夜雨聆风引言（Introduction）
人工智能正越来越广泛地应用于各种面向公众的数字技术之中。然而，在许多常见的平台上，驱动系统运行的算法往往具有较强的“黑箱性（Black Box）”，用户很难了解算法的内部运行机制，甚至许多人并没有意识到自己正在与人工智能系统进行交互。
这种误解限制了人们有效使用人工智能的能力；与人工智能协同工作的能力；作为人工智能产品消费者进行批判性思考的能力。
与此同时，社会公众对于人工智能普遍存在的误解，还可能导致政策制定方向出现偏差，并在人工智能的发展速度无法达到公众预期时，引发社会失望甚至恐慌。造成公众误解的原因既来自技术设计，也来自教育。
一方面，采用“黑箱算法”的系统由于内部机制不可见，使用户难以理解人工智能的真实工作过程。
另一方面，即使系统本身具有较高的透明度，如果用户缺乏必要的技术知识，也同样容易形成错误认识。
因此，无论是从学习者角度还是从设计者角度，都迫切需要进一步深入研究人工智能理解机制。
近年来，人机交互（HCI）领域已经开始关注公众对于人工智能的理解。例如，一些研究探讨了人们如何理解人工智能系统；另一些研究则探索如何通过设计更加透明、更加容易理解的人机交互方式，提高用户对人工智能的认识。
然而，目前仍然缺乏系统研究回答一个更加根本的问题：
未来人工智能将深刻改变人与人、人与机器之间的交流方式、工作方式以及生活方式，那么，人们究竟需要具备哪些新的能力，才能适应这一时代？
人工智能素养（AI Literacy）
近年来，越来越多的研究开始探索如何帮助没有计算机专业背景的公众提升AI素养。多家科技公司陆续启动人工智能普及教育计划，希望扩大人工智能人才来源，提高人工智能领域的人才多样性；教育工作者开始出版教材和指南，帮助中小学将人工智能课程纳入正式教学体系；众多研究者开始探索如何通过创造性编程活动，引导儿童学习人工智能。
与此同时，美国AI4K12工作组（AI for K-12 Working Group）正在制定覆盖K-12教育阶段的人工智能课程标准，用以明确不同年龄学生应掌握的AI知识。
该工作组提出了人工智能教育的五个核心理念（Five Big Ideas of AI）：
计算机利用传感器感知世界；
智能体通过建立世界模型进行推理；
计算机能够从数据中学习；
实现人与智能体之间的自然交互，是人工智能的重要挑战；
人工智能既能够促进社会发展，也可能带来负面影响。
上述五个核心理念为未来AI素养研究奠定了坚实基础。
然而，需要指出的是，目前针对非专业学习者开展人工智能教育的大部分研究，都集中发表于最近几年。
相比之下，自20世纪50年代人工智能学科诞生以来，大量相关研究成果已经分散存在于计算机科学、教育学、认知科学、人机交互等多个学科领域。
这些已有研究实际上能够为回答以下两个问题提供重要依据：
AI素养究竟应包含哪些核心能力？
如何设计更加有效的AI学习体验？
因此，本文通过跨学科文献综述，对已有研究进行了系统梳理，并从中提炼出帮助学习者理解人工智能的关键思想。
作者进一步将这些思想组织成一个系统性的AI素养概念框架（Conceptual Framework）。
AI素养究竟包括哪些能力？
在明确提出AI素养（AI Literacy）的定义之后，本文进入了最核心的部分——构建AI素养能力框架（Conceptual Framework）。
作者并没有简单地罗列知识点，而是通过梳理150余篇跨学科文献，将AI素养概括为围绕五个核心问题展开的能力体系：
什么是AI？AI能够做什么？AI是如何工作的？AI应该如何被使用？人们又是如何理解AI的？
这五个问题，几乎覆盖了普通公众理解人工智能所需要具备的全部知识与能力。
第一部分：什么是AI？
本文首先指出，很多公众对AI存在误解。有人认为只有机器人才算人工智能，也有人认为只有达到人类智能水平的系统才是真正的AI。但事实上，我们每天使用的搜索引擎推荐、智能语音助手、图像识别、人脸解锁等，都属于人工智能的应用。
因此，AI素养的第一项能力，就是能够识别哪些技术应用了AI，并理解AI与普通计算机程序之间的区别。
进一步地，学习者还需要思考一个更加基础的问题：
究竟什么才是“智能”？
本文认为，人类智能、动物智能和机器智能既有联系，也存在本质差异。理解这些差异，有助于我们建立正确的AI认知，而不是简单地把AI神化，或者完全低估它的能力。
此外，作者特别强调，人工智能本身就是一个典型的交叉学科，它融合了计算机科学、认知科学、机器人技术、机器学习等多个领域。因此，培养AI素养，不应局限于算法知识，更要建立跨学科的整体视角。
第二部分：AI能够做什么？
这是公众最关心的问题，也是最容易产生误解的部分。本文指出，目前AI最大的优势，在于处理海量数据、发现规律、执行重复性任务以及在规则明确的环境中进行决策。
但与此同时，人类在创造力、情感理解、跨领域迁移、社会交往等方面，仍然具有明显优势。
因此，真正的AI素养，并不是盲目相信AI，也不是完全排斥AI，而是能够判断：
什么时候应该交给AI，什么时候必须依靠人。
更进一步，作者提出了一项非常有意思的能力——想象未来AI（Imagine Future AI）。
AI素养不仅意味着理解今天的人工智能，更意味着能够思考：
未来AI可能发展到什么程度？它会如何改变教育、医疗、交通、就业乃至整个社会？
这种面向未来的思维能力，是AI时代每个人都需要具备的重要素养。
第三部分：AI到底是如何工作的？
这是整篇本文篇幅最长、也是理论价值最高的一部分。
很多人虽然每天都在使用AI，却并不知道AI为什么会做出这样的判断。
作者认为，普通公众并不需要掌握复杂的数学推导和算法实现，但应该理解AI工作的基本逻辑。
例如：
计算机如何“表示”现实世界的信息？
AI如何根据已有知识进行推理和决策？
机器学习为什么离不开数据？
为什么训练数据会直接影响模型的输出结果？
人类在AI系统中究竟承担着怎样的角色？
特别是在机器学习部分，本文反复强调一个观点：
AI不是自己“长大”的，而是人在不断训练它。
从数据采集、数据清洗，到模型选择、参数调整，再到最终部署，每一个环节都离不开人的参与。
换句话说，AI并不是一个完全自动化、客观中立的系统，它始终体现着设计者的选择与判断。
因此，本文把数据素养（Data Literacy）纳入AI素养的重要组成部分，强调学习者不仅要知道AI依赖数据，更要学会质疑数据、分析数据，并理解数据偏差可能带来的影响。
第四部分：AI应该如何被使用？
如果说前三部分回答的是“AI是什么”和“AI如何工作”，那么这一部分讨论的则是：
AI应该怎样被使用，才是负责任的？
作者认为，真正的AI素养绝不仅仅是技术能力，更是一种伦理能力。
本文系统梳理了当前人工智能面临的八大伦理议题，包括隐私与数据安全、就业替代、虚假信息传播、算法偏见与公平性、自动决策责任归属、系统透明度、多元包容以及人工智能治理等。
作者强调，未来每一位AI使用者，都应具备辨析这些问题的能力，而不仅仅停留在“会不会使用AI工具”的层面。
第五部分：人们如何理解AI？
本文最后把研究视角重新回到“学习者”。作者指出，人们并不是带着一张白纸去学习AI，而是早已受到新闻报道、影视作品、社交媒体乃至家庭教育的影响。许多人一提到AI，就会想到机器人、终结者、科幻电影中的超级智能。
这些刻板印象虽然提高了公众对AI的关注，却也容易导致对现实AI能力的高估或误判。
因此，AI教育不仅要传授知识，更要帮助学习者修正已有认知，建立科学、理性、批判性的AI观。
对于儿童而言，这一点尤为重要。本文提出，儿童更容易将AI拟人化，认为智能助手“有思想”“有感情”，甚至会无条件信任AI。因此，在AI教育中，应特别重视培养儿童的批判性思维，引导他们认识AI的能力边界，避免盲目信任技术。
结语
今天，当生成式AI、大模型和智能体不断进入课堂、工作与生活，这一框架不仅没有过时，反而显得更加重要。它提醒我们：AI时代真正需要培养的，不只是“会用AI”的技能，更是理解AI、评价AI、协同AI、规范AI的综合素养。这一理念，也为当前AI课程建设、教师专业发展以及AI素养评价研究提供了重要的理论基础。
参考文献：
Long, D., & Magerko, B. (2020, April). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI conference on human factors in computing systems (pp. 1-16).
