大約在二十年前，周以真教授將計算思維（Computational Thinking，CT）界定為一項普適的基本技能，從而開啟了全民編程的時代。然而，隨著人工智能從“符號工具”演進為“具身智能”與“生成式人工智能”，教育正面臨深刻的“本體論危機”。如果繼續教學生像計算機那樣去進行具身化的符號操作，將無法培養出適應未來的認知主體。因此本文提出，計算思維必須經歷一場范式轉型：從單純追求效率的“工具理性”，轉向關注人機共生的“具身智慧”。新時代的計算思維應重新定義為以人為中心的計算思維，其核心不再是單向的算法控制，而是“灰箱工程”與“具身協同”。

“媽媽，這個機器人知道它在畫畫嗎？”五歲的豆豆趴在iPad前，指著屏幕上剛剛生成的一只五彩斑斕的貓問道。如果你試圖向她解釋這只是“概率計算”或“像素排列”，你會發現這些解釋是多么蒼白。在豆豆眼中，屏幕對面的不是一個工具，而是一個會思考、會回應的“伙伴”。

這一幕，或許比任何學術報告都更直觀地揭示了我們面臨的教育挑戰。當孩子在還沒有學會寫字之前，就已經開始與智能體對話、協作甚至建立情感連接時，我們還在教他們“如何像計算機一樣思考”嗎？

不，時代變了。他們不需要變成計算機，他們需要學會如何與計算機共生。

當人工智能學會創作，人類該如何思考？

2006年，當周以真提出“計算思維”時，我們面對的是一個確定性的、邏輯嚴密的計算機世界。那時的挑戰十分明確：如何像計算機科學家那樣思考，運用抽象、分解和自動化手段，將復雜問題拆解后交由機器執行。

但今天，隨著生成式人工智能（Generative AI）和具身智能（Embodied AI）的崛起，我們置身于一個概率性的、模糊的，甚至會產生“幻覺”的智能生態中，大語言模型常被描述為“隨機鸚鵡”。家長和教育者們開始感到一種深刻的“本體論危機”——我們開始困惑：在人工智能（AI）時代，要把孩子培養成什么樣的人？

如果流行的教育敘事只是承諾AI能讓學習“輕松掌握”，我們或許會將學生簡化為缺乏批判性反思能力的“數字勞工”，甚至僅僅視為給算法提供數據的“優質數據體”。

如果繼續把計算思維縮窄為編程技能，我們便是在培養“工具理性”的擁躉。為了應對這一危機，我們需要從“計算思維1.0”跨越到“計算思維2.0”。這不僅僅是技術的升級，更是認知立場的根本位移（如下表）。

核心重構：人人都是“灰箱調音師”

在傳統的計算思維隱喻中，我們要么面對不可知的“黑箱”，要么致力于構建完全透明的“玻璃箱”。然而，面對基于深度神經網絡的現代AI，這種二元對立已失效，算法的不透明性構成了“黑箱社會”的挑戰。新時代的核心素養是“灰箱工程”（Grey Box Engineering）。

1.不確定性的管理：無需造琴，但懂調音

“灰箱”思維承認人類無法（也不必）看透神經網絡的每一個權重，就像我們不必成為鋼琴制造大師，但可以成為優秀的調音師。我們通過交互、試探和調整來駕馭這個充滿不確定性的龐然大物。

全民案例：美顏濾鏡與生成式藝術——

想象一下在手機上使用美顏濾鏡。我們并不知道背后的人臉識別算法（黑箱）是如何運作的，但我們懂得如何調整“磨皮”“瘦臉”的滑塊參數。我們知道，參數太高會“失真”，太低則“不夠美”。

同樣，當學生使用文心一言或通義萬相等國產文生圖工具創作時，他們也是在進行“灰箱工程”。他們輸入提示詞，并調整“風格強度”“創意度”或“參考圖權重”等參數。他們不需要理解底層的擴散模型，但需要理解，調高“創意度”意味著增加創造性的意外，但也增加了生成結果偏離預期的風險。這種在“意圖準確性”與“生成隨機性”之間尋找最佳平衡點的過程，正是新時代的“調試（Debugging）”。

2.參數與倫理的博弈：選擇即價值

在計算思維2.0中，調整參數已不僅限于技術操作層面，更上升為倫理決策。

在確定性的算法時代，代碼的運行結果通常只有“對”與“錯”。但在概率性的AI系統中，人類往往面臨的是“權衡”（Trade-off）。每一個技術參數（如置信度閾值、懲罰權重）的設定，本質上都是將一種社會價值觀“硬編碼”進系統之中。沒有中立的參數，只有被量化的偏見。學生需要理解，當移動滑塊時，實際上是在定義系統的“價值觀”——是更看重效率還是公平？是優先考慮安全性還是隱私權？

生活案例：外賣平臺的“多等5分鐘”——

當外賣平臺詢問你“是否愿意為騎手多等5分鐘”時，這不僅僅是一個按鈕，其本質上是在調整一個倫理參數，即是愿意用“時間成本”換取騎手的“安全系數”，還是一味追求極致的“效率”？

工程案例：疲勞駕駛預警——

同樣，在設計疲勞駕駛預警系統時，學生需要在“高召回率”（稍微閉眼就報警）和“高精確率”（確信睡著才報警）之間做選擇。這本質上是在“行車安全”與“用戶免受打擾的權利”之間進行價值權衡。懂得這種權衡，比單純寫出報警代碼更重要。

路徑轉型：身體是智慧的錨點

長期以來，計算被視為發生在大腦和屏幕之間的符號操作，與身體無關。這種“笛卡爾二元論”——那種把“聰明的腦袋”和“笨拙的身體”徹底分開的陳舊觀念——導致了學習的“具身性缺失”。計算思維2.0確立了“具身協同”（Embodied Synergism）的核心地位，主張智慧應當向兩個方向延伸：向內回歸身體，向外連接環境。

1.向內回歸：身體作為認知的“模具”

抽象的算法概念（如數據偏見、泛化能力）往往因為過于晦澀而遭遇“知識相似性轉化障礙”。學生可能背下了定義，卻無法在真實情境中遷移應用。具身認知理論指出，認知根植于身體的感官運動經驗。在計算思維2.0中，身體不僅是執行命令的工具，更是思維的模具。當教師讓學生通過身體移動來模擬數據采集，或者用手勢來表達邏輯分支時，他們實際上是在利用“身體圖式”（Body Schema）來錨定抽象概念。身體成為連接抽象算法與真實世界的轉換器。

直覺案例：嬰兒學步與智能導盲杖——

設想一個訓練智能導盲杖的課程。如果學生只在電腦前處理數據，他們很難理解為什么模型會失敗，但當他們戴上眼罩，手持傳感器走過校園的草地、樓梯和積水處時：

具身體驗——身體的磕絆讓他們瞬間明白，如果只在平地上走，模型就無法識別樓梯（泛化能力差）。

認知轉化——這種鮮活的肌肉記憶，讓“邊緣案例”（Edge Cases）這個枯燥術語變得具體可感。

2.向外擴展：環境作為智慧的“容器”

分布式認知理論告訴我們，一個人的智慧不只存在于大腦里，也存在于他的指尖、他使用的工具，以及他所在的團隊協作之中。

高效的協同能力產生于人、身體、工具和物理環境的交互網絡中。在計算思維2.0中，我們通過改變物理環境和協作方式（“大腦之外的變化”），來主動重塑對智能系統的理解。

協作案例：“石頭剪刀布”的數據接力——

設想一個訓練“手勢識別AI”的小組任務。在這個課堂里，學生不再是獨自對著屏幕敲代碼，而是三人一組，進行一場物理與數字的接力。

角色分布：學生A充當“模特”，負責在教室的不同光線下擺出千奇百怪的“剪刀”手勢（制造多樣性數據）；學生B充當“攝影師”，手持平板尋找刁鉆的拍攝角度（利用工具采集）；學生C充當“訓練師”，在屏幕上實時標注數據并喂給模型（算法操作）。

智慧涌現：他們很快就發現，如果A一直坐著不動（數據單一），或者B的手抖了（工具干擾），C無論怎么優化代碼，模型都會變“笨”。

這個過程讓他們深刻領悟，智能并不只存在于C的屏幕里，它分布在A的身體動作、B的鏡頭捕捉和C的參數調整之間。這就是最生動的“分布式智慧”。

評估革命：不問記憶，問貢獻

如果教學目標已轉向“協同智慧”，那么傳統的、剝離工具的“閉卷考試”就構成了嚴重的“本體論錯位”。未來的評估必須建立“人機貢獻審計”（Human-AI Contribution Audit）新范式，通過過程數據分析來評價學習。

教師要問的不再是“學生記住了多少知識”，而是“在人機共生的系統中，學生貢獻了什么獨特的價值”。

場景演示：學生團隊利用AI完成《城市熱島效應》研究報告的審計過程。

假設一個學生團隊提交了一份關于本地城市熱島效應的報告，教師不再只看最終的PDF，而是審查他們的“協作日志”。

①審計“問題界定”能力（領航員角色）。

審計證據：查看提示詞迭代記錄。

過程：學生最初輸入“幫我寫個熱島效應報告”（不合格）。在發現AI生成的內容空洞后，學生修改為“分析××區過去十年7月份的地表溫度數據，并對比綠化率變化”（合格）。

評價：學生成功將模糊需求轉化為結構化的問題，展現了界定問題的能力。

②審計“批判性思維”能力（守門人角色）。

審計證據：查看批注和修改痕跡。

過程：AI在報告中聲稱“該區氣溫每年上升5度”（幻覺）。學生通過查閱氣象局官網數據發現了這一錯誤，并在報告中用紅字標注“AI數據錯誤，已修正為氣象局實測數據（見附錄）”。

評價：學生具備了識別AI幻覺和驗證事實的“守門人”素養。

③審計“價值增量”能力（創造者角色）。

審計證據：對比純AI生成版與最終提交版。

過程：AI提供了宏觀數據分析，但學生團隊補充了對社區老人的實地訪談，記錄了高溫對居民生活的真實影響，并手繪了社區改造建議圖。

評價：這些充滿人文關懷的訪談和創意繪圖，是AI無法生成的獨特價值，構成了學生的核心貢獻。

跨學科的普適價值

計算思維2.0不只是教育學的變革，它也為所有領域的人機協作提供了一套新的通用語言。

1.在醫學領域：灰箱中的生死博弈

場景沖突：AI診斷系統根據CT影像，以98%的置信度建議對一位肺部陰影患者進行“立即切除手術”。在純數據的邏輯里，這是最優解。

灰箱工程：但主治醫生沒有盲從。他面對的是一位90歲高齡且伴有嚴重心臟病的老人。醫生在這個“灰箱”中引入了AI無法計算的“情境負載”——手術風險可能高于癌癥本身。最終，醫生決定采用保守療法。

價值點：這就是“灰箱工程”的極致體現——AI看見了“病”，但只有人類醫生看見了“人”。

2.在法學領域：郵編里的隱形偏見

場景沖突：一套先進的AI輔助量刑系統給一名被告打出了“高再犯風險”的紅色警報，建議重判。表面上看，這是基于大數據的客觀預測。

審計能力：法官沒有只看分數，而是啟動了“人機貢獻審計”。他敏銳地追問算法邏輯，發現系統竟然將“居住地郵編”作為高權重的風險因子——該郵編對應的是著名的貧民窟。

價值點：法官識別出這是歷史數據中隱含的“階層歧視”，果斷駁回了建議。如果不具備審計能力，正義就會淪為算法偏見的共謀。

3.在藝術領域：畫出那只“等待的鞋子”

場景沖突：藝術家想創作一幅表現“極致孤獨”的畫作。他讓AI生成了100張“空無一人的街道”，畫面精美絕倫，光影完美，但藝術家覺得它們只有“空”，沒有“孤”。

具身協同：于是，藝術家挑選了一張AI生成的冷色調背景，拿起畫筆，在角落里親手畫了一只“正在等待主人的舊鞋子”。

價值點：這一筆，注入了只有人類身體曾體驗過的失落與等待。AI提供了高效率的“場景”，人類注入了具身化的“靈魂”。這幅畫不再是算法的堆砌，而是人機共創的杰作。

結語

在算法日益隱形化并滲透進生活每一寸肌理的今天，計算思維2.0是保持人類認知主體性、抵御技術異化的最后防線。未來的文盲，不是不會編程的人，而是不懂得審計算法、不懂得與智能體協同的人。我們必須教導下一代，不僅僅要問“如何計算”（How to compute），更要問“為誰計算”（For whom to compute）以及“計算的后果是什么”。

本文作者：

張進寶

北京師范大學教育學部

文章刊登于《中國信息技術教育》

2026年第9期

引用請注明參考文獻：

張進寶.計算思維2.0：從離身算法到具身協同智慧[J].中國信息技術教育，2026（09）：92-95.

歡迎訂閱

識別上方二維碼訂閱紙質版或電子版雜志