AAES 亞太STEM教育協會
    ← 返回最新STEM世界趋势列表

    2026/9/15

    免费 AI 证照实测：Anthropic、Google、IBM、树莓派评比

    AAES团队实测Anthropic、Google、IBM与树莓派四张免费AI证照，深度拆解人机协作心法、技术骨架到课堂伦理，带你一次掌握完整AI素养地图与学习建议。

    免费 AI 证照实测：Anthropic、Google、IBM、树莓派评比

    想把 STEM 真正带进你的课堂？

    AAES 是 STEM.org 亚洲官方授权单位。两天实体工作坊完成国际教师认证，看看最近一期的日期与席位。

    看下一期与席位先用 LINE 问问看

    本文为 AAES 亚太STEM教育协会团队实际完训的第一手纪录。所有证照均为免费取得，完训证书可于协会〈国际认证与认可〉页查验。

    为什么要一次考四张？

    市面上谈 AI 证照的文章，多半只回答「怎么考」，很少回答「值不值得考」。

    对教育工作者而言，这四张证照的意义其实不在证书本身——它们免费、门槛低、几乎人人都拿得到。真正的价值在于：四家机构对「AI 到底是什么、人该怎么跟它相处」给出了四种完全不同的答案。

    Anthropic 教的是心法，Google 教的是入门概念，IBM 教的是技术骨架，Raspberry Pi 教的是社会责任与教学法。把四张放在一起看，才会拼出一张完整的 AI 素养地图。

    以下依「课程信息 → 学习内容 → 我的心得」三段式拆解。

    快速比较表

    ← 左右滑动查看完整对照 →
    项目Anthropic AI FluencyGoogle 生成式 AI 入门IBM SkillsBuildRaspberry Pi AI 素养
    费用免费免费免费免费
    实际花费时间约 1.5 小时约 30 分钟约 2 小时约 1–2 小时
    难易度★★☆☆☆★☆☆☆☆★★★☆☆★★☆☆☆
    内核定位人机协作心法概念入门技术基础教学法与伦理
    中文支持英文为主部分中文有繁中版英文（可翻译阅读）
    适合对象所有 AI 用户完全新手想懂原理的人中小学教师／行政主管
    证书形式完训证书完训徽章数字凭证（Credly）完训证书

    一、Anthropic｜AI Fluency：Framework & Foundations

    课程信息

    • 官方课程页：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 于 2026 年 5 月在 Coursera 上架五门免费课程（Framework and Foundations、for Educators、for Students、Teaching AI Fluency、for Nonprofits），官方建议先修基础课再进专门课
    • 课程时数：官方标示约 3 小时；实际专心跑完约 1.5 小时
    • 难易度：★★☆☆☆（无技术门槛，但概念密度高）
    • 语言：英文（有字幕，可搭配翻译）
    • 开发背景：由 Anthropic 与 Ringling College 的 Rick Dakan 教授、University College Cork 的 Joseph Feller 教授共同开发，架构源自两位学者 2023–2024 年的研究

    学习内容

    这门课几乎不谈技术，全部在谈「使用 AI 的心法」。内核是三组框架。

    1. 4D 框架（四大能力）

    Delegation 授权 决定哪些工作该由人完成、哪些交给 AI、以及如何在两者之间分配。它包含三个子能力：

    • 问题意识（Problem Awareness）：在找 AI 之前，先清楚理解自己的目标与工作的本质
    • 平台意识（Platform Awareness）：理解不同 AI 系统的能力与限制
    • 任务委派（Task Delegation）：策略性地在人与 AI 之间分配工作，发挥各自强项

    课程特别强调：有效的授权同时需要领域专业与对 AI 能力的理解。目标不是把所有事都自动化，而是针对每个任务找出最有效的人机协作形式。

    Description 描述 与 AI 有效沟通，创建有生产力的协作环境。同样分三层：

    • 产品描述（Product）：明确定义输出、格式、受众、风格
    • 流程描述（Process）：引导 AI 用什么方式处理你的请求——这往往跟指定最终目标一样重要
    • 表现描述（Performance）：定义行为面向，例如 AI 该简洁还是详细、该挑战你还是支持你

    Discernment 辨别力 对 AI 的输出、流程、行为与交互进行深思熟虑的批判性评估，包括评估品质、准确性、适用性，并找出需要改进的地方。

    Diligence 尽职调查 负责任且合乎伦理地使用 AI：对系统与交互方式做出深思熟虑的选择、保持透明度、并为 AI 辅助的工作承担责任。

    2. 3A 协作模式

    • Automation 自动化：AI 根据你的指示完成特定任务
    • Augmentation 增强：你与 AI 作为创意思考与任务运行的伙伴进行协作
    • Agency 代理：你配置 AI 代表你独立工作，创建它的知识与行为模式，而不只是分派特定任务

    3. 六个提示技巧

    1. 提供背景信息：具体说明你要什么、为什么要、以及相关背景
    2. 提供范例：示范你想要的输出样式或格式
    3. 明确约束条件：清楚定义格式、长度与其他输出要求
    4. 将复杂任务分解成步骤：引导 AI 进行多步骤推理
    5. 先让 AI 思考：给 AI 留出空间走完它的推理流程
    6. 定义 AI 的角色或语气：具体说明你希望 AI 如何沟通

    课程也用最精简的方式交代了原理：生成式 AI 的学习分为两个阶段——预先训练（分析数十亿个范例中的模式）与微调（学习遵循指令并提供有用的回应）。

    整体目标，用官方的话说就是：AI Fluency 意味着以有效、有效率、合乎伦理且安全的方式与 AI 交互。

    我的心得

    Claude 教的大部分不是科技观念，而是更偏向使用 AI 的心法，其中包括 4D、3A，以及六个下 prompt 的技巧，总共花的时间 1.5 小时左右。

    能够很明显地感觉到，Anthropic 这间公司在要求使用 AI 的细节跟道德伦理上是非常要求的。整门课从头到尾没有一句在吹捧 AI 有多强，反而花大量篇幅在讲「你要怎么判断它的输出是不是错的」「你要为它产出的东西负责」。

    四张证照里，这张是唯一一张看完会改变我「打字方式」的课。4D 里的 Description 三层（产品／流程／表现）尤其实用——过去下 prompt 只会描述「我要什么」，学完之后会多写「你要怎么想」跟「你要用什么态度回我」，输出品质的差距非常明显。

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

    课程信息

    学习内容

    这是一门入门级的微学习课程，说明什么是生成式 AI、它如何被使用、以及它与传统机器学习方法的差异，同时介绍 Google 开发生成式 AI 应用的工具。

    课程本身相对单薄，但官方附的延伸阅读清单其实才是精华，涵盖：

    若要把徽章升级成技能徽章（Skill Badge），需再完成 Introduction to Large Language Models 与 Introduction to Responsible AI 两门课，合计约两小时。

    教育工作者的延伸路线

    如果你是老师，Google 这条线其实比单张入门证书更值得走：

    注意：目前教育者认证只有英文版本免费。

    我的心得

    蛮基础的，没什么。

    相对来说这张简单许多，实际上大概花 30 分钟就可以完成。

    如果你已经在用 ChatGPT 或 Gemini 半年以上，这门课大概不会教你任何新东西。它的价值在于把徽章挂上去的成本极低，以及那份延伸阅读清单——清单里 Stanford HAI 跟 NBER 那两篇论文，含金量远高于课程本身。

    真正值得花时间的是 Gemini Certified Educator 那条线，那才是 Google 给教师的正式认证。

    三、IBM SkillsBuild｜人工智能相关数字凭证

    课程信息

    IBM 的 AI 线凭证大致分为四个层级，可依需求挑选：AI Literacy（AI 素养）、AI Fundamentals: Foundations for Understanding AI、AI Fundamentals: Language and Vision in AI、Artificial Intelligence Fundamentals（六门课、约 10 小时）。

    学习内容

    IBM 对 AI 的定义非常工程化：人工智能是一种让电脑与机器能够模拟人类学习、理解、问题解决、决策、创造力与自主性的技术。

    模块一：AI 的形式

    完成后你应该能够定义 AI、说明 AI 学习与改进的步骤、区分 AI 与自动化等其他技术、辨识不同形式的 AI、指出支撑 AI 应用的三种技术，以及认识 AI 在各产业的效益与应用。

    重点整理：

    1. AI 有不同形式，每一种都为特定任务设计。有些系统生成内容，有些预测结果、做决策或解读视觉数据。
    2. 生成式 AI（Generative AI）：基于学习到的模式创造新内容，如文字、图像、音乐。
    3. 预测式 AI（Predictive AI）：分析过去数据以预测趋势，例如需求预测与诈欺侦测。
    4. 决策式 AI（Decision-making AI）：评估多重因素以自动化复杂决策，例如自驾系统或贷款核准。
    5. 电脑视觉 AI（Computer Vision）：让机器解读与处理视觉信息，例如脸部辨识与医学图像。

    模块二：支撑 AI 的三大技术

    1. AI 依赖机器学习、深度学习与自然语言处理等技术来学习与改进。
    2. 机器学习（ML）：帮助 AI 侦测模式并做出预测，擅长处理结构化数据，透过过去范例学习来提升准确度。
    3. 深度学习（DL）：让 AI 处理非结构化数据，透过人工神经网络，在没有人为定义规则的情况下辨识图像、视频、语音中的复杂模式。
    4. 自然语言处理（NLP）：AI 的专门领域，协助机器理解、诠释并生成人类语言，支撑聊天机器人、语音助理与翻译工具。
    5. AI 系统经常组合 ML、DL 与 NLP 来解决复杂任务。诈欺侦测、医疗诊断等应用多半同时使用多种技术。

    ML 与 DL 的差别是这个模块的核心考点，也是最值得记住的一段。

    我的心得

    IBM 的证照很多，可以选择自己比较喜欢的来写。我选择了生成式 AI 的证照，实际上会学到 ML、DL 跟 NLP，都是非常内核的概念。

    IBM 的课程在手机上也很好阅读，课程实际上强度中等，但章节不少，2 小时大概要学 20 课左右。从做题目的过程可以感受到 IBM 这间公司的严谨，在知识的堆栈上非常有逻辑——每一课都创建在前一课之上，不会跳跃。

    唯一的问题是：AI 进步得太快，内容跟不上。 里面有一段写 AI 还无法运行某些事，但在 2026 年 3 月以来这一波 Agent 与代码生成的浪潮之下，那个「不可能」已经死在 AI 大浪的沙滩上了。

    这是所有 AI 教材共同的困境：越严谨、越有体系的教材，改版速度越慢。 读 IBM 的课程时要有意识地把「能力边界」那几段当作历史文档看，把「概念架构」那几段当作长期知识看。

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

    课程信息

    课程目标

    官方列出的学习目标非常明确：

    • 自信地向学生解释什么是人工智能和机器学习
    • 解释什么是人工智能素养、为什么它很重要，并运用不同的教学方法帮助学生成为高效且具批判性的 AI 用户
    • 探讨 AI 对社会的益处与弊端，以及它对职业生涯的影响
    • 教导学生如何有效且负责任地使用生成式 AI
    • 确定并解释学校 AI 政策中应包含的关键领域

    学习内容

    1. 最重要的观点：不要把 AI 拟人化

    这是整门课最有价值、也最少人讲的一段。课程明确要求：在教授任何 AI 素养内容时，应避免使用拟人化的语言来描述 AI 系统。

    拟人化（anthropomorphism）指将人类的品质与特征赋予非人类事物。课程给了一张对照表：

    ← 左右滑动查看完整对照 →
    避免改用
    「AI 学习」「AI／ML 运行」「AI 应用程序被设计来…」「AI 开发者建构的应用程序能够…」
    描述人类行为的动词（看、观察、知道、创造、制作）适合系统的动词（记录、输入、模式匹配、生成、产生）
    把 AI 或 ML 当作单独的名词（「人工智能能够…」）把 AI 与 ML 视为科学学科，就像使用「生物学」一词

    为什么这件事重要？如果年轻人将 AI 技术视为与人类自然相似，我们就有可能影响他们的：

    • 自主感：他们可能会服从他们认为「更聪明」的系统
    • 安全：与类人 AI 创建情感链接，可能使其容易受到影响与控制
    • 好奇心：AI 应用似乎存在隐藏部分或不明确的内部规则，这可能让人打消了解其运作原理的念头
    • 偏见：类人系统可能强化刻板印象。许多系统被视为「白人」或被设置为女性助手，延续了有害的社会偏见

    课程的结论是：培养学生的 AI 素养至关重要，这有助于他们批判性地与 AI 交互、做出明智决策、并谨慎地规划自己的未来；但同样重要的是，要认识到使用 AI 的风险与挑战，例如赋予 AI 人类特征。

    2. FATPS 模型

    评估 AI 系统的五个面向：

    • Fairness 公平性
    • Accountability 问责性
    • Transparency 透明度
    • Privacy 隐私
    • Security 安全

    3. 开发机器学习模型的四种角色

    课程把 AI 产业的工作分为四个既独立又相互关联的领域：

    1. 研究与模型开发：创造算法、神经网络架构与训练技术，突破 AI 能力极限
    2. 应用与系统工程：将模型组合成软件，管理数据流，确保系统强大且具适应性
    3. 伦理、安全与治理：分析模型是否存在偏见、评估社会影响、确保用户安全、协助制定负责任的使用政策
    4. 领域专业知识与背景：来自医学、金融、法律等其他领域的专家，提供特定学科知识；他们帮助定义问题、提供与验证数据，并确保模型输出在现实世界中具有相关性与准确性

    这一段对生涯辅导特别有用——它让学生知道「进 AI 产业」不等于「要会写程序」。

    4. SEAME 架构

    SEAME 架构为基础单元的规划提供支持，帮助教师将 AI 学习活动分为四个层级，可用来确保涵盖 AI 素养的各个面向。

    5. OCEAN 提示框架

    这是专门设计给学生使用的提示框架，指导学生先创建详细的提示，再透过进一步的提示改进输出：

    • O｜目标（Objective）：明确提出目标。例如「请给我 5 道关于河流的考题」
    • C｜背景（Context）：提供背景细节，例如语气、结构与关键信息。例如「这些应该是基于最新 EdExcel 考试大纲的地理 GCSE 考题」
    • E｜范例（Example）：提供 AI 需要模仿的风格或格式样本。例如「这里有一个例子：解释侵蚀和沉积过程如何导致河曲的形成及其最终发展成牛轭湖」
    • A｜评估（Assess）：评估产出内容的准确性、清晰度，以及是否达到最初设置的目标。例如检查内容是否符合规范要求
    • N｜协商（Negotiate）：向 AI 提供具体回馈与指示以改善回应。例如「请确保这些问题都是『解释』类问题」

    我的心得

    这张有趣的地方在于，在树莓派的考试过程中，他把 AI 视为是一个「工具」而非给予其人格化。

    树莓派在这边提出了与各家都不一样的观点，多半在于 AI 对于社会各种层面的影响，包括数字落差、种族偏见、环境成本以及人工智能取代工作——这边大概是我最喜欢的部分。

    四家机构里，只有 Raspberry Pi 认真谈了 AI 的社会代价。Anthropic 谈个人使用伦理、IBM 谈技术原理、Google 谈产品应用，只有树莓派会问「谁被留下了」。

    对第一线教师而言，OCEAN 框架跟「避免拟人化」的对照表可以直接印出来贴在教室墙上，是四张证照里最能立即落地到课堂的内容。

    四张放在一起看：各家的立场差异

    跑完四张最大的收获，其实不是任何一张证书，而是看见四种世界观的差异：

    ← 左右滑动查看完整对照 →
    机构对 AI 的定位最在意的事盲点
    Anthropic协作伙伴用户的判断力与责任几乎不谈技术原理
    Google产品与工具让你会用它的生态系内容偏行销、深度不足
    IBM技术堆栈知识的逻辑与严谨更新速度跟不上产业
    Raspberry Pi一个需要被批判的工具社会影响与教学法对前沿能力的描述保守

    有趣的是，Anthropic 与 Raspberry Pi 在「AI 该被怎么称呼」这件事上是有张力的。Anthropic 的教材自然地使用「AI 作为思考伙伴」这类语言；Raspberry Pi 则明确主张不该用拟人化语言描述 AI 系统。

    这不是谁对谁错的问题，而是受众不同：Anthropic 面对的是成年专业工作者，协作隐喻能提升使用效率；Raspberry Pi 面对的是 11–14 岁的孩子，拟人化可能损害他们的自主判断。

    作为教育工作者，值得把这个张力本身当成一堂课来教。

    建议的学习顺序

    如果四张都要拿，依序如下最省力也最有收获：

    1. Google 生成式 AI 入门（30 分钟）— 先把名词跟概念过一遍
    2. IBM SkillsBuild AI 凭证（2 小时）— 补上 ML / DL / NLP 的技术骨架
    3. Anthropic AI Fluency（1.5 小时）— 学会怎么真的把 AI 用好
    4. Raspberry Pi AI Literacy（1–2 小时）— 学会怎么教别人、以及怎么批判

    总计约 5–6 小时，四张证书，全部免费。

    对教师来说，如果只能选一张：选 Raspberry Pi。 对一般工作者来说，如果只能选一张：选 Anthropic。

    结语

    这四张证照没有一张会让你的履历突然变得不一样。但把它们一起读完，你会得到一件更重要的东西：一套判断 AI 输出可不可信、该不该用、能不能教的框架。

    AI 的能力每三个月就会改写一次，但「怎么授权、怎么描述、怎么辨别、怎么负责」这四件事不会过期。

    AAES 团队实际取得之完训与认证纪录，可于〈国际认证与认可〉页逐项点击查验。

    延伸阅读

    报道出处与发布时间

    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