AI不只会做PPT了,Google正在让老师生成可操作的互动课件

先看 Google 官方发布的这段 2 分钟演示视频。

学生通过拖动滑块设置加速度和发动机运行时间，再按下"Run simulation"。火箭车沿轨道冲向目标，系统根据运行结果给出反馈；完成挑战后，屏幕出现"Nice job"。

短短一段演示里，学生完成了选择案例、调整变量、运行实验、观察结果和接收反馈。虽然PPT也可以把这些步骤表示出来，但这套界面是允许学生自己操作、自探索的。

这不是一段教学视频，也不是老师提前做好的动画。它是Google Research最新展示的 Learning Interactives

我第一次看到这段演示时，最先想到的并不是"老师做课件又快了"。更值得注意的是另一件事——AI生成的内容，正在从文章、图片和PPT，变成可以使用的小软件。

▍这不是一款AI做PPT工具

9月17日，Google Research公布了Learning Interactives研究项目。

官方目前开放了30多个英文互动案例，主要面向初高中阶段的stem教学，覆盖物理、化学、生物、数学、计算机和地球科学等学科。

现在任何人都可以访问和体验公开案例，但"输入自己的课程要求，让AI生成一套新课件"仍主要处于学校试点阶段。 Google正在邀请使用 Google Workspace for Education 的学校申请参与，而不是已经把它作为一款成熟的一键式产品全面开放。

这件事比做PPT复杂得多。

—  · · ·  —

▍生成式UI，生成的到底是什么

我们已经很熟悉生成式AI了。

输入一个主题，它可以写文章；输入一段描述，它可以画图；给它一份材料，它可以生成PPT。无论形式怎么变化，这些产物基本都属于"展示型内容"——人负责看，内容本身不会因为人的操作而改变。

生成式UI不同。

UI 是User Interface，也就是用户界面。所谓生成式UI，是让AI根据当前目标动态构造界面，而不是由程序员提前把每一个按钮、参数和页面写死。

放在教学场景里，AI需要生成的不只是知识点，还包括：

● 学生可以调整哪些变量；

● 点击按钮后会发生什么；

● 关卡怎样逐渐变难；

● 答错后应该给哪一级提示；

● 什么情况下算真正掌握；

● 最终怎样解释正确答案。

换句话说，它生成的不是"关于一个实验的介绍"，而是实验本身的交互方式。

"Symmetrical Opposites"互动案例：界面包含学习目标、分级关卡、提示、参考解法、个性化反馈和计算工具。

界面顶部是逐步解锁的五个关卡；左侧可以拖动参数；中间显示操作结果；右侧提供计算器、公式和理论说明。学生完成当前挑战后，系统还会解释为什么答案成立。

PPT只能告诉学生"对称数到原点的距离相同"。这个界面则让学生先动手，再理解。

这是怎么生成的呢？原理是什么？

—  · · ·  —

▍一套互动课件是怎样生成出来的

如果只看最终画面，很容易觉得这不过是AI写了几个网页组件。Google真正花力气的地方，其实藏在生成之后。

完整流程大致是这样的：

❶ 教师提出年级、主题和具体要求；

❷ AI生成一组明确的学习目标；

❸ 教师修改并批准这些目标；

❹ AI设计互动概念和具体玩法；

❺ 系统把知识拆成难度逐渐增加的关卡；

❻ AI生成提示、工具、反馈和参考解法；

❼ 自动评估系统检查内容和界面；

❽ 教师进行最终评价；

❾ 只有满足质量要求的案例，才会进入公开案例库。

从教学需求到自动评估、教师审核的生成流程。

自动检查也不是简单地看看页面能否打开。

Google列出的检查项目包括可解性、交互机制、视觉设计和运行数据。负责评估的AI会真的打开Chrome，像学生一样操作模拟器，还会故意把旋钮拉到极端数值，检查界面会不会出错。没通过？退回去重做。

我觉得这恰恰是项目最有意思的部分。大家常把AI教育工具的重点放在"生成速度"上，Google却把相当多的工作放在了验证：按钮能不能用，关卡能不能解，提示会不会直接泄露答案，难度是否真的在上升。

这个能力意味着什么？

—  · · ·  —

▍真正值得关注的，是"内容开始拥有功能"

如果这项技术只用于学校，它依然是一条不错的教育新闻。但我更关心的是，它对内容创作意味着什么。

过去，一篇内容解决问题的方式主要是解释。

写理财知识，就解释复利；写健康科普，就解释风险因素；写产品教程，就一步步告诉读者应该点哪里。读者看懂以后，还需要自己拿计算器、开软件或者照着步骤操作。

生成式UI提供了另一条路：解释和工具可以在同一个页面里出现。

例如：

● 一篇讲房贷的文章，临时生成还款计算器；

● 一篇讲摄影的教程，根据读者选择的光圈和快门显示效果；

● 一份企业培训材料，生成可反复练习的客户对话；

● 一篇AI科普文章，让读者拖动参数观察模型输出怎样变化；

● 一套新员工手册，根据岗位生成不同的闯关任务。

这时，内容不再只是"给你看"。它开始接受输入、产生变化、判断结果，并根据读者的行为继续往下走。

文章和软件之间的边界，会越来越模糊。