夜雨聆风这些当然重要。但如果 AI 素养只停留在“会用工具”，它很快就会变成一门新的操作课：今天教一个平台，明天教一个插件，后天教一套提示词模板。学生学会了使用 AI，却未必学会理解 AI；学会了把问题交给 AI，却未必学会判断 AI。
英国皇家学会（Royal Society）最近完成了一份快速综述（Rapid Review），恰恰提醒我们重新看待这个问题。报告提出，AI 素养至少包含三个维度。
第一个是技术维度：AI 是什么，如何工作，数据、算法、模型、机器学习和生成式 AI 的基本机制是什么。这个维度的意义，不是把所有孩子都培养成程序员，而是帮助他们祛魅：AI 不是魔法，也不是“真的懂了”，很多时候只是基于数据和概率做出预测。
第二个是实践维度：什么时候可以用 AI，什么时候不应该用 AI，如何验证 AI 输出，如何保护隐私，如何避免过度依赖，如何负责任地使用 AI。
第三个，也是这份报告最有启发的地方，是人文维度。所谓人文维度，不是给技术课加一段“伦理提醒”，而是要让学生理解：AI 如何影响人的尊严、权利、隐私、公平、劳动、民主、环境、文化、心理和社会参与。
换句话说，真正的 AI 素养，不只是问“AI 能帮我做什么”，还要问“AI 正在怎样改变我们”。
更有意思的是，报告不只提出概念，还做了一张很有冲击力的热力图。
研究者分析了 20 个 AI 素养框架，把它们分别放进技术维度、实践维度和人文维度中评分。热力图的逻辑很简单：颜色越深，说明这个框架越重视该主题。
结果一眼就能看出来：技术维度最深，实践维度次之，人文维度最浅。
也就是说，全球已经有很多 AI 素养框架，但很多框架仍然偏向数据、算法、模型、机器学习、工具使用和提示词。伦理、人权、劳动、环境、民主、社会公平、心理影响等议题虽然常常被提到，却经常停留在“应该关注”的层面，很少变成清楚的学习目标、课堂任务和评价标准。
这张热力图真正揭示的问题是：
AI 素养教育并不是没有框架，而是很多框架里“机器”太清楚，“人”还不够清楚。
（此图来自原报告，非AI生成）
那么，AI 素养到底应该怎样落地？报告没有只停留在框架比较，而是进一步分析了 6 个案例。它们不是可以直接复制的标准答案，却提供了六种值得借鉴的路径。
一、芬兰：把 AI 素养嵌入跨学科学习
芬兰的关键词是“共创”。
它不是简单开一门 AI 课，而是把 AI 素养放进数字能力和多元读写能力中，由教师、学生和教师培训者共同参与课程设计。这个过程包括共同构想、共同设计、共同实施、共同评价，最后形成能够进入真实课堂的学习活动。
这个案例的价值在于，它没有把 AI 素养理解成计算机教师的任务，而是把它放进学生理解世界的方式中。AI 可以进入科学课，也可以进入语文、历史、公民教育和艺术课。因为 AI 改变的不只是技术工具，也改变知识生产、信息判断、社会参与和人的表达方式。
二、韩国：从智能学校和教师培养开始
韩国的路径更重视基础设施和教师队伍。
报告提到，韩国曾计划把 AI 嵌入中小学教育，建设智能学校基础设施，并培养大量 AI 融合型教师。许多小学 AI 活动从游戏开始：四年级学生先手工给图片分类，再观察屏幕上的分类器如何分类；他们尝试语音转文字、翻译、图像滤镜，然后讨论系统为什么会出错。
这个设计很有意思。它没有一上来讲复杂算法，而是先让孩子看到：机器也会判断，机器也会犯错。
不过，报告也提醒，如果课程只停留在“体验工具”，AI 素养就会滑向工具演示。真正关键的是，每次使用工具之后，都要追问：数据从哪里来？错误为什么发生？偏见如何产生？这个场景到底适不适合用 AI？
三、美国马里兰一学区：把 AI 素养做成学校治理问题
美国 Montgomery County Public Schools 的案例提醒我们：AI 素养不是某位教师的个人爱好，而是学校系统治理问题。
这个学区把 AI 使用与学校价值绑定在一起，例如个性化学习、安全和快乐的学校、尊重、多样性、学生倡导、透明和社区合作。AI 被定位为辅助教师和学校工作的工具，而不是教师的替代品。
更重要的是，它设置了公平、隐私和可及性标准，并且明确不同层级的治理责任：教育委员会要制定愿景和政策，学校领导要落实战略，教师、学生和家庭也要逐步参与。
这说明，AI 素养不是“买不买工具”的问题，而是学校有没有一套价值、规则和责任机制。
四、意大利：教师站在最前面
意大利 InnovaMenti 项目的关键词是“教师优先”。
它不是先要求学生上 AI 课，而是通过区域培训团队支持教师，再由教师带着这些能力进入课堂。培训结构区分 about AI、with AI 和 for AI，也就是关于 AI、借助 AI、为了 AI 时代而学习。具体模块也很生活化：沟通、看见、感觉、行动，既面向 STEM 教师，也面向人文学科教师。
这个案例对一线学校特别重要。因为如果教师自己还没有形成判断，AI 素养就很容易变成新的任务、新的表格、新的培训截图。
AI 素养进课堂之前，教师首先要成为有判断力的学习者，而不是被动执行课程包的人。
五、新加坡：把 AI 素养做成全社会项目
新加坡的路径是“全社会推进”。
它从大众入门课程开始，一直延伸到学校课程、证书路径、实习、挑战赛和教师并行培训。学生会围绕真实城市问题开展项目，例如交通、能源使用、可持续发展等，把数据素养、机器学习、设计思维和公民目的结合起来。
这里最值得注意的是：伦理不是最后补一节课，而是嵌入项目过程。
一个 AI 项目不仅要看模型是否有效，也要做数据审计：谁被遗漏了？谁被误表征了？是否有公平性问题？模型输出能不能解释？是否涉及隐私？有没有不该使用 AI 的场景？
这才是具有人文维度的 AI 素养：不是在技术之后补一句“要负责任”，而是在技术实践中不断练习判断和负责。
六、乌拉圭：把 AI 素养做成公共服务
乌拉圭是这组案例中最有公共教育意味的一个。
它不是先推出一套炫目的 AI 课程，而是先建设普遍接入的基础设施：设备、网络、平台，让每个孩子有进入数字学习环境的基本条件。然后再叠加国家层面的计算思维和 AI 学习路径，并通过远程专家教师共同授课。
在 2023 年，这项计划就已经覆盖约 8 万名学生和 3600 名教师，约占城市公立学校的 80%。
这个案例的启发很直接：AI 素养不应该变成少数学校、少数学生、少数家庭的特权。真正的 AI 素养教育，不能只靠某些资源好的学校先探索，也不能只靠个别明星教师带动。它需要基础设施、专家支持、教师发展和连贯的教学法。
对中国学校的启发
这份报告对我们至少有三个启发。
第一，AI 素养不能只放进信息科技课。信息科技课当然重要，但 AI 正在改变的不是一门学科，而是学习、表达、判断和社会生活本身。语文课可以讨论 AI 写作和作者身份，历史课可以讨论技术与社会变迁，政治课可以讨论算法治理和公共责任，艺术课可以讨论 AI 创作与文化表达，科学课可以讨论数据、模型和证据。
第二，教师要先于工具。很多学校一谈 AI 教育，马上开始找平台、买系统、做展示课。但报告中的多个案例都说明，没有教师发展，AI 素养很难真正落地。教师不只是工具使用者，更是课程判断者、活动设计者和学生讨论的引导者。
第三，人文维度必须变成可教、可讨论、可评价的学习任务。不能只在课程目标里写“负责任使用 AI”，而要让学生真的面对问题：AI 输出错了怎么办？训练数据有偏见怎么办？AI 生成内容算不算自己的作品？某些场景为什么不该使用 AI？自动化会影响谁的劳动？算法推荐会怎样影响我们的判断？
AI 素养教育的目标，不是让孩子更快地把问题交给机器，而是让他们在机器越来越像人的时代，仍然能够理解自己、理解他人、理解社会，并对自己的选择负责。
技术维度让孩子知道 AI 是什么，实践维度让孩子知道 AI 怎么用，而人文维度提醒孩子：在一个越来越智能的世界里，人不能把判断、责任和未来一起外包给机器。
参考文献：Hillman, V., Holmes, W., & Duarte, T.（2025）. A Rapid Review of AI Literacy Frameworks, with Policy Recommendations: A Report Prepared for the Royal Society. London: The Royal Society.
推荐阅读：