角色，才是各说各话的核心原因

——从两场AI通识课讲座到一份批判性反思

11月10日上午，我听了谢作如和马建军两位专家关于人工智能通识教育的讲座。

共性之处有：

反对“唯工具论”与“浅层应用”：两人都反对将AI教育简化为学习使用某个具体软件或仅仅学习写提示词。他们认为这如同教人打字，只是技能而非认知。AI通识课是培养人应对智能社会的核心素养，而非单纯的技术训练。
强调“真实问题解决”：AI教育必须结合真实场景，通过解决实际问题来理解AI原理，而非空洞的理论灌输。
重视跨学科融合：AI不应孤立存在，应与科学、数学、人文等学科深度融合，特别是利用AI降低其他学科（如生物、化学）的研究门槛。

但是，两位专家各有侧重：

谢作如讲“做中学”，讲工程实践，讲如何让中小学生通过搭建系统来理解AI。
马建军则从误区讲起，讲认知规律，讲分层教学，讲课例，讲六大“坚守”——坚守基础知识、坚守不忽视“童子功”、坚守保护好奇心、坚守批判性思维、坚守非智力因素、坚守遵循教学基本规律。

在听课现场，我习惯性地打开了DeepSeek，开始追问何为“通识”。

“通识”之“识”，不是知识的“识”，而是识科学、识社会、识人类。它追求的是心智的通达与判断力的健全，而非知识量的简单堆砌。

我继续追问：通识课何为？

作为一种教育理念：培养“完整的人”，这是通识课的灵魂。它是对专业教育的反叛。复旦大学孙向晨教授指出，通识教育是为“大学生人格的熔铸而准备”的。与传统专业课强调知识的系统性不同，成功的通识课注重激发“思考点”，核心在于锻炼逻辑思维、语言表达与批判性思维。它重在“育人”，通过多样化的选择让学生自由成长。

所以，在大学语境下的“通识课”其实就是多个选项之一，而非必选项。

但是“中小学人工智能通识课”是必选项。

我进一步追问：人工智能通识课有哪些不同的理解？

视角一：以“认知自治”为核心的心智训练

清华大学发布的红皮书提出，人工智能通识课的独特心智训练目标是“智能环境中的认知自治”。其核心是：当AI能参与材料选择、解释形成和判断时，人能否主动利用这种能力，同时保有对自身认识与行动的主导权。其判断标准具体化为：来源是否可信、证据是否充分、对模型的信任是否适度、判断与责任是否明确。

视角二：培养适应智能社会的“核心素养”

这是一种更偏能力导向的理解。课程旨在培养学生的计算思维、创新思维、批判性思维与人机协作能力，并树立社会责任感。这意味着课程目标超越了工具操作，指向一种综合的、面向未来的素养结构。

视角三：分层递进、螺旋上升的教育体系

在中小学阶段，这种理解尤为突出。课程设计并非“一刀切”，而是根据不同学段认知特点分层：小学侧重兴趣与基础认知，初中深化理解与协同应用，高中则导向系统思维与创新实践。其目标是构建一个连贯的培养体系，而非孤立的课程。

视角四：面向全体学生的“非程序员”定位

一个明确的共识是，人工智能通识课目的不是培养程序员。其定位是面向全体学生的基础性内容，旨在让每个人都能理性看待技术、负责任地使用技术，并具备参与塑造技术未来的基本能力。

综合来看，“通识”的精神在于追求心智的解放与人格的完整，而非知识的广博堆砌；通识课是这一精神的具体实践，其成败在于能否激发思考而非灌输知识点；而人工智能通识课，则是在技术深度嵌入生活的时代，将这一精神聚焦于培养人在智能环境中的主体性与判断力——学会与强大的工具共存，同时不放弃作为思考者和决策者的责任。

如果把这些共识和分歧放到教材建设的尺度上看，会怎样？当前的AI通识教材能不能承载他们各自的主张？DeepSeek又给我列了几本教材，我一本一本追问下去，最后干脆自己动手，构建了一套评价量表。

我用这套量表对五本教材做了逐一评价。吴飞和潘云鹤的《人工智能通识引论》学理扎实但门槛偏高，林子雨的《人工智能通识教程》零代码易进入但工具化倾向明显，王万良的《人工智能通识导论》覆盖面广但容易“通识稀释”，赵宏的《人工智能与创新》教学法丰富但认知自治非组织原则，蒋加伏的《大学计算机与人工智能》模块灵活但通识纯度被稀释。我写了一份对比分析，自认为把该砍的地方都砍到了。

下图是为课程设计的评价表。

但在12日晚上，当我重新审视这一切时，突然意识到一个更根本的问题：我一直在评价“教材好不好”，却很少问“教材预设了谁来教”。而一旦把“角色”这个变量引入，很多此前看似是“教材质量”的问题，立刻变成了“教材与授课者角色是否匹配”的问题。

谢作如和马建军的分歧，表面上是教学路径之争，深层其实是角色假设之争。谢作如预设的授课者，是一个工程实践教练——他能带着学生搭系统、跑工作流、用Git协作模拟真实开发流程，他的“通识”是在动手做中生长出来的。马建军预设的授课者，是一个并不具备AI必备知识和技能的信息科技学科教师——教师职业本能和上级文件指南都要求他区分小学、初中、高中的认知目标，知道什么年龄该讲什么、不该讲什么。马老师的“通识”是在认知阶梯上被精确安放的。两人各有一套合法的教师角色，也各自从这个角色出发说出了不同的话。

沿着这个思路回看那五本教材，问题就变得清晰了。吴飞和潘云鹤的教材预设的是学理引导者——授课者有能力在学术脉络层面带学生追问方法的边界；赵宏的教材预设的是教学设计师——授课者的核心能力是把课堂组织成问题驱动的探索过程；林子雨的教材预设的是工具赋能引导者——授课者先让所有人敢用、会用，再谈更深的理解；王万良的教材预设的是学科入门向导——授课者的任务是绘制一幅准确、系统的知识地图；蒋加伏的教材预设的是通识技能培训者——授课者在公共课体系内完成标准化素养供给。五种教材，五种教师形象，每一种都合法，但每一种都在“人工智能教育共同体”的内部定义自己。

这就解释了我此前评价中的某种不安。当我用量表去砍林子雨教材“工具化倾向明显”时，我砍的其实不是它的质量，而是它的角色预设与我的评价标准之间的错位。它预设的授课者本来就不是一个要做认知自治训练的人，而是一个要让零基础学生先敢用工具的人。我用“认知自治”这把尺子去量它，它当然不够长——但这不是尺子错了，也不是教材错了，而是我此前没有把“角色”这个变量纳入评价框架。

更关键的是，化学老师进入这个场域时，面临的处境比“选哪本教材”要深得多。上述五本教材，没有一本为“学科内部的跨界翻译者”准备好位置。化学老师如果拿林子雨的教材，他会被预设为一个工具赋能引导者，但他真正的优势可能在于化学场景中的AI判断——比如当AI预测分子性质时，学生如何校准对预测结果的信任？这个问题的组织方式不是“先用工具”，而是“先有化学学科内部的判断需求”。他如果拿吴飞的教材，他会被预设为一个学理引导者，但教材的学理脉络是从人工智能学科内部向外展开的，而不是从化学学科的认识方式向AI发问。他如果拿王万良的教材，他会被预设为一个知识地图的绘制者，但他真正想做的可能是从化学课堂里长出一套属于化学学生的AI素养框架，而不是把人工智能导论压缩后讲一遍。

换句话说，化学老师面对的不是“教材够不够好”的问题，而是教材尚未为他准备好位置的问题。他需要的不是把自己塞进某本教材预设的角色里，而是以自己的学科角色为起点，重新定义什么是他所理解的“人工智能通识”。这个重新定义的过程，可能比选择哪本教材重要得多。

而这恰恰印证了我最初的判断：对“通识”的理解，本来就应当允许因授课者角色而异。

谢作如的理解是工程实践的通识，马建军的理解是认知发展的通识，吴飞的理解是学理深度的通识，林子雨的理解是工具可及的通识——它们都是合法的，但没有一种可以宣称自己穷尽了“通识”的全部可能。化学老师的通识，可能是一种“学科判断力”的通识；语文老师的通识，可能是一种“语义与叙事”的通识；历史老师的通识，可能是一种“技术变迁与人类选择”的通识。这些理解之间的差异，不是谁对谁错的差异，而是角色处境不同所带来的视角差异。

所以，真正有价值的追问不是“哪本教材最靠谱”，而是“这本教材预设了什么样的授课者角色，而我作为授课者的角色与它是否匹配”。评价量表仍然有用，但它应该增加一个前置维度：角色自觉——课程设计者是否清楚地知道自己在以什么角色教通识，以及这个角色如何塑造了课程的目标、内容和评价方式。一个靠谱的人工智能通识课，首先是一个角色定位清晰的课。

中小学的“人工智能通识课”更接近“国家课程要求下的统一内容”。从政策导向上看，文件要求将人工智能教育“有机融入”信息科技之外的通用技术、科学、综合实践活动、劳动等课程，并面向全体教师实施素养提升计划——这实际上使非信息科技教师进入AI通识教学成为制度上的可能。而大学通识课是“选项中的通识”，学生用选课投票，教师用角色差异竞争。两相对照，必选项的可靠性就不能寄望于每位授课者都自动具备角色自觉。授课者角色一旦多元，教材就不应只预设一种教师形象，而需要为多种角色准备位置，提供适合他们开展教学的教材版本。