应用课 · 11-13 岁 · 50-60 分钟
真相、技巧与人工智能
Truth, Tricks, and AI
本课程的重点是帮助学生识别并应对人工智能生成内容中的错误信息。学生们了解到，人工智能工具可以产生听起来很有信心的信息，但可能不准确、不完整、有偏见或完全错误。 通过对病毒式传播的主张、人工智能幻觉和深度伪造的例子的分析，以及横向阅读的实践练习，学生们制定了在信任或共享信息之前放慢速度、检查来源和验证主张的策略。该课程并没有将人工智能视为真相检查者，而是强调人类有责任评估可信度、发现危险信号并使用可靠来源确认信息。 在课程结束时，学生们明白，虽然人工智能可以支持学习，但它应该始终与批判性思维、媒体素养技能和验证策略一起使用。
🎯这节课学什么
- ·认识到人工智能生成的内容可能不准确、具有误导性或有偏见，即使听起来很自信
- ·识别人工智能输出中常见的错误信息风险，包括幻觉、深度伪造和视觉故障
- ·应用横向阅读策略，利用多个可靠来源验证人工智能生成的声明
- ·解释为什么人工智能响应在被信任或共享之前应该被检查
- ·证明人类有责任确定哪些信息是可信的
真相、技巧和人工智能：学习验证信息
你能始终相信答案吗？
“非洲正在分裂。”
听起来令人惊讶或戏剧性的说法经常出现在社交媒体上，也出现在人工智能的反应中。在我们相信或分享它们之前，我们需要放慢速度并进行检查。
问题：错误信息
就像病毒视频一样，人工智能的反应听起来很自信，即使它们不完整、过时或具有误导性。
误传
当我们讨论错误信息的例子时，请停下来想想你在日常生活中遇到过哪些错误信息……
AI“幻觉”
人工智能模型即使不了解事实，也渴望回答每一个问题。
虚假历史课：一名学生向聊天机器人询问美国革命中的一场具体战斗。人工智能准确地命名了这场战斗，但随后编造了一个从未存在过的“著名将军”，或者在实际失败时说特定一方获胜。
发明的科学：聊天机器人可能会解释一项“新科学研究”，该研究证明巧克力可以帮助您在水下呼吸。它甚至会给你一个不存在的“科学杂志”的虚假链接。
停下来想一想：我以前见过幻觉吗？我在哪里看到过？
深度假货
假照片和视频
这是人工智能被用来创建从未发生过的事情的真实图像或视频的时候。
“穿着羽绒服的教皇”：2023年，一张教皇方济各穿着高级时尚白色羽绒服的照片在网上疯传。数百万人认为这是真正的时尚选择，但它完全是由名为 Midjourney 的人工智能工具创建的。
虚假名人代言：您可能会在 TikTok 上看到著名 YouTuber 或歌手的视频，告诉您点击链接即可获得价值 1,000 美元的免费礼品卡。通常，这是一个“深度伪造”，使用他们声音的克隆版本来欺骗你。
停下来想一想：我以前见过 Deepfake 吗？我在哪里看到过它？
视觉故障
视觉故障：人工智能生成的图像或视频中不真实的细节。生成式人工智能正在快速发展。虽然人工智能生成的图像可能更难被发现，但您仍然可以使用一些策略。寻找这些视觉缺陷：
手和脸：多余的手指、参差不齐的眼睛、奇怪的牙齿
文本问题：拼写错误或无法阅读的符号或单词
没有意义的事情：融化的物体、漂浮的物体、丢失的阴影
太完美：皮肤过于光滑或细节看起来不真实
停下来想一想：我以前见过“视觉故障”吗？我在哪里看到的？
如果某件事看起来“不对劲”，但你无法完全解释原因，那通常是你的大脑检测到了人工智能的怪异之处……
在这里练习识别人工智能生成的面孔。
在这里练习识别人工智能生成的图像。
实践
有偏见的信息
因为人工智能是从互联网上学习的，所以它可以接受人类的观点，并通过重复刻板印象来“误导”我们。
偏见：如果你要求聊天机器人“生成一张医生的照片”，它可能只会显示男性。如果你要求一张“护士的照片”，它可能只显示女性。这是错误信息，因为它表明只有某些人才能从事这些工作。
暂停并思考：我以前见过偏见信息吗？我在哪里看到的？
假新闻
现在有数千个完全由人工智能运行的网站，它们全天候（24/7）“大量生产”新闻故事以获得点击和广告收入。
“突发新闻”骗局：某个网站可能会发布一篇人工智能撰写的文章，称一位大名人去世了，或者当地一所学校将永远关闭。这些网站看起来像真正的新闻媒体，但它们没有人工记者来核实事实。
在这里练习识别假新闻。
在人工智能时代，我们如何做出正确的选择并保护自己？
三法则：永远不要相信人工智能的“事实”，除非你可以在至少三个信誉良好的人工编写的网站上找到相同的信息。
横向阅读意味着离开原始页面并检查其他可靠来源对同一主张的看法。
横向阅读
离开页面→查看其他来源→比较信息
横向阅读练习
阿波罗11号
“1968 年 7 月 20 日，阿波罗 11 号任务成功登陆月球表面。宇航员尼尔·阿姆斯特朗成为第一个在月球上行走的人类，他有句名言：“这是人类的一小步，却是人类的一大步。”巴兹·奥尔德林在地面上陪伴着他，而迈克尔·柯林斯则留在轨道上。有趣的是，这次任务是第一次使用 Velcro 和 Tang，这两者都是 NASA 专门为这次飞行发明的。”
离开页面→查看其他来源→比较信息
练习寻找其他来源并比较工作表上人工智能生成的段落的信息。
横向阅读练习
教师笔记
日期错误：AI 声称 1968 年。
事实：阿波罗 11 号于 1969 年 7 月 20 日着陆。（阿波罗 8 号是 1968 年前往月球的任务，但它只绕轨道飞行，没有着陆）。
宇航员：人工智能是正确的。阿姆斯特朗和奥尔德林在月球上行走，而柯林斯则留在指令舱中。
NASA 发明神话（魔术贴）：人工智能是错误的。
事实：魔术贴是由瑞士工程师 George de Mestral 在 20 世纪 40 年代发明的。美国宇航局广泛使用它，但他们没有发明它。
NASA 发明神话（唐）：人工智能是错误的。
事实：唐是由通用食品公司于 1957 年发明的。它因 NASA 使用而闻名，但它首先是一种商业产品。
金门大桥
“位于旧金山的金门大桥由首席工程师约瑟夫·施特劳斯 (Joseph Strauss) 设计，于 1933 年向公众开放。它以其‘国际橙’颜色而闻名，这种颜色最初只是作为密封剂，而不是最终的颜色。在竣工时，它是世界上最长的悬索桥，两座主塔之间跨度为 4,200 英尺。”
教师笔记
错误（开放年份）：AI 声称大桥于 1933 年开放。
事实：这座桥于 1933 年开始施工，但实际上于 1937 年 5 月 27 日通车。
工程师：约瑟夫·施特劳斯（Joseph Strauss）作为总工程师是正确的，尽管横向阅读可能会发现查尔斯·埃利斯（Charles Ellis）和莱昂·莫伊塞夫（Leon Moisseiff）完成了大部分实际的结构设计。
颜色：人工智能是正确的。海军想要黑色和黄色条纹，但咨询建筑师欧文·莫罗喜欢橙色底漆（密封剂）并说服董事会保留它。
大桥长度：
AI 的回答是
correct
。主桥跨度为 4,200 英尺（约 1,280 米）。
反思
AI 工具可以帮助学习，但它们并不是事实核查工具。
人类负责验证信息、识别偏见并决定何时使用人工智能支持或取代思维。
请记住始终使用三法则和横向阅读。
供电
改编自开发的课程
根据知识共享署名-非商业性-相同方式共享 4.0 国际许可证获得许可。
