课程核心能力培养
28 节课系统构建的六大 AI 素养维度
感知与观察力
能主动观察身边的 AI 设备，理解机器如何通过传感器"感知"世界。
计算与抽象思维
能用抽象、特征、搜索等思维模型，理解 AI 背后的决策方式。
数据素养
理解"数据是 AI 的食物"，认识数据质量、多样性与公平对 AI 的影响。
语言与批判思维
能分辨 AI 语言理解/生成的边界，不盲信 AI 给出的答案。
伦理与责任意识
具备公平、偏见、隐私的基本 AI 伦理意识，做负责任的使用者。
创造与辨别力
能用 AI 工具辅助创造，同时敏锐识别 AI 生成内容的真伪。
与 AI 启蒙课的螺旋上升关系
六大素养：同一素养，往深一层
1-3 年级 · AI 启蒙课4-6 年级 · AI 基础课螺旋点
感知与观察力 感知与观察力像素 / 声波 / 遮挡 机器有眼睛耳朵→传感和感知的区别
类比与迁移能力 计算与抽象思维 机器像人→用特征向量 / 状态空间表示世界
顺序与步骤意识 计算与抽象思维算法 / 搜索树 先干啥再干啥→算法、分支、循环、搜索
提问与猜想能力 语言与批判思维 为什么它猜错→歧义、常识、生成内容可信吗
辨别与批判意识 伦理与责任意识 AI 会错、别全信→偏见、公平、隐私、责任归属
合作与表达能力 创造与辨别力 画图 / 说想法→做模型、写方案、辨深度伪造
五大主题：同一主题，走得更远
主题1-3 年级4-6 年级
感知 传感器、颜色形状分类 像素、声波、遮挡、语音识别难点
推理 分类、找规律、步骤指令 抽象地图、特征向量、搜索树、问题拆解
机器学习 标注例子、示例学习 监督 / 无监督 / 强化、训练模型、决策树、神经网络
语言 词语搭配、猜心情 歧义、语音转写、常识推理、情感分析、生成式 AI
社会 学校里的 AI、AI 能 / 不能做 弱 / 强 AI、行业应用、职业、伦理公约、数字鸿沟
五大单元学习路径
从感知世界出发，经由知识推理与机器学习，走进语言理解与生成，最终回到 AI 与社会的责任，带领 4-6 年级学生建立完整的人工智能认知体系。
第一单元 L1–6 感知与传感
→
第二单元 L7–10 知识表示与推理
→
第三单元 L11–16 机器学习
→
第四单元 L17–22 语言理解与生成
→
第五单元 L23–28 AI 与社会
👁
第一单元 · 感知与传感（Perception & Sensing）
L1 – L6 · 6 节课
通过感官对比、传感器探索、像素与声波实验、遮挡挑战和语音识别，理解 AI 如何"感知"世界，并建立对感知局限的清醒认知。
L1
感官的奥秘
对比人类与动物的视觉、听觉、触觉极限，理解"感知"是认识世界的第一步，也看见人类感官的边界。
感官对比 动物感知 感知极限
L2
机器的「眼睛和耳朵」
认识摄像头、麦克风等传感器如何替代人的眼耳，把真实世界变成机器能够读取的数字信号。
传感器 信号转换 手机拆解
L3
图像与声音的秘密
揭开图像=像素、声音=采样波形的数字化奥秘，理解电脑究竟如何"存储"和"重现"现实世界。
像素 声波 数字化
L4
当 AI「看不清」时
通过遮挡实验理解 AI 依赖可见特征、不会像人一样"脑补"，认识感知的局限与关键特征的价值。
遮挡实验 关键特征 感知局限
L5
感知与传感
区分"传感"（收集数据）与"感知"（理解数据），通过失败案例体验 AI 在两者上的真实差异。
传感 vs 感知 人机对比 失败案例
L6
语音助手听懂了吗
探秘语音识别的真实难点——同音字、方言、上下文，理解"听得到"和"听得懂"之间的差距。
语音识别 同音字 方言挑战
🧠
第二单元 · 知识表示与推理（Knowledge & Reasoning）
L7 – L10 · 4 节课
通过抽象地图、特征向量、搜索树与问题拆解等活动，认识 AI 如何把世界"表示"成信息，并据此推理与决策。
L7
地图里的知识
用"抽象地图"理解 AI 如何用符号和模型表示世界，在简洁与准确之间寻找平衡。
抽象表示 符号地图 决策树
L8
特征就是身份
认识"特征向量"——AI 用一组特征区分事物，好特征才能把不同东西分得清。
特征向量 向量空间 特征选择
L9
游戏 AI 的秘密
拆解 AI 下棋的"搜索树"，理解搜索越深 AI 越强，以及 AlphaGo 的"聪明偷懒"策略。
搜索树 迷宫寻路 AlphaGo
L10
AI 怎么解决问题
区分"搜索问题"和"分类问题"，串联模块二的知识地图，回顾 AI 的基本思考方式。
搜索 vs 分类 知识地图 问题拆解
📊
第三单元 · 机器学习（Machine Learning）
L11 – L16 · 6 节课
通过对比人类与机器的学习、动手标注数据、训练模型、拆解决策树与神经网络，理解 AI 最核心的能力——从数据中学习。
L11
什么是机器学习
理解 AI 不靠写死规则、而靠数据学习，对比人类与机器截然不同的学习路径。
数据驱动 规则 vs 数据 人机对比
L12
AI 的三种学习方法
监督、无监督、强化学习——对应老师教、自己分类、玩游戏升级三种"学法"。
监督学习 无监督 强化学习
L13
AI 也会「偏心」吗
发现训练数据不够多样时 AI 会"学会"偏见，建立对数据公平性的基本意识。
数据偏见 公平性 多样性
L14
训练你的第一个 AI
动手标注数据、划分训练/测试集，从零体验训练一个能分类的 AI 模型。
标注数据 训练集 动手实践
L15
决策树——AI 的选择
用"先问哪个问题最有用"理解决策树，看清 AI 是如何一步步做选择题的。
决策树 先问什么 做选择题
L16
走进神经网络
用神经元、权重、分工分层的直觉类比，揭开 AI"大脑"最简单也最强大的结构。
神经元 权重 分层
💬
第四单元 · 语言理解与生成（Language & Generation）
L17 – L22 · 6 节课
通过语言歧义、语音识别、搜索对比、常识推理、情感分析与生成式 AI，探索 AI 最"人类"也最难的能力——理解与创造语言。
L17
语言的无限与歧义
体会人类语言的丰富与歧义，理解为什么让 AI 真正搞懂语言如此困难。
语言歧义 无限组合 理解之难
L18
语音转文字的秘密
深入语音识别的真实挑战——多音字、口音、噪音、语速，看 AI 如何"听错"。
多音字 口音 噪音
L19
搜索引擎 vs AI 助手
对比"找链接"和"给答案"，理解 AI 回答与人类搜索信息的本质区别。
找链接 给答案 信息获取
L20
机器懂故事吗
用故事测试 AI 的常识推理，发现 AI 缺乏人类习以为常的隐性知识。
常识推理 隐性知识 AI 局限
L21
AI 能读懂心情吗
探索情感分析——反讽、网络用语、表情符号如何轻易"骗过"AI 的情绪判断。
情感分析 反讽 网络用语
L22
AI 的创造力——生成式 AI
体验文生图与文生视频，认识 AI 创造力的边界，警惕"眼见不一定为实"。
文生图 深度伪造 真伪辨别
🌍
第五单元 · AI 与社会（AI & Society）
L23 – L28 · 6 节课
通过弱强 AI 之辨、行业应用、职业变化、教育场景、伦理公约与数字鸿沟，理解 AI 如何改变世界，以及我们该如何负责任地使用它。
L23
弱 AI 与强 AI
区分只能做特定事的"弱 AI"与全能的"强 AI"，理解当下 AI 的真实能力边界。
弱 AI 强 AI 能力边界
L24
AI 在工业与商业中的应用
看 AI 如何渗透制造、物流、零售，用"眼睛/大脑/手"理解智能生产消费链条。
智能制造 无人零售 智慧链条
L25
AI 改变了哪些职业
用"替代/增强/创造"框架，分析 AI 正在如何重塑未来的工作与职业。
替代 增强 创造
L26
教育中的 AI
认识课堂里的 AI 工具，学会善用 AI 辅助学习而非依赖，守住诚信边界。
学习助手 善用 AI 诚信边界
L27
AI 伦理——偏见、公平与规则
从社会影响看 AI 偏见带来的伤害，师生共同制定一份班级 AI 伦理公约。
AI 伦理 社会影响 伦理公约
L28
AI 与我们的社区——数字鸿沟
回顾 28 课旅程，思考 AI 是否让所有人受益，成为负责任的未来数字公民。
数字鸿沟 回顾之旅 未来公民
Grades 4–6 · AI Foundations Course
面向 4-6 年级的人工智能基础系列课程 · 28 课时 · 5 个主题单元
课程涵盖感知、推理、机器学习、语言生成与 AI 社会影响全领域