明天就能上一堂人工智能的课
这条路线给出在课堂上讲这门课各个概念的顺序、一堂可以原样拿去上的课、这个题目的坑，以及框住它的那些官方框架。它不提供什么，也说得同样直白。
这篇文字不是一堂教学法的课：它是一位同行在你第一次上这个题目之前会交给你的东西。课程本身已经按对的顺序排好，每一章都建立在上一章之上。刚接触它的人缺的是：知道什么该投屏、什么该口头讲、怎么把九章归成几次课，以及这个题目的坑在哪里。
按什么顺序讲这些概念
九章，四次课。每一行都说明什么该投屏、什么该口头处理，以及为什么。
- 第 1 次课：被切碎的词，投屏。用班上同学现场给的一句话，而不是事先准备好的例子：切开一个熟悉的词，比一个抽象的例子更有说服力。五分钟就够。
- 第 1 次课：下一个词，投屏。上一个概念的直接延续，不是单独一次课：在班上当场改动参数，把每个取值下给出的词念出来。
- 第 1 次课：为什么它会编造，口头。不需要再投屏：刚才看到的机理已经足以解释一个笃定说出来的错误答案。问一问谁曾经收到过这样的答案。
- 第 2 次课：偏见从哪里来，投屏。那个在数据集上做的演示，会在人给偏见起名字之前先把它显出来，这样就避免了变成一堂道德说教。
- 第 2 次课：我们交给它什么，口头。这个对课堂生活最有用的概念，讨论比演示更合适。一个具体的问题：一份打进免费工具里的作业，后来怎么样了？
- 第 3 次课：一张被造出来的图片，投屏。伪影的演示适合一起看：一整个班能发现的细节，比一个人多。
- 第 3 次课：一段被造出来的声音，口头。怀疑是在耳朵里生出来的，不是在一张图上：让人听，而不是投屏。
- 第 3 次课：水印，投屏。它直接回答前两个概念引出的那个问题：“那到底怎么才知道呢？”要把它当成一条不完整的线索来展示，绝不当成一个解决方案。
- 第 4 次课：什么时候不要用它，口头。整门课的收尾，用讨论而不是念清单：三个问题就足以判定一个案例，出错的代价、可核查性、正当性。
课程按这个顺序排好的完整目录，在理解页面。
一次示范课
上面第一次课的内容装得进一节普通的课，而且可以原样拿去用。
- 投屏什么
- 词元切分的演示，用一个学生现场给的句子。然后是预测参数的演示，用同一个例子。
- 让学生动手什么
- 第二个演示的参数，一个学生在键盘上操作，全班把每个取值下给出的词念出来。
- 引出讨论的那个问题
- “如果机器只是在猜概率最高的那个词，它为什么看起来像懂了这个问题？”
- 写在黑板上的东西
- 只写一行，留一整年：文本、词元、数字、预测、选中的词。下面加一句：预测不是理解。
这两个演示不联网、不用账号也能跑：前一天在一台机器上打开一次，之后即使上课时学校的网络断了，它们照样能用。在一间网络不可靠的教室里，这往往就决定了这堂课上得成还是上不成。
这些内容你可以拿去做什么
本课程以 CC BY 4.0 许可协议发布：在课堂上投屏、打印、翻译、并入已有的讲义或教材，都事先获得授权，不必提出申请，也不必通知本会。要标注的确切文字在许可与再利用页面，不从这里抄。
这个题目的坑
有两个坑常常出现，最好在它们扎下根之前避开。
其一是承诺能检测出造出来的文本。没有一款 AI 生成文本检测器同时做到可靠和精确，而且错误不是随机分布的：几款使用很广的检测器，会把母语不是英语的学生的文本中的大多数错判为机器生成，而对英语母语者的文本却识别正确。所以，凭一个百分比去指控一个学生，等于首先惩罚那些以英语为第二语言写作的人。什么时候不要用它那一章详细讲了这个案卷，博客上还有一篇更长的文章：学校里的 AI 检测器。
- Testing of detection tools for AI-generated text Debora Weber-Wulff, Alla Anohina-Naumeca, Sonja Bjelobaba, Tomas Foltynek, Jean Guerrero-Dib, Olumide Popoola, Petr Sigut, Lorna Waddington，2023 年。该文确立：一项针对十四款检测工具（其中包括卖给教育机构的商业工具）的独立评测，没有找出任何一款同时做到可靠和精确的例外。
- GPT detectors are biased against non-native English writers Weixin Liang, Mert Yuksekgonul, Yining Mao, Eric Wu, James Zou，2023 年。该文确立：几款使用很广的检测器会把英语非母语者写的文本中的大多数错判为 AI 生成。
第二个坑是把还有争议的东西当成已经确立的东西讲。为什么它会编造那一章明确标出了哪一部分有共识、哪一部分没有。在课堂上把这个区分照样保留下来，而不是把它抹平，不费什么力气，也省得以后要回头更正。
框住这项工作的那些框架
有三份公开框架对备课有用，各自用在不同的时刻。
- AI Competency Framework for Teachers 联合国教科文组织，2024 年。用来在备课之前给自己的能力定位，分五个维度和三个进阶层级。
- AI Competency Framework for Students 联合国教科文组织，2024 年。用来按进阶层级确定学生上完课之后应当会做什么。
- Empowering Learners for the Age of AI（“AILit Framework”） 经合组织与欧盟委员会，2026 年。用来把一个教学序列拆成具体能力：与人工智能相处、用它创造、管理它、塑造它。
每一份的详细情况，以及它能支撑哪些说法，在官方框架页面。
本站不提供什么
三样东西，这条路线在有人白找一场之前就说清楚。
- 一份按年级排的官方进度安排。
- 一套带评分标准的计分评价。
- 与某个国家课程大纲的对应符合。
如果本站将来出现其中任何一样，它会是课程旁边的一个模块，绝不会进课程的地基。