可破坏机器：通过欺骗与可解释 AI（XAI）实现 K-12 课堂游戏的变革性 AI 素养教育
计算机与社会
2025-08-21 v1
摘要
本论文提交于面向 K-12 AI 教学资源的特别轨道，提出一种基于可解释 AI（XAI）的课堂游戏"可破坏机器"（Breakable Machine），旨在通过对抗性游戏和检验 AI 系统来教授关键、变革性的 AI 素养。游戏面向年龄在 10-15 岁的学习者，邀请学生通过操纵其外观或环境来欺骗图像分类器，从而触发高置信度的误分类。该活动不聚焦于构建 AI 模型，而是以破坏它们为核心——通过动手实验揭示其脆弱性、偏见和易受攻击性。游戏包括 XAI 视图，帮助学生可视化特征显著性，揭示模型如何关注特定视觉线索。共享的课堂排行榜促进了协作式探究和策略比较，将课堂转化为集体意义建构的场所。这种方法重新定义了 AI 教育，将模型失效和误分类不视为需调试的问题，而是富有教育价值的机会，用以检验 AI 作为社会技术系统。通过这一方式，游戏支持学生发展数据主权、伦理意识以及对日益嵌入日常生活的 AI 系统持批判态度。该游戏及其源代码均可免费获取。
引用
@article{arxiv.2508.14201,
title = {Breakable Machine: A K-12 Classroom Game for Transformative AI Literacy Through Spoofing and eXplainable AI (XAI)},
author = {Olli Hilke and Nicolas Pope and Juho Kahila and Henriikka Vartiainen and Teemu Roos and Tuomo Parkki and Matti Tedre},
journal= {arXiv preprint arXiv:2508.14201},
year = {2025}
}