人工智能素养能力框架-17条能力

Long and Magerko (2020) 基于对现有研究进行 的范围研究 (Scoping Study) 提出了一系列有关人工 智能素养的能力和设计考虑因素，旨在确定以下新兴 主题：1)人工智能专家认为非技术受众应当了解的知 识，2)学习者的普遍认知和误解。

他们的范围研究提出了17项能力和13项设计考虑因素。 描述显示，“能力”普遍处于知识分类的较低层次， 主要局限在理解、描述和识别。由Long和 Magerko 提 出的“能力”相关描述

1.人工智能识别：区分使用和未使用人工智能的技术产品。

2.对智能的理解：对一个实体“人工智能”的特征进行批判性地分析和讨论。探讨人类智慧、动物智慧与机 器智能之间的区别。

3.跨学科性：认识到思考和开发“智能”机器的方式有很多。认识应用人工智能的各种技术，包 括跨认知系统、机器人和机器学习技术。

4.广义人工智能vs狭义人工智能：区分广义的人工智能和狭义的人工智能。

5.人工智能的优缺点：确定人工智能擅长/不擅长的问题类型。明确何时适合使用人工智能，何时适合利用人 类技能。

6.未来人工智能畅想：畅想人工智能未来的潜在应用方式，并考虑这些应用方式对世界的影响。

7.表征：理解什么是知识表征，并能描述一些知识表征的例子。

8.决策：识别并举例描述计算机是如何进行推理和决策的。

9.机器学习步骤：理解机器学习所涉及的步骤，以及每一步所需的实践和遇到的挑战。

10.人类在人工智能中扮演的角色：认识到人类在编程、选择模型和调试人工智能系统中发挥的重要作用。

11.数据素养：理解基本的数据素养概念。

12.数据学习：认识到计算机经常从数据（包括自身的数据）中学习。

13.批判性数据解读：理解数据需要被解读。描述在初始数据集中提供的训练示例是如何影响算法结果的。

14.行动与反应 理解有些人工智能系统能够在现实世界中做出行动。这种行动可能会由更高层次 的推理（如沿着计划好的路径行走）或反应性冲动（如向后跳以避开感觉到的障 碍物）指导。

15.传感器：理解什么是传感器，以及计算机通过使用传感器感知世界。识别各类设备上的传 感器。理解有关世界不同类别的表征和推理由不同的传感器支持。

16.伦理：识别并描述围绕人工智能关键伦理问题的不同视角：隐私、就业、错误信息、“奇点”、：11决策、多样性、偏见、透明度和问责制。

17.可编程性：了解代理是可编程的。