greenai.guide

首页 › 面向学校 › 绿色 AI 课程与活动创意

面向学校

绿色 AI 课程与活动创意

更新于 · 阅读约需 3 分钟

简而言之

这九项活动借助纸张、公开数据和讨论,讲授 AI 在能源和环境方面的问题,适合约 9 至 18 岁的学生。每项活动都注明了适用年龄、时长、学习目标和所需材料, 都不需要付费软件,也不需要学生注册 AI 工具账号。

要点

  • 每项活动都无需学生亲自使用 AI 工具,这也符合许多工具设定的年龄限制。
  • 估算类活动使用 Google 和 OpenAI 公布的单次提问能耗数据,并注明出处。
  • 这些活动与现有的计算机、科学、地理、数学和公民教育内容相契合,不需要额外的课程课时。
  • 课程关联仅供参考:请对照您所在国家或地区的课程进行核对。

如何使用这些创意?

选一项活动,根据您的班级调整时长,引用任何数据时都注明出处和年份。每项活动的背景知识都在教师指南中,术语定义见术语表。所有活动都不需要学生注册 AI 工具账号。

课程关联以英格兰为例(KS2 为 7–11 岁,KS3 为 11–14 岁,KS4 为 14–16 岁)。这些关联仅供参考,并非官方对应关系;大多数国家都有关于计算机系统、能量、自然资源和负责任使用技术的相应内容。

活动创意

1. 我们班在 AI 上用了多少能源?

年龄:11–16 岁 · 时长:50 分钟 · 关联:KS3 科学(能量、功率、kWh、家庭燃料费用);数学(估算、单位);计算机(技术的影响)

目标:在 Wh 和 kWh 之间换算;做出费米估算并说明理由;解释为什么小数量会累积成大数量。

材料:纸、计算器、下面的公开数据。

做法:学生估算全班一周发出多少次 AI 文本提问(匿名举手即可)。使用 Google 公布的 Gemini 文本提问中位数能耗 0.24 Wh 和 OpenAI 公布的 ChatGPT 平均每次查询能耗 0.34 Wh,算出一个范围。例如,30 名学生 × 10 次提问 × 0.24–0.34 Wh,约为每周 72–102 Wh。然后推算到全校、全国和全世界,并与标签上注明额定功率的电器进行比较。最后讨论这些数据没有涵盖哪些内容:图片、视频、训练和设备本身。

2. 用纸片讲解 token

年龄:9–14 岁 · 时长:30 分钟 · 关联:KS2 和 KS3 计算机(数据如何表示)

目标:解释什么是 token(词元);解释为什么文本越长需要的计算越多。

材料:打印好的句子、剪刀、秒表。

做法:学生把句子剪成大约 token 大小的小块。OpenAI 的经验法则是,一个 token 约为四个字符,或英语单词的四分之三,所以长单词会被拆开。由一名学生扮演“模型”,每添加一个新词之前都必须读完所有小块,并计时。句子长度加倍,工作量也加倍。高年级学生可以在投影仪上试用免费的在线 tokenizer(分词器)演示,会发现生僻词和某些语言会被拆成更多块。

3. AI 是合适的工具吗?

年龄:11–18 岁 · 时长:40–60 分钟 · 关联:KS3 和 KS4 计算机(负责任的使用);公民教育

目标:权衡一项技术的利弊;依据证据进行论证;理解充足性。

材料:任务卡(例如:检查拼写、写一首生日诗、查找秘鲁的首都、总结一份 40 页的报告、在图像中检测皮肤癌、为一个标志做 25 个版本)。

做法:学生分组把卡片分成“AI 是最好的工具”“更简单的方法就行”和“视情况而定”三类,然后向全班为其中一个选择辩护。讨论“无谓的”是什么意思,以及由谁来决定。

4. 数据中心应该建在哪里?

年龄:11–16 岁 · 时长:60 分钟 · 关联:KS3 地理(经济活动与自然资源;人文与自然的相互作用;地图与 GIS)

目标:找出选址决策中的各种因素;权衡取舍;使用地图和数据。

材料:打印的或免费在线的地图,显示可再生能源发电、河流、气温、电网接入点和城镇。

做法:学生扮演规划委员会,在三个虚构地点中做出选择:凉爽多风但偏远;靠近一座缺水的城市;位于炎热地区的太阳能电站旁边。从电力、冷却、水、土地、就业和对当地的影响几个方面为每个地点打分。以爱尔兰为真实案例:2024 年,数据中心用电占该国计量电力的 22%,而 2015 年仅为 5%(爱尔兰中央统计局)。

5. 效率与反弹游戏

年龄:11–18 岁 · 时长:40 分钟 · 关联:KS4 计算机(技术的影响);经济学;数学

目标:解释反弹效应和杰文斯悖论。

材料:筹码或代币、一张简单的规则表。

做法:每个小组有一份固定的“能源预算”筹码。每一轮,AI 的效率提高一倍(一项任务所需的筹码减半),但随后由各组决定运行多少项任务。记录每一轮的总能耗。学生通常会发现总用量在上升。联系经济学家威廉·斯坦利·杰文斯(William Stanley Jevons)的观点:他在 1865 年提出,更高效的蒸汽机会增加而不是减少煤炭消耗。提问:什么样的规则能让总用量降下来?

6. 文本、图片还是视频?

年龄:13–18 岁 · 时长:40 分钟 · 关联:KS3 科学(能量);计算机

目标:比较不同 AI 任务的能耗;批判性地解读研究数据。

材料:打印好的下列数据。

做法:分享一项研究发现:在 2024 年的一项研究中,用所测试的效率最低的模型生成 1,000 张图片耗电 11.49 kWh,相当于给智能手机充电 522 次;而效率最高的文本模型运行 1,000 次的耗电量相当于充一次电的 9%(Luccioni、Jernite 和 Strubell)。学生讨论为什么图片的成本更高,“效率最高”和“效率最低”是什么意思,以及他们会如何设计一个公平的测试。

7. 设计绿色 AI 标签

年龄:9–16 岁 · 时长:50 分钟 · 关联:设计与技术;计算机;公民教育

目标:理解能效标签;判断哪些信息有用且诚实。

材料:电器能效标签和食品标签的示例、纸、笔。

做法:学生设计一个标签,显示在 AI 回答或应用旁边。它应该显示什么:能耗、用水、碳排放,还是计算是在哪里完成的?如何防止公司做出误导性声明(漂绿)?高年级学生可以阅读AI 能效标签。

8. 提问“高尔夫”

年龄:13–18 岁 · 时长:30 分钟 · 关联:计算机;英语(简洁写作)

目标:写出清晰、具体的指令;把简洁与效率联系起来。

材料:纸;可选:由教师进行一次 AI 演示。

做法:学生把冗长、含糊的请求改写成最短的 prompt(提示词),同时仍能准确得到所需内容(面向谁、长度、格式)。数一数字数,再估算 token 数。教师可以现场测试最好的两个。讨论为什么一个清晰的提示词胜过五次尝试。

9. 辩论:一个国家应该建设自己的绿色 AI 吗?

年龄:15–18 岁 · 时长:60 分钟 · 关联:公民教育;政治;计算机

目标:就技术政策构建论点;考虑主权、成本、能源和公平。

材料:一份简短的背景材料,例如主权 AI 与可持续性一文。

做法:辩题是“本院将建设一项由可再生能源驱动、国家公有的 AI 服务”。各队围绕获取机会的公平性和数据控制权,与成本、能源、基础设施和政治风险展开辩论。2026 年英国一次由数学家、计算机科学家和业界人士参加的绿色 AI sandpit(研讨工作坊)曾辩论过这个问题,当时意见分歧,因此它是一个很好的开放性问题。

如何评估学习效果?

简短的书面回答效果很好:“解释为什么单次提问耗能很少,但 AI 整体耗能很多”,或者“举出一种让 AI 使用更高效的方法,以及一种让它更符合充足性的方法”。关注学生对规模的推理,以及是否兼顾了绿色 AI 的两个方面。

下一步做什么

  • 本学期试一试活动 2 或活动 3;两者都不需要技术设备。
  • 把写给学生的绿色 AI作为课前阅读或家庭作业分享给学生。
  • 上课前在教师指南中核对事实和常见误解。
  • 把术语表放在黑板上,方便查看关键术语。
  • 通过联系页面告诉我们活动的效果,帮助我们改进这些创意。

常见问题

这些课需要电脑吗?

大多数不需要。少数活动可选用免费网页,例如 tokenizer(分词器)演示或在线地图,教师可以用投影仪展示。

应该从哪项活动开始?

纸片 token(活动 2)最快捷:30 分钟,不需要技术设备,能解释为什么更长的提问和回答需要更多计算。“AI 是合适的工具吗?”(活动 3)很适合作为后续活动。

这些活动与国家课程有关联吗?

它们能支持英格兰计算机、科学和地理学习计划中的现有内容,以及其他地方的类似板块,但它们不是官方资源,也不对应任何考试大纲。

来源

  1. Measuring the environmental impact of delivering AI at Google scale, Google (arXiv:2508.15734) (2025)
  2. The Gentle Singularity, Sam Altman (OpenAI) (2025)
  3. What are tokens and how to count them?, OpenAI Help Center (2025)
  4. Energy and AI, International Energy Agency (2025)
  5. Data centres metered electricity consumption 2024, Central Statistics Office, Ireland (2025)
  6. Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell (arXiv:2311.16863) (2024)
  7. The coal question (1865), summary and extracts, Yale University, Energy History (1865)
  8. National curriculum in England: computing programmes of study, Department for Education (2013)
  9. National curriculum in England: geography programmes of study, Department for Education (2013)
  10. National curriculum in England: science programmes of study, Department for Education (2013)

加入我们

帮助减少 AI 对地球的影响

通过电子邮件获取新指南、资助征集和名录收录信息,大约每月一次。您也可以将您的产品、课程、博士岗位或研究添加到名录中。

不做跟踪。一键退订。 其他加入方式 · 隐私