微信扫一扫
2026年春天，人工智能已不再是新闻里的关键词，而是孩子日常中自然调用的工具：用语音模型整理课堂笔记、借生成式工具设计校园海报、甚至尝试训练一个识别本地鸟类的小模型。但真正令人深思的是——当技术触手可及，教育的边界却并未同步延展。多数青少年仍在“学AI”的表层打转：背概念、跑demo、复现教程。而真正的AI素养，诞生于不确定的问题里，在反复失败的调试中，在真实用户的一句反馈里，在跨学科协作的摩擦中悄然成型。
加拿大正以一种沉静而坚定的方式，为这种深度成长提供土壤。它没有急于推出更多“AI少儿编程班”，而是持续加固底层生态：从2017年全球首份国家AI战略起，十年间，蒙特利尔与多伦多已生长出罕见的“学术—产业—政策”共生体——不是实验室孤岛，而是教授与工程师共用一间办公室；不是单向知识输出，而是学生在气候建模项目中为省级碳核算系统优化算法；不是虚拟竞赛，而是模型被嵌入安大略省某社区能源管理平台试运行三个月。
正是在这种生态之上，今年暑期启动的【多伦多大学AI未来科技实践营】选择了一条“反捷径”路径：不设标准课表，不预设成果模板，不提供“完美演示代码”。孩子们入住多大圣乔治校区百年红砖宿舍，在Vector Institute合作实验室使用真实GPU集群，围绕教授Luis Seco团队正在推进的“AI赋能低碳社区韧性评估”课题展开工作——他们要访谈本地居民了解能源焦虑，清洗来自多伦多市公开数据平台的用电负荷时序数据，用图神经网络建模邻里微电网交互逻辑，并在结营日向市政可持续发展办公室做可行性简报。
这不是游学，是把青少年直接置于科技演进的“现场切片”中：上午在Robarts图书馆研读最新arXiv论文，下午在IBM多伦多创新中心观察AI客服系统如何处理真实投诉录音，傍晚在CN Tower光影秀下讨论算法偏见的社会映射。全程中文领队并非“保姆”，而是跨文化认知教练——引导孩子记录“最初阶段听不懂教授快语速提问时的应对策略”，梳理“在跨部门协作中发现的沟通断点”，这些反思日志，比任何结业证书更接近未来人才的核心能力。
AI不会等待孩子准备好才改变世界。但我们可以选择——让孩子在15岁那年，就站在真实的实验室门口，手里拿着尚未调试成功的代码，心里装着一个尚未成型的问题。那扇门后，没有标准答案，只有正在发生的未来。
