论文讲解 · 约 9 分钟 · AI 合成配音

会写提示词，就算懂 AI 吗？

Long & Magerko (2020) · What is AI Literacy?
CHI 2020 · Paper 598 · DOI ↗

开场编辑设想场景 · p. 1

AI 培训 · 学员写的提示词

角色：你是一位……目标：写一段……格式：三段，每段……✓ 很快生成了一段合用的文字

你为什么相信这段内容？

哪些材料，可能根本没进入系统的认识？

……讨论一下子慢了下来

会用≠?懂自己在用什么

CHI 2020 · Paper 598 · pp. 1–16

What is AI Literacy?

Competencies and Design Considerations

Duri Long · Brian Magerko · 佐治亚理工学院

学习者

普通人需要懂什么？
→ 能力

设计者

怎样设计技术和学习体验？
→ 设计考量

2020 年 4 月发表早于ChatGPT（2022 年末）

开头的提示词培训：是我们借今天的场景提出的问题，不是作者当时的案例

素养：从识字说起 p. 2

最初的“素养”

读写能力

用文字表达和交流

历史上

识字的人越来越多：更多人能获取知识，也能分享想法

数字素养计算素养科学素养数据素养→AI 素养？

AI 素养：一组能力，让人能够……

①

批判性地评价 AI

②

和 AI 有效地交流、协作

③

在网上、家里和工作中把 AI 当工具使用

定义见 p. 2

要不要先学会编程？不一定。

前提

会用电脑（数字素养）

不是前提

会编程（计算素养）

编程能帮助理解 AI，对开发者必要；也可能是很大的门槛

大多数日常使用 AI 的人，并不需要会给它编程

一百五十份材料 pp. 2–3；表 1

这张地图怎样画出来？

最初：面向非技术学习者的 AI 教育

18 篇论文 · 8 个项目

太少了

→

探索性文献综述 · 接近范围研究的思路

扩大到：

课程大纲教科书AI 伦理可解释 AI民意调查公众看法研究

150份材料＝

会议 53

期刊 38

书 15

灰色文献 44

带着两个问题去读

专家认为非技术背景的人该懂什么？

普通人对 AI 有哪些看法和误解？

记下关键想法 → 比较相似之处 → 再问三个问题，提炼能力与设计建议

符合 AI 素养的定义吗？

有多项文献支持吗？

对设计者和教育者有用吗？

17 项能力15 条设计考量

150 份材料 ≠ 150 个实验

作者：不是文献的完整总结，而是一场讨论的开始（p. 2）

五个问题，十七项能力 pp. 3–10

● 能力◆ 设计考量

问题 1

AI 是什么？

● 1 辨认 AI
● 2 什么是智能
● 3 跨学科
● 4 通用 vs 专用

问题 2

AI 能做什么？

● 5 长处与局限
● 6 想象未来 AI

问题 3

AI 怎样工作？

● 7–9 表征·决策·机器学习步骤
● 10 人的角色
● 11–13 数据
● 14–15 行动·传感器
◆ 1–3

问题 4

应当怎样使用？

● 16 伦理

问题 5

人们怎样看待？

● 17 可编程性
◆ 4–15
儿童 · 媒体 · 学习者背景

常见误解（p. 3）

AI ＝机器人？
达不到人类水平＝不算 AI？

一张地图，不是从低到高的等级（编辑说明）

看见背后的人与数据 pp. 5–6

人的角色

学生常常惊讶

机器学习需要人来做决定，并不是全自动的

● 能力 10

人在编写程序、选择模型、调整系统中扮演重要角色

数据

● 能力 12

计算机常常从数据中学习，包括你自己的数据

● 能力 13

数据不能只看表面，需要解读；训练样本会影响结果

◆ 设计考量 3 · 给数据写一份“小传”

谁做的？怎样收集的？有什么局限？

挑贴近学习者生活的数据，以及没有被整理得干干净净的数据，用来讨论偏差

表面呈现与内部运作 pp. 5、7–8

作者引用的三种效应 · 转引 Wardrip-Fruin（2007）

伊丽莎效应

表面：很复杂
内部：很简单
→ 人们高估它的智能

Tale-Spin 效应

表面：很简单
内部：很复杂
→ 看不出它在做什么

模拟城市效应

在玩的过程中
逐渐准确理解
内部怎样运作

前两种来自表面与内部对不上；第三种是设计可以追求的方向

两种解释方式 · Long & Magerko 2020, p. 8 的说明例；相关讨论引 Charnley 等（2012）

我选这个，因为觉得你会喜欢。

我选这个，因为和其他候选项相比，它与你过去选择的相似程度高出 15%。

解释怎样表述，也可能影响人对系统智能的判断

◆ 设计考量 4–5：提高透明度，但一点一点展开

一次太多 → 应接不暇太少 → 学不到逐步展开 ✓

可以被编程，也可以被质疑 pp. 8–9

● 能力 17：知道智能体是可以被编程的

孩子有时先

借助人的特征来理解智能体

→

随后逐渐认识到

它的行为可以通过编程改变

◆ 设计考量 6 · 给编程或“教 AI”的机会

门槛降到最低：图像、声音、填空式代码

作者引用的研究

孩子比成年人更常把情感等特征归给智能体，也常觉得它友好、可信

一项亲子研究 · Druga 等（2018）

4–10 岁儿童 × 家长 · 老鼠和机器人走迷宫
年龄较大的儿童，判断更接近家长

设计时考虑：年龄经验家庭互动

作者综合后的提醒 · ◆ 设计考量 8

儿童可能高估智能体的能力：学习活动要帮他们质疑和核查

伦理与先入之见 pp. 6–7、9–10

● 能力 16 · 伦理议题：隐私与监控就业虚假信息奇点伦理决策多样性偏见透明问责

假设情境 · 转引 Dietterich 与 Horvitz（2015）

“尽快到机场”

125 mph

≈ 201 km/h

执行的是

人说出的指令

却不是

人真正的意图

给系统设定的目标，未必完整表达了人的意图

学习者也不是一张白纸

作者回顾的影视与科幻研究

AI 常以机器人、具有人类水平智能的角色出现，也常反叛人类

英国媒体新闻分析 · 转引 Brennen 等（2018）

约 760 篇报道中，近六成围绕企业的新产品、公告和相关计划

◆ 13

正视先入之见

◆ 14

补充媒体里少见的视角

◆ 15

降低门槛：不必先有数学和计算机背景