探索知识，不受年龄边界。
按目标、场景或主题找到下一步。难度来自先修关系与学习证据，不来自年龄标签。
人工智能数据收集与隐私
人工智能系统收集关于你的哪些数据；谁拥有这些数据以及为什么重要；Cookie、追踪、智能音箱始终监听；你的数据很有价值
人工智能的错误与局限性
机器会犯错；它们只知道被展示的内容；糟糕的训练数据导致糟糕的结果；人工智能不是魔法——只是基于数据的数学；展示边缘案例和失败
人工智能与决策公平
人工智能是否应该对人们做出重要决策：工作、贷款、司法；当人工智能做出不公平决策时谁负责；算法公平性简介
人工智能与环境
人工智能训练需要大量能源和水；数据中心及其环境成本；但人工智能也能提供帮助——预测天气、监测森林砍伐、优化能源；权衡
人工智能与未来工作
人工智能如何改变工作世界：一些工作消失，新工作被创造，许多工作发生变化；人工智能（尚）无法完成的工作；在人工智能世界中哪些技能重要
电脑游戏中的人工智能
电脑游戏角色如何“决定”做什么；简单的基于规则的人工智能 vs 学习型人工智能；非玩家角色、难度调整；人工智能作为国际象棋或棋盘游戏中的对手
日常生活中的人工智能
发现日常生活中的人工智能：手机面部解锁、视频推荐、拼写自动更正、检测人的自动门；似乎“知道”事情的技术
人工智能系统中的偏见
如果训练数据有偏见，人工智能也会有偏见；例子：面部识别对某些肤色效果更好，翻译假设性别；偏见从何而来以及我们能否修复它
日常生活中的计算机
识别日常生活中的计算机——不仅仅是笔记本电脑，还有手机、平板电脑、智能音箱、交通信号灯、洗衣机；什么使某物成为计算机
计算机的数据与信息
什么是数据：计算机使用的信息——数字、文字、图片、声音；计算机知道的一切都来自人们提供的数据
深度伪造与AI生成内容
深度伪造、AI生成的图像和文本；如何识别它们以及它们为何重要；核实来源的重要性；并非所有在线内容都是真实的
设计公平的AI规则
将设计思维应用于AI伦理：如果你正在设计一个AI系统，你会给它什么规则？它应该帮助谁？它不应该被允许做什么？
人类与机器
比较人类和机器的能力：创造力、同理心、常识 vs 速度、记忆、重复；图灵测试（简化版）；什么使人类独特
机器学习基础
机器学习在概念层面如何工作：给计算机展示许多示例，它找到模式，然后对新事物做出预测；使用Teachable Machine或类似工具进行动手体验
模式与分类
人类擅长发现模式；计算机也可以学会发现模式，但它们需要大量示例；排序和分类活动是机器学习的基础
现实世界中的机器人
机器人到底是什么——不是科幻版本；工厂中的机器人、机器人吸尘器、手术中的机械臂；机器人遵循人们给出的指令
推荐系统与信息茧房
推荐系统的工作原理：YouTube、Netflix和购物网站追踪你的点击行为并发现模式；信息茧房；有益建议与操纵之间的区别
智能设备与非智能设备
将物品分类为“智能”（能感知并响应）和“非智能”（只是待在那里）；烤面包机与智能音箱；介绍某些机器能感知并响应世界的概念