阅读
感知——领域 1AI 如何感知。像素、文字、音频、传感器数据，被转化为它能作出反应的信号。学生训练分类器、探索数据集，并理解感知在何处失效。
图形实验 · 分类器训练 · 数据集探索
学生把摄像头对准十个手绘符号，看着分类器猜测。它在潦草的那些上出错。重新训练之前，导师问：它漏掉了哪个特征？学生先命名这次失败，再去修正数据，而不是模型。
AI 做的三件事。您的孩子从零件开始亲手构建每一件——玻璃盒，而非黑箱。
思考
推理 · 学习——领域 2 与 3AI 如何处理。搜索、逻辑、规划、学习。学生用 Python 亲手实现这些算法——不是调用库，而是构建它们。Python 在这里成为技术脊梁。
Python · 从零实现搜索 / 逻辑 / 机器学习
没有 import 语句。学生亲手实现广度优先搜索，驱动机器人穿过迷宫，再让它与 A* 赛跑。当它变慢时，学生能准确说出原因——以及一个启发式函数带来了什么。
写作
自然交互——领域 4AI 如何生成。从规则输出到基础模型语言。学生用 Claude 与 Google Gemini 构建，把 prompt 当作一种写作来学习，并逐句验证每一个输出。
Claude · Google Gemini · prompting、检索、智能体模式
模型给出一个自信却错误的引用。学生不重新 prompt——而是判断该先验证哪个结论，对照已知来源核查，并写下能在下次拦截它的覆盖规则。
批判性思维。
AI 产出的每一个输出，都用同样的三个习惯去面对。批判性思维，正是赋予机器流利度以价值的能力。社会影响——机器素养的第五个领域——正是这种素养落地之处。
01
质疑结论
当模型分类出错时，学生先命名失败模式，再重新训练。
02
对照实据验证
当 Claude 或 Gemini 给出自信的答案时，学生判断该先验证哪个结论。
03
判断是否推翻
在高阶阶段，学生设计覆盖条件——明确界定人在何时叫停智能体。
正如英文语言艺术教孩子如何阅读、思辨、谈论与写作语言——并教批判性的读者判断所读是否可信——DODO 机器语言教孩子如何阅读、思辨与写作机器语言，并把同样的批判性读者训练，应用于 AI 的输出。
一句话总览我们的课程。
DODO 机器语言教五件事，用我们自己的语言来说：素养——机器如何看、如何推理、如何学习、如何说话、以及这一切对它正在进入的社会意味着什么；进度——一套从图形沙盒攀升到可获学分高阶层级的 Python 课程；可选的扩展——让代码走出屏幕、在物理世界中运行；工程——基础模型时代的现代实践，prompting 作为写作、检索作为记忆、智能体作为架构、验证作为纪律；以及您的孩子从第一节课起就身处其中的工作环境：Anthropic 的 Claude、Google 的 Gemini、运行在真实工程外壳中的 Python。每一件都在课程页有详细展开。
我们教什么
批判性思维贯穿每一节课，正是为了让流利永不沦为依赖。