When we set out to talk to kids about artificial intelligence, we thought we knew what we’d hear. We expected some to tell us they were using it to cheat a little, the way Millennials and Gen Xers opened up CliffsNotes or programmed formulas into their TI-82s, and others to share inspiring ways they...
当我们开始和孩子们谈论人工智能时,我们以为自己知道会听到什么。我们 expected 一些人会告诉我们他们用它来稍微作弊一下,就像千禧一代和X世代打开CliffsNotes或在TI-82中编程公式一样,其他人会分享他们使用它的鼓舞人心的方式。我们也 listened for 不那么 specific to kids 的担忧, like 深度伪造或工作破坏。但当我们询问10到18岁的孩子关于AI的事情时,我们实际听到的充满了细微差别。
许多 can go on and on about 音乐、攀岩或足球的孩子用"bruh"和"meh"这样的词回应我们的问题——或者 deeply 反对AI或对将其融入生活不感兴趣,以至于根本不想谈论它。一个青少年说他的同伴用它来做他们知道不应该做的事情, like 写论文。一个告诉我们她 won't touch AI因为环境影响。一些人说他们觉得整个领域令人沮丧:"AI不是我们问题的解决方案,"17岁的温特说。"我担心它会成为创造力和批判性思维的终结。" yet 我们询问的大多数孩子 admitted 至少使用了一点AI。
AI似乎 yet 不是我们交谈的许多小学或中学年龄段孩子关注的东西——他们也没有像 begging for iPhone和Snapchat账号那样 begging for 它。许多人告诉我们,他们的一些 first AI encounters 来自父母或学校。 sometimes,他们说,它 just embedded 在他们 already 依赖的设备和应用程序中。它就在那里,在Google搜索等东西中。
我们听到的与数据相符。皮尤研究中心2026年2月 published 的一项调查发现,57%的美国青少年曾使用聊天机器人搜索信息,54%用它们帮助做作业,47%用于娱乐。只有12%用于情感支持或建议。青少年使用AI的方式中, innocuous 的可能性是潜在有害方式的四倍以上。一些人甚至用它来构建东西, whether it's 一个角色、一个技术平台,或一个帮助其他孩子学习的 tutor。
这些都不意味着担忧是 misplaced。孩子们 may stumble into 未经过滤的内容, lean on 聊天机器人而不是自己的判断,或信任一个错误的答案——他们应该受到保护免受这些危险。但危险是教授这件东西的理由,而不是回避它。我们不会教青少年永远不要开车。我们教他们检查盲点。
最让我们惊讶的是年轻人可以在AI方面教给成年人多少,以及使用它的孩子能多么清楚地 naming 他们 will and won't 交出什么。他们不那么担心AI会夺走他们的工作,而是更担心它可能影响社会。而且,随着越来越多的工具可以理论上为他们思考、说话甚至交朋友,听起来大多数人都想 keep their hands on the wheel。
采访已编辑以保持长度和清晰度。
编码者
雷米,16岁,纽约
当我想到AI时,脑海中浮现的词是" indifferent"。我只是觉得当前的应用对我来说不那么令人兴奋。我上学。我教跆拳道。我读书。我和朋友玩游戏。这些都不需要AI。我的意思是,我使用它。我 mostly 使用Claude的免费版本进行校外编程。我让它帮我写一个程序来看看能否调整电脑的超频。所以我理解它的吸引力。
但在学校,我 actually 认为AI mostly 让我的作业更糟,而不是更好。在英语课上, everything 现在都是课堂写作,因为老师不想让孩子们作弊。所以我们只有70分钟来写一篇完整的论文,我认为这阻碍了我的写作。(你知道普林斯顿一个多世纪以来首次 voted 让教师监考吗?他们的荣誉守则可以追溯到1893年,现在因为AI而结束了。)
在科技与人文的交汇处,一个看似简单的玩笑背后,往往隐藏着深刻的行业真相。最近,一句广为流传的英文调侃——“Everyone knows the Greeks are inside”(人人都知道希腊人在里面)——在人工智能和科技圈内引发了不小的波澜。这句话并非出自某部科幻小说,而是对当前AI领域,尤其是大语言模型(LLM)训练数据构成的一种黑色幽默式隐喻。它暗示着,那些看似由纯英文或通用数据训练出的智能模型,其内部核心可能充斥着大量未经标注、来自特定文化背景(如古希腊哲学、文学与历史文本)的语料。
在人工智能领域,从实验室里的概念验证(Proof of Concept)到能够稳定运行的生产级系统,往往存在一道巨大的鸿沟。近期,业内专家深入剖析了构建生产级Agentic AI(自主智能体AI)系统的关键架构组件,揭示了那些将临时演示脚本与真正商业化应用区分开来的核心要素。这不仅是一次技术层面的梳理,更是对整个AI行业从狂热探索走向理性落地的深刻反思。