当ChatGPT一夜爆红，当自动驾驶汽车穿梭街头，当智能家居悄然“读懂”人类需求，我们已然身处AI重塑世界的黄金时代。在这场席卷全球的科技革命中，蓝桥青少敏锐捕捉到未来人才培养的核心方向 —— 以超前的教育布局，为青少年搭建通往人工智能领域的成长阶梯。如今，备受瞩目的等级考试与STEMA考试将再度迎来全面升级，全新人工智能（AI）组即将登场。

蓝桥青少深刻明白，在AI时代，掌握人工智能核心素养已成为青少年立足未来的关键。因此，此次新增的人工智能（AI）等级考试和STEMA考试，以系统性提升学生的人工智能核心素养为使命，通过构建理论与实践深度融合的科学评价体系，让青少年在扎实掌握技术原理的同时，培养创新思维与实践能力，最终成长为既精通前沿技术，又心怀社会责任感的创新型人才。接下来，团副助手@小蓝老师就带大家深入了解这份承载着未来教育方向的考纲内容。

等级考试人工智能组紧扣小学高段（4-6年级）学生认知特点，创新构建六个等级体系，采用 “单级多维度” 考核结构，从五大核心维度，为孩子们铺就系统的人工智能学习路径。

在AI认知与技术发展维度，考试聚焦人工智能从理论萌芽到蓬勃发展的历程，引导学生梳理技术框架演进脉络，理解其对社会的深远影响，帮助学生搭建起智能时代的基础认知框架。

在AI逻辑与计算思维维度，以算法设计与问题拆解为抓手，将复杂任务拆解为可执行步骤，通过针对性训练，着重培养学生抽象建模能力与逻辑推理思维，让学生在思考与实践中强化问题解决能力。

在AI原理与智能系统维度，深入机器学习、神经网络等核心理论，带领学生探究智能系统运行机制，揭开人工智能 “思考” 与 “决策” 的神秘面纱，夯实学生对人工智能底层原理的理解。

在AI工具与场景实践维度，强调学以致用，学生不仅要熟练掌握各类AI工具，还需将其应用于真实场景，在解决生活实际问题、提升学习效率的过程中，实现知识向能力的转化。

在AI生活与伦理安全维度，关注人工智能的社会属性，通过探讨技术伦理、隐私保护等重要议题，引导学生树立正确价值观，培养其作为智能时代公民负责任使用AI技术的意识。

AI 组，包括 ：

➢U10级（7-10岁学生，约1-4年级），

➢U14级（11-14岁学生，约5-8年级），

➢U18级（15-18岁学生，约9-12年级）。

其中U10级侧重感知和体验人工智能技术，U14级侧重理解和应用人工智能技术，U18级侧重项目创作和前沿应用。

AI定义与核心理念：

o人工智能的本质与目标（机器模拟人类智能）。

o生活中常见的AI应用举例：语音助手、人脸识别、智能导航、商品推荐、自动驾驶等及其基本功能。

o初步了解图灵测试的意义。

oAI与传统程序的关键区别（学习能力 vs. 预设指令）。

o机器学习的概念（从数据中学习）。

AI发展简述：

oAI技术持续发展与进步的初步感知。

o弱人工智能与强人工智能的初步区分。

o“AI消失现象”的理解（技术普及后的普遍化）。

o技术便利生活的初步认知。

AI应用领域初探：

o自然语言处理（NLP）的初步感知（机器理解语言）。

o计算机视觉（CV）的初步感知（机器识别图像）。

o自动驾驶的初步了解。

·数据的作用：AI学习需要数据（示例：识别图像需要大量图片）。

·输入与输出：AI系统的基本工作流程（接收指令/信息，产生结果）。

·计算机处理信息的方式：初步了解计算机进行“思考”的单元（CPU）及图像处理单元（GPU）的概念。

·分类与回归的初步区分（应用场景认知）：

o分类：判断事物类别（如识别猫/狗）。

o回归：预测数值结果（如预测天气温度）。

·AI学习可能存在的偏差（基于训练数据）。

·常见AI工具类型及功能：语音助手、文生图工具、智能翻译等。

·简单AI工具的操作体验（图形化界面为主）。

·指令对AI工具输出的影响。

·识别AI生成内容的基本标识。

·运用AI辅助学习的简单示例（如翻译软件）。

·初步理解AI工具的局限性。

·安全使用AI工具的基本意识（不泄露个人隐私）。

·个人隐私在AI应用中的体现（位置追踪、语音记录等）。

·数据收集需经同意的基本原则。

·AI生成内容可能存在的错误认知。

·《儿童个人信息网络保护规定》的初步了解。

·合理使用AI的方式（不作弊）。

·防范AI诈骗的初步意识。

核心概念：

o理解AI的本质（机器模拟人类智能）。

o区分AI与传统程序的核心差异（数据驱动学习 vs. 编码依赖规则）。

o理解机器学习概念（从数据中自动学习规律）。

o了解最新的AGI核心应用及其技术（ChatGPT、DeepSeek等）的初步认知。

o知道艾伦·图灵提出“图灵测试”的意义。

·发展历程与流派：

o了解AI诞生的标志事件（1956年达特茅斯会议）。

o初步理解符号主义AI和连接主义AI的核心思想。

o了解“深蓝”击败国际象棋冠军的意义（1997年）。

o知道深度学习在图像识别中的突破意义（2012年，ImageNet竞赛）。

o了解AlphaGo对公众AI认知的推动作用。

o理解“AI消失现象”。

·应用领域与影响：

o能列举并描述生活中常见的AI应用（至少3种，如语音助手、人脸识别、智能交通、推荐系统等）。

o能举例说明AI可能引发的隐私问题（如人脸数据滥用）。

o理解“AI偏见”现象及其数据根源的初步认识。

o能解释自动汽车驾驶中的AI核心技术（传感器→算法→控制）的框架性理解。

o探讨"技术便民"的理念。

·基础结构：

o使用流程图描述简单任务步骤（顺序结构）。

o应用条件判断结构优化简单场景。

o设计循环结构处理简单重复性任务。

·核心概念：

o理解"问题分解"的含义。

o理解“模式识别”的含义，能识别简单模式规律。

o理解“抽象化”的含义，对简单场景进行抽象描述。

·基础算法逻辑：

o重点：理解排序的概念和意义，能够描述冒泡排序等简单排序算法的基本思想。

o初步理解搜索的概念和意义，能够描述线性搜索的基本思想。

·初步体验：

o应用模拟思想解决简单问题。

o使用真值表判断简单"与/或/非"逻辑命题。

·机器学习基础：

o理解机器学习基础概念（通过数据训练模型）。

o区分输入与输出的对应关系。

o认识数据在AI系统中的基础作用。

o理解监督学习与非监督学习的核心差异。

·简单算法初步：

o能举例说明K最近邻（KNN）算法的工作原理。

o掌握简单线性回归的直观意义。

o初步了解决策树在分类中的应用。

·硬件基础：

o知道计算机通过像素矩阵处理图像的基本原理。

o了解计算机需要CPU处理指令。

o知道GPU能加速图像处理。

·初步认知：

o理解神经网络的基本结构（输入层-隐藏层-输出层的层级传递）。

o认识过拟合现象的表现。

·常见工具：

o能列举至少3种常见AI工具类型（如语音助手、文生图工具、智能翻译）并描述其基础功能。

o了解最新的AGI核心应用及其技术（ChatGPT、DeepSeek等）的基础交互方法。

·实践操作：

o使用图形化界面操作简单AI工具。

o理解“指令设计”对工具输出的影响。

o能识别AI生成内容的标识。

o会运用AI辅助学习工具。

·重点：

o使用编程工具（Scratch等）参与简单的AI应用实践（如图像识别、语音交互的简单体验）。

·初步理解AI工具的局限性。

·隐私与安全：

o识别常见AI应用中会涉及到的个人隐私。

o理解"数据收集需经同意"的基本原则。

o知道基础安全操作（不泄露隐私信息）。

·社会影响：

o知道AI生成内容可能存在错误。

o初步理解算法推荐的"信息茧房"现象。

o了解《儿童个人信息网络保护规定》。

·合理使用：

o探讨青少年合理使用AI的方式（不作弊）。

o掌握防范AI诈骗的基本策略。

·AI的定义与目标：理解人工智能的本质和目标，区分强弱人工智能。

·AI的发展历程：了解AI发展的重要历史阶段和关键事件（图灵测试、达特茅斯会议、AI寒冬等）。

·AI的主要流派：区分符号主义和连接主义AI的核心思想。

·AI与传统编程的区别：理解数据驱动学习与规则驱动编程的差异。

·AI的重要概念：了解机器学习、深度学习、通用人工智能（AGI）、生成式AI等基本概念。

·AI的应用领域：能列举并描述生活中常见的AI应用及其功能（语音助手、人脸识别、智能交通、推荐系统、智能家居等）。

·中国AI发展：了解中国在AI技术发展中的贡献。

·“AI消失现象”：理解技术普及后AI概念的泛化。

·“技术便民”：探讨AI技术服务于生活和社会。

·计算思维：理解问题分解、模式识别、抽象化、算法设计等核心概念。

·基本算法：了解排序（冒泡、选择、插入排序）和搜索（线性、二分搜索）的基本思想和应用。

·逻辑运算：能够使用真值表分析简单的逻辑命题（与、或、非）。

·数据表示：了解构建二维坐标系描述空间关系。

·模型基础：初步了解决策树模型在简单分类问题中的应用。

·初步数学概念：了解线性回归的直观意义。

·机器学习的概念：理解通过数据训练模型的核心思想。

·学习范式：区分监督学习、无监督学习、强化学习及其典型应用。

·基本要素：了解特征、标签、模型、训练、评估等基本概念。

·常用算法：

o监督学习：了解线性回归、决策树、支持向量机（SVM）、K最近邻（KNN）的基本原理和应用场景。

o无监督学习：了解聚类、降维等基本概念和应用场景。

·模型评估与优化：认识过拟合现象的表现，了解准确率、精确率、召回率、F1值等基本的模型评估指标的概念，知道模型优化和调参的重要性。

·神经网络基础：理解神经网络的基本结构（输入层、隐藏层、输出层）和神经元的作用。

·激活函数：初步了解激活函数的作用。

·卷积神经网络（CNN）：初步了解CNN在图像识别中的核心机制（局部感知、权值共享）和应用。

·循环神经网络（RNN）：初步了解RNN处理时序数据的特性和应用。

·Transformer架构：了解其在生成式AI中的初步概念。

·编程语言基础：了解Python是AI领域常用语言及其基本特点。

·常用库与框架：知道TensorFlow、PyTorch等常用AI库和框架。

·AI工具类型：能列举并描述常见的AI工具类型（如语音助手、文生图工具、智能翻译等）。

·工具操作：能够使用图形化界面操作简单AI工具，理解指令设计的影响，识别AI生成内容。

·数据处理基础：了解数据收集、清洗和标注在AI项目中的重要性，体验简单的数据分析和可视化。

·模型训练体验：体验简单的机器学习模型训练过程（使用可视化工具或简单代码库）。

·跨学科应用：了解AI在生物医学等跨学科领域的简单应用案例，设计简单的利用AI解决跨学科问题的方案思路。

·AI辅助学习：知道如何运用AI工具辅助学习。

·隐私保护：识别AI应用中涉及的个人隐私，理解数据收集需经同意的原则。

·数据安全：了解AI生成内容可能存在的错误。

·算法偏见：初步理解算法偏见的具体表现及其可能的数据根源。

·信息茧房：初步理解算法推荐的“信息茧房”现象。

·就业影响：了解AI可能替代的三种传统职业。

·青少年使用规范：探讨青少年合理使用AI的方式，了解《儿童个人信息网络保护规定》。

·安全防范：掌握防范AI诈骗的基本策略。

·AGI风险：初步了解通用人工智能（AGI）的概念及其引发的讨论。

以上组别具体上线时间以公众号通知为准，在科技浪潮风起云涌的当下，人工智能已成为推动社会进步与变革的核心力量，而作为青少年更要明白与时俱进的重要性哦！敬请期待！