AAES 亞太STEM教育協會
    ← 回最新STEM世界趨勢列表

    2026/9/15

    免費 AI 證照實測：Anthropic、Google、IBM、樹莓派評比

    AAES團隊實測Anthropic、Google、IBM與樹莓派四張免費AI證照，深度拆解人機協作心法、技術骨架到課堂倫理，帶你一次掌握完整AI素養地圖與學習建議。

    免費 AI 證照實測：Anthropic、Google、IBM、樹莓派評比

    想把 STEM 真正帶進你的課堂？

    AAES 是 STEM.org 亞洲官方授權單位。兩天實體工作坊完成國際教師認證，看看最近一梯的日期與席次。

    看下一梯次與席次先用 LINE 問問看

    本文為 AAES 亞太STEM教育協會團隊實際完訓的第一手紀錄。所有證照均為免費取得，完訓證書可於協會〈國際認證與認可〉頁查驗。

    為什麼要一次考四張？

    市面上談 AI 證照的文章，多半只回答「怎麼考」，很少回答「值不值得考」。

    對教育工作者而言，這四張證照的意義其實不在證書本身——它們免費、門檻低、幾乎人人都拿得到。真正的價值在於：四家機構對「AI 到底是什麼、人該怎麼跟它相處」給出了四種完全不同的答案。

    Anthropic 教的是心法，Google 教的是入門概念，IBM 教的是技術骨架，Raspberry Pi 教的是社會責任與教學法。把四張放在一起看，才會拼出一張完整的 AI 素養地圖。

    以下依「課程資訊 → 學習內容 → 我的心得」三段式拆解。

    快速比較表

    項目Anthropic AI FluencyGoogle 生成式 AI 入門IBM SkillsBuildRaspberry Pi AI 素養
    費用免費免費免費免費
    實際花費時間約 1.5 小時約 30 分鐘約 2 小時約 1–2 小時
    難易度★★☆☆☆★☆☆☆☆★★★☆☆★★☆☆☆
    核心定位人機協作心法概念入門技術基礎教學法與倫理
    中文支援英文為主部分中文有繁中版英文（可翻譯閱讀）
    適合對象所有 AI 使用者完全新手想懂原理的人中小學教師／行政主管
    證書形式完訓證書完訓徽章數位憑證（Credly）完訓證書

    一、Anthropic｜AI Fluency：Framework & Foundations

    課程資訊

    • 官方課程頁：https://anthropic.skilljar.com/ai-fluency-framework-foundations
    • 教育者延伸版：https://anthropic.skilljar.com/ai-fluency-for-educators
    • Coursera 版本：Anthropic 於 2026 年 5 月在 Coursera 上架五門免費課程（Framework and Foundations、for Educators、for Students、Teaching AI Fluency、for Nonprofits），官方建議先修基礎課再進專門課
    • 課程時數：官方標示約 3 小時；實際專心跑完約 1.5 小時
    • 難易度：★★☆☆☆（無技術門檻，但概念密度高）
    • 語言：英文（有字幕，可搭配翻譯）
    • 開發背景：由 Anthropic 與 Ringling College 的 Rick Dakan 教授、University College Cork 的 Joseph Feller 教授共同開發，架構源自兩位學者 2023–2024 年的研究

    學習內容

    這門課幾乎不談技術，全部在談「使用 AI 的心法」。核心是三組框架。

    1. 4D 框架（四大能力）

    Delegation 授權 決定哪些工作該由人完成、哪些交給 AI、以及如何在兩者之間分配。它包含三個子能力：

    • 問題意識（Problem Awareness）：在找 AI 之前，先清楚理解自己的目標與工作的本質
    • 平台意識（Platform Awareness）：理解不同 AI 系統的能力與限制
    • 任務委派（Task Delegation）：策略性地在人與 AI 之間分配工作，發揮各自強項

    課程特別強調：有效的授權同時需要領域專業與對 AI 能力的理解。目標不是把所有事都自動化，而是針對每個任務找出最有效的人機協作形式。

    Description 描述 與 AI 有效溝通，建立有生產力的協作環境。同樣分三層：

    • 產品描述（Product）：明確定義輸出、格式、受眾、風格
    • 流程描述（Process）：引導 AI 用什麼方式處理你的請求——這往往跟指定最終目標一樣重要
    • 表現描述（Performance）：定義行為面向，例如 AI 該簡潔還是詳細、該挑戰你還是支持你

    Discernment 辨別力 對 AI 的輸出、流程、行為與互動進行深思熟慮的批判性評估，包括評估品質、準確性、適用性，並找出需要改進的地方。

    Diligence 盡職調查 負責任且合乎倫理地使用 AI：對系統與互動方式做出深思熟慮的選擇、保持透明度、並為 AI 輔助的工作承擔責任。

    2. 3A 協作模式

    • Automation 自動化：AI 根據你的指示完成特定任務
    • Augmentation 增強：你與 AI 作為創意思考與任務執行的夥伴進行協作
    • Agency 代理：你配置 AI 代表你獨立工作，建立它的知識與行為模式，而不只是分派特定任務

    3. 六個提示技巧

    1. 提供背景資訊：具體說明你要什麼、為什麼要、以及相關背景
    2. 提供範例：示範你想要的輸出樣式或格式
    3. 明確約束條件：清楚定義格式、長度與其他輸出要求
    4. 將複雜任務分解成步驟：引導 AI 進行多步驟推理
    5. 先讓 AI 思考：給 AI 留出空間走完它的推理流程
    6. 定義 AI 的角色或語氣：具體說明你希望 AI 如何溝通

    課程也用最精簡的方式交代了原理：生成式 AI 的學習分為兩個階段——預先訓練（分析數十億個範例中的模式）與微調（學習遵循指令並提供有用的回應）。

    整體目標，用官方的話說就是：AI Fluency 意味著以有效、有效率、合乎倫理且安全的方式與 AI 互動。

    我的心得

    Claude 教的大部分不是科技觀念，而是更偏向使用 AI 的心法，其中包括 4D、3A，以及六個下 prompt 的技巧，總共花的時間 1.5 小時左右。

    能夠很明顯地感覺到，Anthropic 這間公司在要求使用 AI 的細節跟道德倫理上是非常要求的。整門課從頭到尾沒有一句在吹捧 AI 有多強，反而花大量篇幅在講「你要怎麼判斷它的輸出是不是錯的」「你要為它產出的東西負責」。

    四張證照裡，這張是唯一一張看完會改變我「打字方式」的課。4D 裡的 Description 三層（產品／流程／表現）尤其實用——過去下 prompt 只會描述「我要什麼」，學完之後會多寫「你要怎麼想」跟「你要用什麼態度回我」，輸出品質的差距非常明顯。

    二、Google｜Introduction to Generative AI（生成式 AI 入門）

    課程資訊

    學習內容

    這是一門入門級的微學習課程，說明什麼是生成式 AI、它如何被使用、以及它與傳統機器學習方法的差異，同時介紹 Google 開發生成式 AI 應用的工具。

    課程本身相對單薄，但官方附的延伸閱讀清單其實才是精華，涵蓋：

    若要把徽章升級成技能徽章（Skill Badge），需再完成 Introduction to Large Language Models 與 Introduction to Responsible AI 兩門課，合計約兩小時。

    教育工作者的延伸路線

    如果你是老師，Google 這條線其實比單張入門證書更值得走：

    注意：目前教育者認證只有英文版本免費。

    我的心得

    蠻基礎的，沒什麼。

    相對來說這張簡單許多，實際上大概花 30 分鐘就可以完成。

    如果你已經在用 ChatGPT 或 Gemini 半年以上，這門課大概不會教你任何新東西。它的價值在於把徽章掛上去的成本極低，以及那份延伸閱讀清單——清單裡 Stanford HAI 跟 NBER 那兩篇論文，含金量遠高於課程本身。

    真正值得花時間的是 Gemini Certified Educator 那條線，那才是 Google 給教師的正式認證。

    三、IBM SkillsBuild｜人工智慧相關數位憑證

    課程資訊

    IBM 的 AI 線憑證大致分為四個層級，可依需求挑選：AI Literacy（AI 素養）、AI Fundamentals: Foundations for Understanding AI、AI Fundamentals: Language and Vision in AI、Artificial Intelligence Fundamentals（六門課、約 10 小時）。

    學習內容

    IBM 對 AI 的定義非常工程化：人工智慧是一種讓電腦與機器能夠模擬人類學習、理解、問題解決、決策、創造力與自主性的技術。

    模組一：AI 的形式

    完成後你應該能夠定義 AI、說明 AI 學習與改進的步驟、區分 AI 與自動化等其他技術、辨識不同形式的 AI、指出支撐 AI 應用的三種技術，以及認識 AI 在各產業的效益與應用。

    重點整理：

    1. AI 有不同形式，每一種都為特定任務設計。有些系統生成內容，有些預測結果、做決策或解讀視覺資料。
    2. 生成式 AI（Generative AI）：基於學習到的模式創造新內容，如文字、圖像、音樂。
    3. 預測式 AI（Predictive AI）：分析過去資料以預測趨勢，例如需求預測與詐欺偵測。
    4. 決策式 AI（Decision-making AI）：評估多重因素以自動化複雜決策，例如自駕系統或貸款核准。
    5. 電腦視覺 AI（Computer Vision）：讓機器解讀與處理視覺資訊，例如臉部辨識與醫學影像。

    模組二：支撐 AI 的三大技術

    1. AI 依賴機器學習、深度學習與自然語言處理等技術來學習與改進。
    2. 機器學習（ML）：幫助 AI 偵測模式並做出預測，擅長處理結構化資料，透過過去範例學習來提升準確度。
    3. 深度學習（DL）：讓 AI 處理非結構化資料，透過人工神經網路，在沒有人為定義規則的情況下辨識圖像、影片、語音中的複雜模式。
    4. 自然語言處理（NLP）：AI 的專門領域，協助機器理解、詮釋並生成人類語言，支撐聊天機器人、語音助理與翻譯工具。
    5. AI 系統經常組合 ML、DL 與 NLP 來解決複雜任務。詐欺偵測、醫療診斷等應用多半同時使用多種技術。

    ML 與 DL 的差別是這個模組的核心考點，也是最值得記住的一段。

    我的心得

    IBM 的證照很多，可以選擇自己比較喜歡的來寫。我選擇了生成式 AI 的證照，實際上會學到 ML、DL 跟 NLP，都是非常核心的概念。

    IBM 的課程在手機上也很好閱讀，課程實際上強度中等，但章節不少，2 小時大概要學 20 課左右。從做題目的過程可以感受到 IBM 這間公司的嚴謹，在知識的堆疊上非常有邏輯——每一課都建立在前一課之上，不會跳躍。

    唯一的問題是：AI 進步得太快，內容跟不上。 裡面有一段寫 AI 還無法執行某些事，但在 2026 年 3 月以來這一波 Agent 與程式碼生成的浪潮之下，那個「不可能」已經死在 AI 大浪的沙灘上了。

    這是所有 AI 教材共同的困境：越嚴謹、越有體系的教材，改版速度越慢。 讀 IBM 的課程時要有意識地把「能力邊界」那幾段當作歷史文件看，把「概念架構」那幾段當作長期知識看。

    四、Raspberry Pi Foundation｜AI Literacy for Teachers and School Leaders

    課程資訊

    課程目標

    官方列出的學習目標非常明確：

    • 自信地向學生解釋什麼是人工智慧和機器學習
    • 解釋什麼是人工智慧素養、為什麼它很重要，並運用不同的教學方法幫助學生成為高效且具批判性的 AI 使用者
    • 探討 AI 對社會的益處與弊端，以及它對職業生涯的影響
    • 教導學生如何有效且負責任地使用生成式 AI
    • 確定並解釋學校 AI 政策中應包含的關鍵領域

    學習內容

    1. 最重要的觀點：不要把 AI 擬人化

    這是整門課最有價值、也最少人講的一段。課程明確要求：在教授任何 AI 素養內容時，應避免使用擬人化的語言來描述 AI 系統。

    擬人化（anthropomorphism）指將人類的品質與特徵賦予非人類事物。課程給了一張對照表：

    避免改用
    「AI 學習」「AI／ML 執行」「AI 應用程式被設計來…」「AI 開發者建構的應用程式能夠…」
    描述人類行為的動詞（看、觀察、知道、創造、製作）適合系統的動詞（記錄、輸入、模式匹配、生成、產生）
    把 AI 或 ML 當作單獨的名詞（「人工智慧能夠…」）把 AI 與 ML 視為科學學科，就像使用「生物學」一詞

    為什麼這件事重要？如果年輕人將 AI 技術視為與人類自然相似，我們就有可能影響他們的：

    • 自主感：他們可能會服從他們認為「更聰明」的系統
    • 安全：與類人 AI 建立情感連結，可能使其容易受到影響與控制
    • 好奇心：AI 應用似乎存在隱藏部分或不明確的內部規則，這可能讓人打消了解其運作原理的念頭
    • 偏見：類人系統可能強化刻板印象。許多系統被視為「白人」或被設定為女性助手，延續了有害的社會偏見

    課程的結論是：培養學生的 AI 素養至關重要，這有助於他們批判性地與 AI 互動、做出明智決策、並謹慎地規劃自己的未來；但同樣重要的是，要認識到使用 AI 的風險與挑戰，例如賦予 AI 人類特徵。

    2. FATPS 模型

    評估 AI 系統的五個面向：

    • Fairness 公平性
    • Accountability 問責性
    • Transparency 透明度
    • Privacy 隱私
    • Security 安全

    3. 開發機器學習模型的四種角色

    課程把 AI 產業的工作分為四個既獨立又相互關聯的領域：

    1. 研究與模型開發：創造演算法、神經網路架構與訓練技術，突破 AI 能力極限
    2. 應用與系統工程：將模型組合成軟體，管理資料流，確保系統強大且具適應性
    3. 倫理、安全與治理：分析模型是否存在偏見、評估社會影響、確保使用者安全、協助制定負責任的使用政策
    4. 領域專業知識與背景：來自醫學、金融、法律等其他領域的專家，提供特定學科知識；他們幫助定義問題、提供與驗證數據，並確保模型輸出在現實世界中具有相關性與準確性

    這一段對生涯輔導特別有用——它讓學生知道「進 AI 產業」不等於「要會寫程式」。

    4. SEAME 架構

    SEAME 架構為基礎單元的規劃提供支持，幫助教師將 AI 學習活動分為四個層級，可用來確保涵蓋 AI 素養的各個面向。

    5. OCEAN 提示框架

    這是專門設計給學生使用的提示框架，指導學生先建立詳細的提示，再透過進一步的提示改進輸出：

    • O｜目標（Objective）：明確提出目標。例如「請給我 5 道關於河流的考題」
    • C｜背景（Context）：提供背景細節，例如語氣、結構與關鍵資訊。例如「這些應該是基於最新 EdExcel 考試大綱的地理 GCSE 考題」
    • E｜範例（Example）：提供 AI 需要模仿的風格或格式樣本。例如「這裡有一個例子：解釋侵蝕和沉積過程如何導致河曲的形成及其最終發展成牛軛湖」
    • A｜評估（Assess）：評估產出內容的準確性、清晰度，以及是否達到最初設定的目標。例如檢查內容是否符合規範要求
    • N｜協商（Negotiate）：向 AI 提供具體回饋與指示以改善回應。例如「請確保這些問題都是『解釋』類問題」

    我的心得

    這張有趣的地方在於，在樹莓派的考試過程中，他把 AI 視為是一個「工具」而非給予其人格化。

    樹莓派在這邊提出了與各家都不一樣的觀點，多半在於 AI 對於社會各種層面的影響，包括數位落差、種族偏見、環境成本以及人工智慧取代工作——這邊大概是我最喜歡的部分。

    四家機構裡，只有 Raspberry Pi 認真談了 AI 的社會代價。Anthropic 談個人使用倫理、IBM 談技術原理、Google 談產品應用，只有樹莓派會問「誰被留下了」。

    對第一線教師而言，OCEAN 框架跟「避免擬人化」的對照表可以直接印出來貼在教室牆上，是四張證照裡最能立即落地到課堂的內容。

    四張放在一起看：各家的立場差異

    跑完四張最大的收穫，其實不是任何一張證書，而是看見四種世界觀的差異：

    機構對 AI 的定位最在意的事盲點
    Anthropic協作夥伴使用者的判斷力與責任幾乎不談技術原理
    Google產品與工具讓你會用它的生態系內容偏行銷、深度不足
    IBM技術堆疊知識的邏輯與嚴謹更新速度跟不上產業
    Raspberry Pi一個需要被批判的工具社會影響與教學法對前沿能力的描述保守

    有趣的是，Anthropic 與 Raspberry Pi 在「AI 該被怎麼稱呼」這件事上是有張力的。Anthropic 的教材自然地使用「AI 作為思考夥伴」這類語言；Raspberry Pi 則明確主張不該用擬人化語言描述 AI 系統。

    這不是誰對誰錯的問題，而是受眾不同：Anthropic 面對的是成年專業工作者，協作隱喻能提升使用效率；Raspberry Pi 面對的是 11–14 歲的孩子，擬人化可能損害他們的自主判斷。

    作為教育工作者，值得把這個張力本身當成一堂課來教。

    建議的學習順序

    如果四張都要拿，依序如下最省力也最有收穫：

    1. Google 生成式 AI 入門（30 分鐘）— 先把名詞跟概念過一遍
    2. IBM SkillsBuild AI 憑證（2 小時）— 補上 ML / DL / NLP 的技術骨架
    3. Anthropic AI Fluency（1.5 小時）— 學會怎麼真的把 AI 用好
    4. Raspberry Pi AI Literacy（1–2 小時）— 學會怎麼教別人、以及怎麼批判

    總計約 5–6 小時，四張證書，全部免費。

    對教師來說，如果只能選一張：選 Raspberry Pi。 對一般工作者來說，如果只能選一張：選 Anthropic。

    結語

    這四張證照沒有一張會讓你的履歷突然變得不一樣。但把它們一起讀完，你會得到一件更重要的東西：一套判斷 AI 輸出可不可信、該不該用、能不能教的框架。

    AI 的能力每三個月就會改寫一次，但「怎麼授權、怎麼描述、怎麼辨別、怎麼負責」這四件事不會過期。

    AAES 團隊實際取得之完訓與認證紀錄，可於〈國際認證與認可〉頁逐項點擊查驗。

    延伸閱讀

    報導出處與發布時間

    1. https://anthropic.skilljar.com/ai-fluency-framework-foundations
    2. https://www.skills.google/course_templates/536
    3. https://skillsbuild.org/zh-TW/adult-learners/digital-credentials
    4. https://training-hub.raspberrypi.org/en/courses/ai-literacy-for-teachers-and-school-leaders