人工智能通识教育（三）内容框架：究竟应当教什么
清华 AIGE 研究中心《人工智能通识教育红皮书》（v2.3.1）第三篇精读：把课程内容组织为五个部分——基础概念、基础方法、应用、交叉融合、风险伦理与责任；每部分都围绕教育功能、内容原则、共同主干、拓展内容与认知自治展开，使快速变化的技术被组织进相对稳定的知识结构。
文献：王东、马少平：《人工智能通识教育：智能社会中的认知自治》，清华大学计算机系人工智能通识教育研究中心，2026（《人工智能通识教育红皮书》v2.3.1，266 页）。DOI: 10.5281/zenodo.21959557
本文是这套红皮书四篇连续推送的第三篇：第一篇 时代背景｜第二篇 理论基础｜第三篇 内容框架｜第四篇 分层实施。引文均出自原书，章号随文标注。
一、五部分内容，与一个反复出现的组织方式
第三篇回答「教什么」，把内容分为五个部分：人工智能基础概念（第 9 章）、基础方法（第 10 章）、应用（第 11 章）、交叉融合（第 12 章）、风险／伦理与责任（第 13 章）。
关键在于每一部分不只是罗列知识点，而是统一围绕五个问题展开：教育功能、内容原则、共同主干、拓展内容、认知自治。原书对这一设计的说明是：
「每一部分都围绕教育功能、内容原则、共同主干、拓展内容和认知自治展开，使快速变化的技术被组织进相对稳定的知识结构。」（总论 0.6）
最后一句是这一篇真正的贡献：AI 的知识更新极快，如果课程按产品、模型、算法名称组织，两三年就会失效；按「功能—原则—主干—拓展—自治」组织，更新的是拓展内容，主干保持稳定。
二、第 9 章：基础概念的任务是「建立坐标系」
基础概念不是名词解释，而是防止三类误判。原书列出的风险很具体：
「学习者若缺少对人工智能研究对象、实现方式、历史来源和学科边界的整体理解，容易把当前流行的产品等同于人工智能本身，把自动化功能理解为智能，把语言流畅误判为真实理解，也容易在技术崇拜与技术恐惧之间摇摆。」（第九章摘要）
概念教学因此要处理一组容易混淆的相邻概念——人工智能、自动化、机器人、机器智能、算法、互联网、大数据、机器学习、深度学习、生成式人工智能、通用人工智能——讲清它们之间的包含、交叉与支撑关系：
三、第 10 章：方法要形成「知识体系」，而非术语清单
第十章用两条基本路径组织全部方法：基于知识的方法（把事实、规则和关系表示出来，通过搜索与推理解决问题）与基于学习的方法（从数据、反馈和经验中调整模型）。机器学习进一步用目标、模型、算法、数据、知识五个要素来理解，流程则是「问题定义—模型设计—模型训练—独立测试—模型选择—部署监测—反馈更新」。
方法内容的教学目标被写成一句很好用的判据：
「基础方法教育帮助学习者形成方法坐标，理解模型能力的来源，判断数据、目标、结构……」的适用条件（第十章摘要）
换句话说：学生不需要会造模型，但需要知道一个模型的能力与失效分别来自哪里。
四、第 11 章：应用要能「还原为系统」
应用是普通人接触 AI 的第一现场，也是最容易上成「产品展示」的部分。原书给出的解法是一套共同框架，把可见功能还原为可分析的技术系统：
推荐内容由五类应用构成：机器视觉、机器听觉、语言处理、人机对战与具身行动、搜索与推荐——覆盖表示、识别、生成、搜索、强化学习、具身行动、信息排序与反馈循环等关键机制。教学上要追问的是：数据来源、模型目标、证据强度、适用范围和责任安排。
五、第 12 章：交叉融合与应用不是一回事
第十二章明确区分了两者的教育任务：应用内容解释「一个系统怎么运行」，交叉融合则从领域问题出发——如何把问题转化为 AI 可处理的表示、如何选择和改造方法、如何加入领域知识、如何依据本领域标准验证结果。它覆盖六类领域（数学、工程学、物质科学、生物与医学、地球与空间，以及社会、文化与艺术），并把 AI 的跨学科作用概括为扩展观察、预测重构、搜索生成、推理发现四种方式，配以「领域问题—问题形式化与表示—数据与知识—方法选择与改造—领域验证—解释与责任」六环节框架（表 12.1、12.2）。
该章还给出了一条对课程设计很实用的边界：具体成果在课程中主要承担举例作用，内容主干应保持在关键问题、解决方法、成立条件和证据边界上。
六、第 13 章：风险、伦理与责任是「贯穿轴线」
第十三章把风险、伦理与责任设为具有独立知识结构的内容领域，同时又是一条纵贯前四部分的评价轴线——隐私、公平、可靠性、人的主体性和社会责任要进入概念辨析、模型设计、应用分析和领域验证。它区分风险、伦理、责任与治理，建立七类风险体系（含四种时间尺度）：
此外还有伦理核心原则（表 13.2）、覆盖管理／研发／提供／部署／专业使用／一般使用／监管的责任链（表 13.3）、七步审议框架，以及把风险伦理做成可独立训练的任务（表 13.4）与在其他四部分中的贯穿方式（表 13.5）。
精读笔记
第三篇是可操作性最强的一篇：它没有只给内容清单，而是给了五个部分各自的教育功能—内容原则—共同主干—拓展内容，以及一张能让每部分与认知自治挂钩的结构。
三点值得带走的东西：
- 「共同主干 + 拓展内容」是应对技术快速变化的正解。主干按「能理解、能判断、能负责」组织，拓展内容随技术更新——这条原则比任何具体内容都更耐用。
- 表 11.1 的七环节框架可以立刻用。拿任何一款学生天天在用的 AI 产品，按「任务与场景→数据与表示→模型与方法→系统集成→输出与评价→失效条件→风险与责任」走一遍，就是一节高质量的通识课。
- 风险伦理不做成「附加章节」。原书的做法是：独立成章（保证系统性）＋纵贯其余四部分（保证不脱节）。这一点对课程设计者最有借鉴价值。
引用提示：本书为研究报告（非同行评议论文），引用请标注版本号与 DOI（v2.3.1，2026）；正文及作者原创图表为 CC BY-NC-ND 4.0，可原样引用、不宜改绘后再发布。
来源：原书 PDF《人工智能通识教育：智能社会中的认知自治》v2.3.1（王东、马少平，清华 AIGE 研究中心，2026）｜本篇对应原书第三篇（第 9—13 章，第 105—171 页）