什么是AI素养呢？如果我们只教孩子“怎么写提示词（Prompt）”，那本质上还是在教“怎么操作一个工具”。
真正的AI 素养（AI Literacy），更像三件事：
理解它如何得出答案、看见数据与偏差、在关键决策里坚持人的价值与责任。最近，Google Research 与斯坦福大学（Stanford Accelerator for Learning）联合推出的AI Quests——
AI 素养不必靠说教，它可以靠“体验”。
沉浸式体验：在游戏里拯救世界
AI Quests 不是那种“点开视频—记笔记—做选择题”的在线课。
它更像一场大型沉浸式闯关：孩子进入一个世界观，化身“AI 研究团队”的一员，在“Skye 教授”等角色的引导下，面对一个现实世界的问题——你必须做出选择，然后承担后果。目前公开的首个任务聚焦洪水预测：
你要从海量气象数据中筛选有效信息、处理数据质量问题、训练与测试模型、选择评估指标，然后看模型在真实情境里“到底靠不靠谱”。更有意思的是：官方也透露了后续关卡的灵感方向，可能会来自诸如——
- 公共健康与疾病预测（AI 如何辅助判断风险）
- 野生动物/生态保护（识别与追踪如何帮助保护濒危物种）
- 医学影像相关议题（例如视网膜病变筛查等方向）
你会发现，它不是把 AI 当“工具课”，而是把 AI 放回“真实问题”里。
最让教育者惊喜的一点：无代码（no-code）环境。
孩子不需要写一行代码，却能完整经历“模型训练—测试—迭代”的过程。
这就是典型的“做中学”：孩子不是被告知“数据很重要”，而是亲眼看到——
数据一偏，结论就偏；指标一换，判断就换。
这条学习路径，和我们期待的跨学科（STEAM/项目化学习）天然契合。
它到底在教什么：不是“会用 AI”，而是“会判断 AI”
很多所谓 AI 课程，最后教成了“技巧合集”。
AI Quests 的高级之处在于：它把 AI 素养拆成了孩子能理解、能体验的三块“硬骨头”。1）数据：AI 不是聪明，是“喂出来的”
孩子会经历：哪些数据能用？哪些数据会误导？缺一类数据会发生什么？
他们会第一次真正理解：
AI 的边界，不在模型，而在数据。
2）评估：你怎么定义“好”，AI 就会朝哪里跑
孩子会发现：
同一个模型，用不同指标评估（比如追求总体准确 vs 追求少漏报），结果可能完全不同。
这会逼着他们思考：
技术不是中立的，标准背后是价值选择。
3）偏差与责任：出事了，不能甩锅给 AI
当模型用于真实世界，谁会受益？谁可能被忽略？
“看起来更准”的方案，是否带来更大的风险？
孩子会理解一句极重要的话：
AI 输出可以由机器生成，但责任永远在人类手里。
这三块，才是未来孩子真正需要的底层能力。
家长怎么用
很多家长最头痛的是：
说多了像唠叨，不说又怕孩子走偏。
AI Quests 特别适合用“少讲、多问”的方式做亲子共学。Step 1：孩子玩，你只做提问者（10-15 分钟）
三问就够：
1）你刚刚做了什么选择？为什么？
2）你觉得哪里最不确定？
3）如果错了，会影响谁？Step 2：迁移到日常 AI 使用（10 分钟）
拿孩子最常用的两个场景：
- AI 写作业/写作文：你怎么验证？
- 短视频推荐/购物推荐：它为什么推这个？它漏掉了什么？
Step 3：写一句“我的 AI 使用说明书”（5 分钟）
模板：
当我看到 AI 的答案，我会先检查____（来源/数据/范围），再决定____（采用/验证/补充）。
家长会明显看到：孩子开始从“追答案”变成“会提问”。
AI 素养要靠“体验+复盘”才能真正长出来——欢迎把这篇文章转给更多老师和家长。
也欢迎你在评论区告诉我：你更想把它用在班会/综合实践/科学融合/亲子共学的哪一种场景？
© 版权声明
文章版权归作者所有，未经允许请勿转载。
