潁川學探索「高中生AI實作課程教育研究」——從學會使用AI到培養創造未來的能力
作者 陳銀欉（教育工作者）
前言
AI人工智慧進入高中校園之後，真正值得教育界思考的問題，已經不是「高中生應不應該學AI」，而是：
「高中生究竟應該如何學習AI？」
如果AI教育只是教學生操作聊天機器人、輸入提示詞、生成圖片、整理報告，那麼我們培養的可能只是新一代的科技使用者。
如果AI教育進一步讓學生理解資料、模型、演算法、感測器、機器人與運算邏輯，並且能夠自己發現問題、設計方案、實際製作、測試修正、團隊合作，甚至討論AI造成的倫理、法律與社會問題，那麼AI教育才真正進入「人才培育」的層次。
因此，高中AI教育的核心，不應只是「教AI」，而應是：
「以AI重新設計學習，以實作重新連結知識，以問題重新連結世界，以創造重新定義教育。」
這正是未來高中教育值得深入研究的重要方向。
一、AI進入高中，代表教育典範正在改變
過去一百多年，現代學校教育基本上建立在一套相對穩定的知識傳授模式：
老師掌握知識，
學生接受知識；
教科書整理知識，
考試檢驗知識。
然而生成式AI人工智慧快速發展之後，這套結構第一次受到根本性的挑戰。
學生現在可以在幾秒鐘內取得過去需要數小時甚至數天才能整理的資料，可以要求AI解釋數學、翻譯文章、撰寫程式、分析文本、產生圖像，甚至協助設計研究計畫。
因此，教育的稀缺資源正在發生改變。
過去最珍貴的是「取得知識」；
未來真正珍貴的，可能是：
「提出問題、辨別真假、整合知識、實際操作、創造作品、承擔責任。」
換句話說，AI並沒有使教育失去價值，而是迫使教育回到更根本的問題：
「當機器也能回答問題，人類為什麼還需要學習？」
答案就在於：
人不能只會取得答案，還必須知道什麼問題值得追問；
不能只會使用工具，還必須知道工具如何改變世界；
不能只會生成內容，還必須判斷內容是否可信；
不能只追求效率，還必須理解效率背後的倫理與代價。
因此，AI時代不是教育的終點，而可能是教育重新出發的起點。
二、從「AI工具課」提升為「AI實作教育」
高中AI課程最容易陷入的第一個問題，就是把AI教育簡化為軟體操作。
今天教一個平台，明天可能出現更好的平台；今年流行的工具，幾年之後可能已經被淘汰。
如果教育只追逐最新工具，學校永遠追不上科技公司的更新速度。
因此，真正值得建立的不是「工具課程」，而是能力課程。
高中AI實作教育至少應該包含五個層次：
第一層：AI素養導向
學生首先要知道AI是什麼。
包括資料、模型、訓練、推論、生成式AI、機器學習等基本概念。
目的不是把每一位高中生都訓練成工程師，而是讓每個人具備理解AI社會的基本能力。
如同現代人不一定都是電機工程師，卻必須理解電力與科技生活；未來的人不一定都是AI工程師，卻必須具備基本AI素養。
第二層：AI工具應用
學生學習使用AI處理文字、圖像、聲音、資料與程式。
但是重點不能只是「會用」，而要進一步理解：
什麼工作適合交給AI？
什麼工作不能完全依賴AI？
AI產生的答案如何驗證？
錯誤資訊如何發現？
資料來源是否可靠？
這就是從操作能力進入判斷能力。
第三層：AI程式與模型
學生應逐步接觸基本程式設計、資料處理、模型訓練及人工智慧運作原理。
這個階段的目的，不是要求人人成為程式設計師，而是讓學生從「黑箱使用者」變成「理解系統的人」。
因為真正的科技素養，不只是知道按哪一個按鈕，而是理解：
按下這個按鈕之後，系統究竟做了什麼？
第四層：AI實作與創造
這是高中AI教育最重要的一環。
學生可以透過機器人、感測器、影像辨識、語音辨識、智慧控制、資料分析等方式，把抽象的AI概念轉化成實際作品。
例如：
智慧節能系統、
校園環境監測、
影像辨識裝置、
高齡照護輔助系統、
農業監測、
交通安全、
防災系統、
教育輔助工具。
當AI從電腦螢幕走進真實世界，學生才會真正理解科技與人類生活之間的關係。
第五層：AI教育社會責任
這可能是最容易被忽略、卻最重要的一層。
AI會涉及隱私、著作權、偏見、歧視、假訊息、演算法權力、資訊安全、就業替代與人類自主性。
所以完整的AI教育不能只有：
「Can we do it？」——我們能不能做到？
還必須增加：
「Should we do it？」——我們應不應該這樣做？
這就是科技教育進入人文教育的關鍵。
三、高中AI教育應從「答案教育」走向「問題教育」
傳統考試制度有一個基本假設：
老師提出問題，學生尋找正確答案。
但是AI時代可能恰恰相反。
AI非常擅長回答已經被清楚定義的問題，而人類真正重要的能力，將逐漸轉向：
發現尚未被定義的問題。
因此，高中AI實作課程不應只給學生標準答案，而應該設計「開放性問題」。
例如，不要只要求學生：
「寫一個影像辨識程式。」
可以改成：
「如何利用AI降低校園交通事故？」
不要只要求：
「建立一個聊天機器人。」
可以改成：
「如何利用AI協助獨居長者？」
這兩種教法看起來只差一句話，教育意義卻完全不同。
前者是在學習技術；
後者是在學習用技術解決人的問題。
這就是未來教育的重要轉變：
從「老師出題」走向「學生找題」；
從「回答問題」走向「定義問題」；
從「完成作業」走向「創造作品」；
從「標準答案」走向「多元解法」。
四、建立「問題—設計—實作—驗證—反思」五階段學習模式
高中AI實作課程可以進一步建立一套完整的教學循環：
Problem → Design → Build → Verify → Reflect
即：
問題 → 設計 → 實作 → 驗證 → 反思
1. 問題：看見真正的需求
學生先觀察生活與社會。
不是先問「今天要學什麼AI技術」，而是先問：
我們身邊有什麼問題？
誰正在遭遇困難？
科技可以改善什麼？
2. 設計：把想法變成方案
學生學習界定需求、分析資料、選擇工具、分配工作。
這時AI已經不是單一科目的內容，而開始結合數學、資訊、自然科學、社會、人文甚至藝術。
3. 實作：把知識變成作品
學生必須真正動手。
寫程式、接感測器、建立模型、測試裝置、整理資料。
這個過程非常重要，因為真實世界不會像教科書一樣按照章節運作。
學生會遇到失敗、錯誤、資料不足、模型不準、程式當機。
而真正的學習，往往就發生在這些「失敗」之中。
4. 驗證：作品到底有沒有用？
不能只問作品能不能動。
還要問：
準確率如何？
使用者願不願意使用？
成本是否合理？
資料是否可信？
會不會侵犯隱私？
能不能長期運作？
這就是把工程思維帶進教育。
5. 反思：科技究竟為誰服務？
最後要求學生重新思考：
如果這項技術大量使用，會造成什麼影響？
誰得到利益？
誰可能受到傷害？
有沒有更好的方案？
於是，AI課程就不只是科技課，而成為一門結合科學、工程、人文、倫理與社會責任的綜合教育。
五、證書不是終點，作品與能力才是真正成果
AI課程很容易以「取得證書」作為成果指標，
證書當然具有鼓勵與能力認證的功能，但是教育不能停留在證書數量。
如果一百名學生完成課程，我們更應該問：
有多少學生真正理解AI？
有多少人能獨立完成作品？
有多少人能解釋自己的模型？
有多少人知道AI可能犯錯？
有多少人能辨認偏見與假訊息？
有多少人能將AI應用於真實問題？
有多少人因此發現自己的興趣與未來方向？
因此，高中AI教育的KPI不應只有：
多少人上課、多少人結業、多少人取得證書。
更重要的是：
多少人因此獲得新的能力。
教育的真正成果不是一張紙，而是學生離開教室之後，是否具備面對未知世界的能力。
六、AI實作教育應建立「跨域」而不是另一個資訊孤島
人工智慧不應成為另一門孤立的資訊課程。
因為未來真正重要的AI應用，大多發生在其他領域。
AI＋醫療，
AI＋法律，
AI＋金融，
AI＋農業，
AI＋製造，
AI＋交通，
AI＋教育，
AI＋藝術，
AI＋環境，
AI＋社會科學。
因此高中AI課程最重要的制度突破之一，就是打破傳統科目之間的高牆。
數學老師可以談資料與機率；
自然科老師可以談感測器與模型；
社會科老師可以討論演算法對社會的影響；
國文與語文教師可以研究生成式AI、語言與資訊判讀；
藝術教師可以討論AI創作與原創性；
公民教師可以討論隱私、著作權、偏見與民主。
AI不是增加一門課而已。
AI應該成為重新連結各門知識的一座橋。
七、重新定義教師：從知識提供者成為學習設計者
AI時代對教師最大的挑戰，不是AI會不會取代老師，而是：
老師的角色必須改變。
如果教師的主要功能只是提供答案，AI確實可以完成其中相當一部分。
但是如果教師的功能是：
發現學生潛力、
設計學習情境、
提出關鍵問題、
陪伴實驗失敗、
建立價值判斷、
培養人格與責任，
那麼教師的重要性反而更加提高。
因此未來教師的核心角色可以從：
Teacher as Knowledge Provider
轉變為：
Teacher as Learning Designer
——教師成為學習設計者。
教師不必知道所有AI工具，但必須知道如何設計一個值得學生探索的問題。
八、從一次營隊開始走向完整AI教育制度
短期營隊活動可以激發興趣，但如果AI教育要真正產生長期效果，就不能只依靠一次性的活動。
應逐步建立：
啟蒙—基礎—實作—專題—研究—產學連結
六階段制度。
國中階段重視AI素養與探索；
高中初期建立基本程式、資料與AI概念；
高中中期進入跨領域實作；
高中後期進行專題研究與成果展示；
大學則進一步進入專業化、研究化與產業應用。
如此才能形成完整的人才培育鏈。
這也意味著未來台灣需要思考的，不只是「辦多少場AI營隊」，而是：
能不能建立一條從中學、大學到產業的AI人才學習高速公路？
九、AI教育不能製造新的教育不平等
AI教育快速發展，也可能產生新的數位階級。
資源充足的學校可能擁有設備、師資、算力、國際課程與產業合作；偏鄉或資源不足學校則可能連基本設備與教師培訓都不足。
如果放任市場自行發展，AI教育很可能出現：
強者越強，弱者越弱。
這是未來教育政策必須正視的問題。
真正具有公共價值的AI教育，應該保障不同地區、不同家庭背景、不同學習能力的學生，都有接觸與實作的機會。
AI不能只是少數明星學校與菁英學生的教育資源。
科技愈進步，教育公平愈重要。
否則AI原本應該擴張人的能力，最後卻可能擴大人的差距。
十、建立高中AI教育「九力模型」
從人才培育角度而言，我認為高中AI教育可以進一步建立「九力」架構：
一、問題力——發現真正值得解決的問題。
二、學習力——快速學習陌生知識。
三、運算力——理解資料、模型與演算法。
四、實作力——把概念轉化成可運作作品。
五、創造力——提出不同於既有答案的新方案。
六、整合力——跨越不同學科與專業。
七、判斷力——辨別AI答案的真偽與品質。
八、合作力——與人類及AI共同完成任務。
九、責任力——理解科技決策造成的倫理與社會後果。
這九種能力的最後一項尤其重要。
因為未來最危險的人，不一定是不懂AI的人。
可能是：
非常懂AI，卻沒有倫理責任的人。
因此，科技能力與人格教育不能分離。
十一、重新設計高中AI課程評量制度
如果課程改變，考試也必須改變。
AI時代仍然只用選擇題與標準答案衡量學生，很難真正測量上述能力。
未來可以採取多元評量：
作品成果、
學習歷程、
專題報告、
程式與模型、
團隊合作、
口頭答辯、
失敗紀錄、
修正過程、
倫理分析。
尤其值得重視「失敗紀錄」。
因為工程與科學最珍貴的能力之一，就是：
失敗之後知道為什麼失敗，以及下一次如何改進。
學校如果只獎勵一次成功，就容易培養害怕失敗的學生。
真正的創新教育，應該讓學生理解：
失敗不是零分，而是資料。
十二、AI時代真正要培養的是「不可被輕易取代的人」
高中AI教育最後必須回答一個根本問題：
我們究竟希望培養什麼樣的人？
如果教育只是訓練學生完成固定流程，AI可能做得更快。
如果教育只是要求學生記憶大量標準答案，AI可能記得更多。
因此，人類教育必須向AI不容易取代的能力移動：
好奇心、
想像力、
同理心、
價值判斷、
跨域整合、
責任承擔、
創造能力、
生命經驗。
未來真正重要的競爭，不是：
人類與AI誰比較聰明。
而是：
誰能善用AI，把人的價值發揮得更完整。
十三、從「Learn AI」走向「Learn with AI」
高中AI教育可以分成三個歷史階段：
第一階段是：
Learn AI——學習AI。
理解AI知識與工具。
第二階段是：
Learn with AI——與AI一起學習。
把AI變成學習夥伴、研究助手與創作工具。
第三階段則是：
Create with AI——與AI共同創造。
學生利用AI解決真實問題、創造新作品、建立新服務。
而教育最終仍應回到第四個、更重要的層次：
Learn to Be Human——學習成為更完整的人。
這可能才是AI時代最重要的一門課。
十四、潁川學的教育思考：科技本乎人性，教育成就人性
AI教育的終極目的，不能只是為產業準備更多工程師。
產業需要人才，國家需要競爭力，這些都很重要；但是教育還有更高的使命。
教育必須讓一個年輕人知道：
我為什麼學習？
我的能力可以幫助誰？
科技應該服務什麼價值？
我的人生希望解決什麼問題？
因此可以把高中AI教育重新定義為：
以科技為工具，以問題為起點，以實作為方法，以創新為過程，以人性為尺度，以責任為終點。
這才是完整的AI教育。
結語
不要只教孩子追趕AI，要教孩子創造AI時代
教育最大的危險，不是改變太快。
而是世界已經改變，教育仍然假裝世界沒有改變。
高中階段正是一個人從「接受知識」逐漸走向「選擇人生」的重要時期。AI實作課程最大的價值，不只是讓學生提早接觸先進科技，而是讓青年第一次真正體驗：
我可以發現問題。
我可以設計方法。
我可以動手創造。
我可以接受失敗。
我可以重新修改。
我可以利用科技改善人的生活。
當教育做到這一步，AI就不再只是一門科技課程。
它會成為一種新的學習方法。
我們真正要培養的，也不只是「會使用AI的高中生」，而是能夠：
與AI共同學習、獨立思考、跨域整合、勇於實作、辨別真偽、創造價值並承擔責任的新世代公民。
所以，高中AI教育真正的改革方向，不是：
「如何讓學生更早學AI？」
而應該進一步追問：
「如何讓青年在AI比人更會回答問題的時代，仍然保有提出問題、追求真理、創造價值與關懷人類的能力？」
答案或許就在教育本身。
AI可以生成答案，教育必須生成能力。
AI可以提高效率，教育必須建立方向。
AI可以模仿智慧，教育必須培養人格。
AI可以改變世界，但決定世界應該走向何方的，仍然應該是人。
這就是高中AI實作教育真正值得追求的未來。
