儿童AI素养：教他们驾驶，而非乘坐

大多数孩子接触AI的方式和接触自动贩卖机一样：提出问题，得到答案，然后继续。这个习惯值得尽早改变，因为学会掌控这些工具而不是仅仅接受其输出的孩子，才能真正从中受益。指挥AI意味着理解它能做什么、不能做什么，质疑它的答案，并把它当作思考的工具而不是思考的替代品。

为什么被动使用是默认状态

聊天机器人和图像生成器的设计目标是让使用感觉毫不费力。输入提示词，几秒钟就得到精美的结果。对正在做功课的孩子来说，这种即时性很有诱惑力——AI写了论文、解了数学题或画了图，任务就"完成"了。但过程中什么都没学到。工具做了思考，孩子只是请求的传送者。

这与孩子使用计算器的方式不同。使用计算器时，基础数学技能通常是事先教过的。对生成式AI，孩子们常常在没有任何独立技能作为后盾的情况下就开始使用它。这就是成人需要弥补的差距。

把提示词撰写当作技能，而不是捷径

好的提示词是具体的、范围明确的请求，撰写它是一项真正值得刻意练习的技能。与其让孩子直接输入"给我写一个关于龙的故事"，不如让他们分层次地构建提示词：龙的性格是什么？它面临什么冲突？语气是什么——有趣、可怕还是悲伤？每增加一个细节都是孩子做出的决定，而不是AI的猜测。

一个具体的练习：给两个孩子相同的基础提示词，让他们各自添加三个自己选择的限制条件，然后运行。之后对比输出。这样能看清结果有多少来自人的指挥，多少来自模型的猜测。

事实核查是必须的

模型会产生幻觉——它们会非常自信地陈述错误信息。孩子需要亲眼看到这种情况，而不仅仅是被告知。一个有用的练习是让AI工具回答关于孩子已经很了解的东西的问题，比如他们最喜欢的书系列或一个爱好，然后让他们将答案与自己的知识进行对比。当他们发现模型出错时，这就是学习真正发生的地方。

养成习惯：每次得到AI生成的事实、答案或摘要后，问"你会怎样验证这一点？"有时是快速搜索，有时是问老师或父母，有时只是注意到声明与常识不符。

让他们看到工具做不到的事

当孩子直接看到AI的局限时，他们能更快地建立准确的心理模型。问聊天机器人一个关于最近发生的它不知道的事件的问题，或一道需要多步骤仔细计算的数学题，看它如何失败。要求图像生成器画手或图片中的文字，看看会输出什么。这些不是陷阱——它们是诚实的演示，说明这个工具是一个有真实盲点的模式匹配器，不是一个思想。

用AI检查他们自己的工作，而不是替他们完成

一个强有力的模式：孩子先完成作业，然后用AI做审阅工具。"这是我的论文——有什么不清楚的地方吗？"或"这是我的代码——这个循环真的在做我认为的事吗？"这颠倒了关系。AI成了第二意见而不是作者，孩子仍然是做决定和承担最终结果责任的人。

对学编程的孩子来说，这尤其有用。先让他们写一个小脚本——即使是有问题的——然后再请AI帮助调试。他们应该能用自己的话解释每一行修复代码的作用才能继续。如果他们解释不了，那就说明他们还没有真正学到，不管最终代码看起来多么正确。

谈论训练数据的来源

即使是简单版本的这个话题也很重要：这些模型通过阅读真实人类制作的大量文本和图像进行学习，这意味着它们可能会重复存在于数据中的偏见、错误和过时观点。年纪大一点的孩子可以接受稍微深入的讨论——探讨为什么图像生成器可能默认对"医生"或"CEO"做出某些假设，除非另有说明，以及这种模式可能来自哪里。

一个跨越各个年龄段的简单家庭规则

一个在各个年龄段都行得通的规则：任何AI输出离开家门之前，孩子都要能用自己的话解释它。学校项目、生日贺卡留言或代码片段都不例外。如果他们能讲述并为其辩护，说明他们很好地使用了这个工具。如果不能，那是工具在使用他们。

如果想了解更多关于AI工具如何在底层实际运作以及它们的局限来自何处的信息，请查看Korra Studio的AI和数据科学相关内容。