速器的学习科学家合作开发。斯坦福 AI 与教育方向负责人 Victor Lee 用“持久理解”来描述目标：

“持久理解讲的是，人怎样发起并设计 AI 应用，去应对人类一些最大的未解难题。”

为保持这个焦点，团队混合了四种手法：

  • 情境学习——用一个具体的洪水场景，而不是抽象练习
  • 教学型角色——会推一把、会示范、会解释的游戏角色
  • 嵌入式反馈与有效失败——通过尝试、修改、再尝试来学
  • 自我解释提示——“学习票”，要求学生说清楚自己在做什么、为什么这么做

一句话：有目的地玩。

课堂上老师看到了什么

北利物浦学院的计算机科学课程主管 Dave Cross 先在七年级试用，之后扩展到了 GCSE 班级：

“我们认为它会成为后续学习一个非常扎实的基础。”

他还看到了很强的跨学科联系：地理科的同事发现防洪那一关在他们自己的单元里有“巨大的机会”，更大范围的教师讨论则转向了数字公民、数据素养和公平性。

AI 的跨学科性质越来越明显——所以 AI 素养不该被限制在信息技术课里，学生需要在多个学科和日常生活中遇到它。

原型是真实的研究：提前几天预测洪水

第二场研讨会把课堂体验接回了它所基于的真实项目——Google Research 的洪水预报。产品经理 Gila Loike 介绍：

“我们的研究团队开发 AI 模型，在洪水发生前五到七天预测全球范围内的洪水。”

带队的研究科学家 Deborah Cohen 解释说，传统模型很难预测数据稀少地区的洪水，而 AI 可以通过综合河流、天气预报和卫星的信息来填补这些空白，在世界各地给出准确的预警。

编者按：两处设计值得记下。

“测试用的是历史数据”——它没有把模型评估藏起来，而是变成一个可以讨论的问题：多准才算够准。

“AI 素养不该只留在信息技术课里”——孩子遇到 AI 的场合本来就不止一门课。