人工智能素养、教学视野与利益相关者优先
人文社科该如何教 AI 素养？
严格来说，第一篇不算论文，只是一篇发表在学术期刊的简短评论，但个人觉得非常有价值。文章探讨了人文科系应该如何进行 AI 素养教育？发问当大学纷纷开设 ChatGPT 课程时，我们是否忽视了 AI 与人文学科更深厚的历史渊源？作者认为，真正的 AI 素养教育应当超越对流行工具的追捧，带领学生回顾计算思想在文学创作中的早期探索，并接触多样化的编程范式，从而培养更具批判性的技术视野。这是否为我们提供了一条摆脱技术焦虑、实现深度融合的教学新路径？
第二篇论文则将目光从教育内容转向了教育对象。面对背景各异的公民、政策制定者和技术开发者，千篇一律的 AI 科普是否有效？作者提出了一种利益相关者优先的方法，主张根据不同群体的具体需求，量身定制负责任 AI 的教学内容与策略。
祝今日读写愉悦，洞见深省。
前沿速递
为文科生构建人工智能素养：超越生成式 AI 的教学
核心概念
OULIPO 与 ALAMO：这两个是法国的文学实验团体，全称分别为「潜在文学工场」和「数学与计算机辅助文学工场」。它们的核心理念是在严格的数学或算法等限制下进行文学创作，以此激发新的创造潜力。这就像一位厨师不按常规菜谱做菜，而是给自己设定一个奇特的规则，比如只能用三种圆形食材做一道五道菜的盛宴，通过这种自我施加的约束来创造出意想不到的美味。在 AI 领域，这两个团体是先驱，因为他们早在 20 世纪 70、80 年代就开始使用早期计算机和算法来生成和构建文本，比如保尔·布拉福特就曾运用 AI 方法进行创作。作者提及它们是为了说明，利用计算方法进行文学创作并非始于 ChatGPT，而是在人文学科内部有着深厚的历史渊源。
法庭文体学（Forensic Stylometry）：这是一门运用统计学和计算方法分析文本风格，以进行作者身份识别等工作的交叉学科。其基本原理是，每位作者在写作时都会无意识地留下独特的文体指纹，比如平均句长、特定虚词的使用频率、标点符号习惯等。举个例子，如果有一部署名不清的小说，研究者可以编写一个程序，量化分析这本小说的各项文体特征数据，然后将其与几位疑似作者的已知作品数据进行对比，最终像指纹比对一样，找出风格最匹配的作者。
数组思维（Array Thinking）：这是一种编程思想，强调将数据集合（如列表、矩阵）作为一个整体来处理，而不是通过循环逐个操作其中的元素。文中提到的 APL 语言就是这种思维的典型代表，它使用简洁的符号来表达对整个数组的复杂操作。打个比方，假设你要给一个班所有同学的成绩都加上 5 分。常规思维可能是叫每个同学的名字，然后告诉他加 5 分，一个一个来。而数组思维则像是对全班同学大喊一声：所有人，成绩加 5 分！一步到位。作者在文中介绍这个概念，是为了向学生展示，除了 Python 常用的循环迭代逻辑外，还存在其它高效的计算思维方式，从而拓宽他们对编程和问题解决的认知。
研究问题
台湾的高等教育正面临人口危机导致的招生挑战，许多人文科系为求生存，开始将自身定位从非科学领域转变为拥抱科技的现代学科。具体表现为，自 ChatGPT 问世以来，各大学纷纷为非理工科学生开设生成式 AI 入门课程，教授提示工程或 Python 编程等实用技能，以期重塑形象、吸引生源。然而，这种应对策略往往将 AI 教育等同于对当前流行的生成式 AI 工具的学习，忽视了 AI 技术更广阔的范畴及其与人文学科深厚的历史渊源。这种狭隘的教学路径可能导致学生对 AI 的理解流于表面，错失了将 AI 与人文学科进行深度融合、培养真正全面的 AI 素养的机会。
因此，本文旨在探讨的核心问题是：人文科系应如何设计其 AI 入门课程，才能构建出真正全面且有深度的 AI 素养？具体而言，教育工作者应如何超越当前对生成式 AI 的热潮，提供一种更宏大、更具历史视野的课程？这种课程不仅要传授热门工具的使用，更要能追溯 AI 在人文学科内部的发展脉络，介绍多样化的计算思维，并揭示 AI 在语言之外的其它重要应用领域，从而使人文专业的学生能够以更批判和整合的视角理解并应用 AI。
