AI 素養始於資料素養：來自醫療領域的例子

在各界競相推動 AI 素養之際，一個常被忽略的根本問題值得深思：要真正理解 AI，究竟該從何學起？Raspberry Pi 基金會提出了一個發人深省的觀點——AI 素養始於資料素養。若不理解資料如何被蒐集、處理與運用，對 AI 的認識便如同建立在沙灘上的樓閣，難以扎實。基金會並以醫療領域的例子，具體闡明了這層關係。

這個主張切中了 AI 素養教育的核心。人工智慧的本質，說到底是從資料中學習模式的技術。無論是影像辨識、語言生成還是預測分析，AI 的能力都源自於它所「餵食」的資料。因此，若要理解 AI 為何能做出某項判斷、為何可能出錯、又為何可能帶有偏誤，就必須先理解資料本身——資料從何而來？是否具有代表性？蒐集過程中是否存在偏差？這些關於資料的認識，正是看穿 AI 運作邏輯的鑰匙。

以醫療領域為例，這層關係格外清晰。用於訓練醫療 AI 的資料，若主要來自特定族群，那麼這套 AI 在面對其他族群時，判斷的準確性便可能大打折扣。若不具備資料素養，使用者可能盲目信任 AI 的診斷建議，卻未意識到其背後資料的侷限；而具備資料素養的人，則能理解「這套 AI 是基於什麼資料訓練的」、「它的建議適用於哪些情況」，進而做出更明智的判斷。這正說明了為何資料素養是 AI 素養不可繞過的基礎。

這樣的教育理念，對 STEAM 與 AI 教育的課程設計具有重要啟示。它提醒教育者，培養 AI 素養不能只停留在「教學生使用 AI 工具」的表層，或空談 AI 的概念，而應從更基礎的資料素養扎根——引導學生理解資料的蒐集、整理、分析與詮釋，認識資料可能存在的偏誤與限制。當學生具備了這樣的資料思維，他們對 AI 的理解才會真正深刻，也才能培養出對 AI 產出保持批判與警覺的能力。

業界分析人士指出，Raspberry Pi 基金會作為推動運算與科技教育的重要力量，其「從資料素養切入 AI 素養」的主張，為當前略顯浮泛的 AI 教育提供了務實而深刻的方向。在 AI 深刻影響社會各領域的今天，唯有讓學習者具備看穿資料本質的能力，AI 素養的培養才不至於流於表面，而能真正裝備下一代面對這個由資料驅動的世界。