让美国为人工智能做好准备：优势、劣势及建议

# 让美国准备好迎接AI：优势、劣势与建议 - CITP博客 来源：https://blog.citp.princeton.edu/2026/05/05/make-america-ai-ready-strengths-weaknesses-and-recommendations/ 特朗普政府已将人工智能作为其经济议程的核心，承诺对劳动力进行重新培训，以便他们能够在一个由人工智能驱动的未来中具备竞争力。这一努力的一个早期举措是：由美国劳工部（DOL）及其私人合作伙伴 Arist（https://www.dol.gov/newsroom/releases/osec/osec20260324）提供的免费短信课程，名为“让美国准备好迎接人工智能”（Make America AI-Ready）。这对于让所有美国人具备人工智能素养的旅程来说，是一个有用的开端。这门为期七天、每天仅需10分钟的课程自称是“人工智能入门101”，具有可访问性、技术信息丰富且引人入胜（完整内容见下文）。在这里，我们分析了其优势，指出了当前版本中需要解决的几个弱点，并阐述了一些旨在基于原版课程构建更高级的“人工智能201”课程的扩展目标。 我们从技术准确性、框架与意识形态、范围、商业关联、能动性以及教学质量等方面评估了这门课程。 ## **它做得好的地方是什么？** **它具有可访问性。** 选择短信作为传递方式最大限度地扩大了覆盖面。它让人们在他们所处的地方参与学习，无需安装应用程序、创建账户或导航不熟悉的网络平台。每天10分钟的节奏非常实用。 **它强调对AI输出进行验证。** 课程始终强调，必须检查AI的输出，而不能盲目信任。例如，查找一家餐厅却发现那里已经开了一家美甲沙龙的例子令人印象深刻（见下文第6课）。该课程还深思熟虑地将这种怀疑态度扩展到AI生成的图像、视频和音频。 **它以人类责任为中心。** 关于一名同事提交了一份包含伪造统计数据的AI生成报告的测验问题（见下文第2课）给出了一个合理的回答：人类是负责的。这一点贯穿整个课程，也是其最重要的信息之一。 **它诚实地对待AI的局限性。** 课程没有回避AI可能自信地犯错这一事实。“幻觉”（hallucination）这一术语被清晰地介绍，训练数据截止日期的概念得到了解释，课程反复强调AI是进行预测，而非知晓或理解。对于一门入门级课程来说，这种校准是恰当的。 ## **人工智能101中可以修复的地方有哪些？** **我们建议对课程进行一些修正。** ### 课程反复与其自身的隐私和安全建议相矛盾 在数据隐私和安全方面，课程存在严重的不一致。在课程的最后一天，它提供了常识性建议，声明“保护你的私人信息。切勿将密码、社会安全号码、医疗记录或机密工作数据分享给AI工具”，后来还补充不要分享“收入数据”。但在此之前的某些建议和练习已经促使用户输入了一些这类“切勿分享”类型的数据。 - **在第3天**，课程促使用户输入自己的照片、PDF文件或录音。 - **在第4天**，它说一种“强力操作”是让用户“提供自己的数据供AI处理”，包括“粘贴你的简历”和“分享你的月度支出”的指示。 - **在第5天**，课程说AI的一个良好用例是输入“医疗症状”以了解医学术语并为看医生准备问题。 - **在第6天**，它告诉用户分享地址以查找附近的餐厅。 这些自我矛盾暴露了一个核心张力：当AI了解你更多时，它会更有用，因此全面禁止分享私人信息会限制其效用。不幸的是，关于在使用AI时如何保护隐私的问题没有简单的答案，也没有一种适合所有人的单一方法。这需要基于对不同威胁模型的理解进行批判性思维，包括提示注入风险、传统网络安全风险、法律风险、AI公司渴望利用用户数据进行训练，以及因组织而异的工作场所政策。 我们认识到，这种细微差别对于入门课程来说可能过于复杂。我们建议将隐私保护课程提前，并包含有关AI工具提供的隐私设置的信息，例如临时或隐身聊天。与其使用“切勿分享”的语言，不如让人们至少对可能出现的问题有初步的了解，并提供资源链接供他们深入学习，这样会更有帮助。 ### 测验采用是非二元的对立观点 测验问题经常要求用户解释AI的故障模式和社会影响。虽然直面这些问题很重要，但问题始终有一个“明显正确”的答案，该答案对应于课程的框架。几个错误答案是荒谬的稻草人（“AI喜欢编造东西来测试你”，“AI的互联网连接速度慢”）。这限制了建立对AI运作和社会影响的真正理解或批判性思维的可能性。 我们建议采用一种突出已知问题而不假装解释很简单的方法。在问题框架上的灵活性将允许课程参与者以与他们正在培养的技能相关的方式处理这些问题。更开放的测验问题可能包括：“你的雇主开始强制所有员工使用AI。这可能会让你的雇主监控你的生产力。你有什么选择？”或者“你即将申请贷款。你如何查明AI是否以及如何用于评估你的申请？” ## **DOL可以在人工智能201中构建什么？** 在人工智能101入门材料的基础上扩展，有几个内容开发的机会我们建议采纳。 ### 课程忽略了人工智能如何重塑工作 对于一门由劳工部提供的课程来说，关于工作主题的内容非常少——课程仅将AI框定为工人可以使用的一种生产力工具。劳工部的存在是为了保护工人、他们的工资、安全和权利，但课程 largely 忽略了AI已经在许多行业中重塑招聘、绩效监控和裁员的方式。 人工智能201课程可以提供更多关于这些方面的信息，并告知公民要求监管的合法理由。它还可以更深入地探讨隐私问题。最后，人工智能201可以审视这项技术的更广泛社会后果：例如，偏见、监控以及权力集中在少数大型科技公司手中。了解这些动态的工人不仅具备人工智能素养；他们更有能力为自己争取权益。 ### 深化技术解释 101课程保持术语简单，这很重要。但有时它过于简化。人工智能201可以深化对模型如何训练、进行推理并提供人类可解释结果的解释。 课程的技术解释——AI寻找模式并进行预测——充当了*整个*心智模型。这种框架使得AI听起来比实际情况更机械化、更不透明。在第3天，模式和预测的语言消失了，“指令”和“结果”的语言取而代之，分别代表人类输入和AI预测输出。当前课程还将预测等同于猜测，将AI训练等同于“学习”——这些类比可能是一个有用的起点，但相当有限。 对于人工智能201课程，可以加深AI学习、模型权重和预测之间的联系，以及所有这些事物与从指令生成的结果之间的联系。事实上，当人们稍微了解机器学习背后的数学原理时，更容易理解AI如何产生偏见、产生幻觉或以其他方式犯错。 ### 更多的主动学习参与 人工智能101中的测验基于可靠的学习科学。通常，测验会引入一个新概念，或要求用户扩展他们刚刚学到的知识以涵盖新情况。有充分的证据表明，这种“预评估”，随后迅速教授正确答案的课程，通常能提高记忆保留率。 但正如我们所说，人工智能101的测验问题始终有一个“明显正确”的答案，该答案对应于课程的框架，限制了挑战用户理解的可能性。此外，尽管交互式平台提供了条件，但我们发现对用户的测验答案几乎没有定制短信回复。如果一个用户选择被认为正确的答案，而另一个用户选择错误的答案（我们测试了这一点），课程给出的回应信息相似甚至相同。人工智能201中更好的测验或许可以通过大型语言模型（LLM）进行评估，提供适应性回应，适应用户当前的水平，并在他们获得坚实基础后拓展他们的理解。 人工智能101中的每日挑战（Quick Draw、Udio音乐生成、冰箱照片食谱）设计得很好，能让人们克服恐惧障碍。它们风险低、有趣，并具体展示了AI的能力。但对于人工智能201来说，可以更有效地利用它们来实际展示人们如何在工作和日常生活中使用AI，并且可以（正如人工智能101所承诺的那样）“每周节省5小时”。 ## 谁创建了课程，以及如何创建的？ 劳工部宣布该课程的新聞稿指向与一家名为Arist的私人合作伙伴的合作。Arist的网站（https://arist.com/）在撰写本文时表示，“Arist是排名第一的赋能AI。Arist的智能体编排端到端的创作、交付和分析。” 虽然劳工部的公告对合作的性质细节不多，但如果该公司使用生成式AI共同开发了实际课程内容，这一事实应该披露。我们中的一位作者将选定的课程内容通过Pangram（一种声称能检测AI内容的工具）运行，结果显示有100%可能是AI生成的。虽然对此结果不应过分依赖，但我们开始怀疑课程中的一些缺陷可以用这种方式解释。关于AI如何生成结果的简单化框架（模式/预测，指令/结果）可能来自AI：由于大型语言模型是在关于大型语言模型如何工作的旧解释上训练的，它们可能会采用过时的框架。此外，如果每个模块/测验是分开生成的，这可能解释了术语的突然变化以及我们确定的关于分享/不分享私人信息的矛盾。使用AI进行内容创作本身并不是问题；但未披露这一事实错失了关于生成式内容相关效用和风险的教学机会。此外，我们在前面讨论过的关于安全和隐私的矛盾，本应被人類监督发现。 此外，展望未来，关于商业合作伙伴如何参与的透明度有助于更广泛地采用和信任课程材料及劳工部的倡议。课程的最后一课将用户引向由Arist赞助的人工智能峰会，特邀托尼·罗宾斯（Tony Robbins）和迪恩·格拉齐奥西（Dean Graziosi）出席。虽然峰会似乎是免费的，但这引发了一个问题：这些知名教练还可能提供哪些付费的人工智能赋能课程或产品。格拉齐奥西因其角色在其他有问题的培训项目中引起了关注（https://www.ftc.gov/news-events/news/press-releases/2023/05/ftc-suit-leads-167-million-judgment-against-principals-celebrity-endorsers-real-estate-investment）。用户有权知道谁从联邦机构提出的建议中获益。 ## **结论** “让美国准备好迎接人工智能”为联邦政府在实现美国劳动力广泛人工智能素养方面的优先事项提供了重要见解。虽然我们建议了几个发展领域，但课程内容和其发布方式是实现这一目标的一个有用开端。 --- ## 附录：完整课程内容 全部7节课的完整文本。点击课程以展开。 ### *2026年3月25日* **核心内容** AI已经在工作为你服务。你今天喝完早晨咖啡之前可能就已经使用过AI了，而且你可能不知道。 - Google Maps悄悄避开噩梦般的交通堵塞？这是AI。 - Netflix猜测你要追的下一部剧（而且出奇地准确）？这是AI。 - 你的手机建议文本的剩余部分？这也是AI。 **工作原理：** AI（人工智能）是一个查看大量数据、寻找模式并进行预测的系统。这就是秘密：**输入模式，输出预测。** 有一种更新类型的AI称为**生成式AI**，它不仅进行预测；它还能创造。给它简短的指令（即“提示”），它可以起草电子邮件、解释令人困惑的表格，或帮助计划你的一周。 当人们今天说“AI”时，他们通常指的是生成式AI。在本课程中，“AI”一词使用较广，但主要焦点是生成式AI。 ### **课程概述** - 学习如何给予AI清晰的指令，快速判断其输出，并知道何时它节省时间以及何时自己动手更好。 - 使用ChatGPT、Claude、Gemini或Grok进行动手练习。 - 目标：让AI感觉不那么神秘，更像是一个你真正想使用的工具。 ### **关键概念** - AI实际上并不“知道”任何东西。它进行**预测**。 - 当你要求AI写生日祝福语时，它并不是从标记为“生日祝福”的文件中提取内容。它是基于数十亿个示例中的模式，预测哪些词最有可能跟随其他词。 - AI听起来可能极其自信，但可能完全错误。AI不是在撒谎；它在猜测，有时猜测是错误的。 ### **测验问题** **Q1：** 想象你的朋友说：“AI无所不知，它就像一个总是对的 genius。” 最好的回应是什么？ - A：“这是真的，AI可以访问世界上所有的信息，所以它知道自己在说什么。” - B：“AI只是界面更好、有个性的Google。” - **C：“不完全是，AI基于模式进行预测，它可能听起来自信但实际上完全错误。”（正确）** **Q2：** 以下哪项是生成式AI工作的最佳示例？ - A：健身追踪器计算你的日常步数 - **B：根据你的几句话为你起草电子邮件的数字助手（正确）** - C：计算器解决数学问题 - D：告诉Alexa打开你的灯 ### **今日挑战** 查看Google的Quick Draw游戏（https://quickdraw.withgoogle.com/）。画出它要求的内容，并观看AI实时猜测你正在素描什么。 ### **进一步阅读** - 关于AI基础知识的10分钟视频（https://www.youtube.com/watch?v=jPguWHykkeU） ### *2026年3月26日* **核心内容** AI像你一样学习（只是没有烟雾报警器）。以下是三个步骤的过程： **步骤1：学习**—— AI学习数百万个示例（网站、教程视频、艺术品、食谱）并寻找模式。万事万物都有模式：莎士比亚如何构建他的戏剧，贾斯汀·比伯如何创作歌词，食谱如何混合配料。 **步骤2：预测**—— 学习之后，AI对答案做出明智的猜测。AI并不“知道”答案。它进行预测。执行这种模式查找和预测的系统称为**神经网络**。 **步骤3：改进**—— 猜测之后，AI因正确答案而受到奖励，并从错误中学习。当你喜欢某个回应时，它学到了这种方法有效。