多模态 AI：会看会听的课堂，从此开始

当学生举着自己拍的植物照片问“这是什么呀？”的那一刻，只会处理文字的 AI 就停住了。然而多模态 AI 能看照片、听语音，并把图画一并解读。多模态把学习的输入通道，从一行文字拓宽到学生的整个五感。下面就来看看会看会听的 AI 如何改变探究式课堂。

多模态为课堂添加了什么

能同时处理多种形态的信息，并不只是多加了一项功能。它会这样改变课堂的品质。

• 现场观察的即时衔接：把在野外拍到的昆虫、岩石、叶片照片，当场转化为问题。
• 图画与图表解读：读懂学生画的概念图或图表，并指出可以补强的地方。
• 外语实物学习：看着实物照片，掌握该语言的单词和表达。
• 表达手段的拓展：写作弱的学生，也能用图画和口头表达显露自己的思考。

孩子本来就不是靠文字，而是靠看、听、触摸来认识世界的。多模态 AI 更贴近这种自然的学习方式。

由此，就架起了把抽象概念与学生自身的具体经验即时连接起来的桥梁。

探究式课堂的应用案例

以小学五年级科学的植物单元为例。学生们在学校花坛里，把感兴趣的植物拍成照片。之后的流程如下。

1. 观察记录：上传照片，用语言描述叶片的形状、颜色、大小等特征。
2. 生成问题：AI 看过照片后，提出“这些叶脉为什么是平行的？”这类探究问题。
3. 资料检索：学生挑一个问题，查找资料并提出假设。
4. 分享与验证：各小组之间比较照片和结论，讨论差异所在。

当 AI 不是被当作给答案的工具，而是被当作引出更好问题的催化剂时，探究才会深入。有一个班级记录到，用这种方式后，人均提问数比以往增加了近一倍。一张照片成了探究的起点。

在这项活动中，老师需要留心的地方也很明确。第一，AI 的植物识别可能出错，所以不要把结果直接当成正确答案，要让学生再用图鉴或资料确认一遍。第二，事先定好拍摄规则，避免照片里带上学生的面孔或位置信息。第三，为无法上传照片的学生，一并准备老师提供的公用照片，防止出现差距。只有在把技术的可能性与它的局限和安全放在同等分量上对待时，多模态活动才算真正在课堂里扎下根。

核心要点

多模态 AI 把学习的输入从文字拓宽到图像、语音和图画，衔接起现场观察与抽象概念。核心是把它设计成不向 AI 索取标准答案，而是用来引出问题。请把会看会听的 AI 放在问题催化剂的位置上，而不是答案机器的位置上。建议您从下一次户外活动开始，用学生拍的一张照片来做出探究问题的活动。不需要什么大设备，教室里已有的一台智能设备就足以起步，请用一个课时的小实验亲自确认效果。