具有环境智能的托儿所：对儿童发展的预测性（且有争议的）监测
配备人工智能的摄像头和麦克风能否在幼儿园中持续监测儿童，以发现认知或运动发育迟缓？尽管临床研究证明这些系统在针对性测试中（如贝利量表）有效，但将教育空间转变为“预测性监控”环境的想法引发了强烈的伦理和法律警报。在欧洲《人工智能法案》对情绪识别的禁令与意大利隐私保障局严格限制之间，我们来分析为什么算法无法取代教育者：在如
想象一个托儿所，那里的摄像头和环境麦克风不仅用于保障安全，还能主动倾听和观察。一种算法分析两岁儿童的发音频率，追踪他拼插积木时精细运动技能的流畅度，并计算他与群体隔离的时间。一天结束时，系统交叉比对数据，并向教育工作者提示可能存在的不易察觉的神经认知发育迟缓。
这就是应用于幼儿期的“环境智能”的承诺。这一前景将预测医学的魅力与全景监视的令人不安的轮廓交织在一起。
在这篇场景与思考专栏的深度分析中，我们将划出一条清晰而必要的界限。人工智能当然可以支持临床筛查，以早期发现迟缓信号，但将托儿所转变为持续监测实验室的想法引发了伦理、法律和科学上的巨大深渊。将每一个幼儿的目光转化为预测性数据，有可能将暂时的成长信号与不可磨灭的标签混为一谈。
1. 临床实验室与游戏垫之间的距离
为了消除技术炒作（hype），我们必须将人工智能在实验室中能做的事情与人们推测它在真实课堂中能做的事情区分开来。
医学研究正在取得非凡的进展。最近一项试点研究表明，基于人工智能的系统可以分析儿童（12-42个月）在执行贝利量表（Bayley Scales，儿童发育的金标准）特定任务时的视频录像，在识别疑似发育迟缓方面报告了较高的敏感性和特异性[1867]。然而，这是在受控临床环境中进行的测试，时间有限。
将这一成功转化为持续的“环境监测”在科学上是冒险的。发表在Frontiers in Psychology上的一篇系统综述指出，学龄前筛查使用了极其异质的方法（眼动追踪、传感器、语音分析）[1877]。发表在Intelligence-Based Medicine上的分析更为严厉，该研究审查了71项关于通过人工智能监测发育的研究[1879]。研究人员的结论明确无误：绝大多数工具基于既有数据集或纯技术验证。真正在临床实践中测试过的应用极为罕见，对儿童的具体益处目前也鲜有文献记载。
总之：原型在临床中的准确性丝毫不能证明在托儿所安装常开摄像头是有效的（或合适的）。
2. 荷兰研究：家长和教育工作者的担忧
如果技术尚不成熟，社会对这一想法作何反应？在荷兰（TNO和莱顿大学医学中心）进行的一项定性研究探索了使用视频和音频监测0-4岁儿童的假设场景[1843]。通过访谈家长和医疗专业人员，出现了深刻的分歧。
一方面，参与者认可客观标准化的实用性：人工智能不会注意力下降，可以支持筛查，防止晚期诊断。另一方面，出现了关于准确性、隐私，尤其是失去人际接触的根本性反对意见。必须指出的是，在研究进行时，这些工具并未在荷兰的服务机构中投入使用。讨论涉及的是未来场景，这表明社会不安先于技术实施。最大的恐惧是机器的冷冰冰判断取代教育工作者的共情直觉，将正常的成长“停滞”阶段转变为医学警报。
3. 儿童权利与法规红线
当涉及从无法提供同意的对象（新生儿和儿童）提取生物特征和行为数据时，欧洲法律框架变得严格。
联合国儿童基金会关于人工智能的指导方针（第3版，2025年）将“儿童最大利益”置于任何技术创新之上[1848]。这些建议要求完全透明：家长必须确切知道收集了哪些数据、保存多长时间，并且必须能够对算法评估提出异议。
在欧洲层面，新的AI法案划定了不可逾越的红线。该法规明确禁止在教育机构和工作场所使用人工智能系统推断人的情绪（除特定的医疗或安全例外外）[1856]。评估儿童咿呀学语的频率（运动/语言筛查）可能不属于情绪识别禁令的范围，但衡量一项能力与描绘一种心理特征之间的界限极其细微，在法律上也很危险。
在意大利，目前这些预测性系统尚未在托儿所中普遍推广，但隐私保障局已经展示了对滥用行为的零容忍。在2025年的一个案例中，保障局禁止了一家托儿所传播儿童图像，并发现了视频监控系统中的严重问题[1881]。先例很明确：家长在学年开始时匆忙签署的简单“知情同意”并不是对未成年人进行非法、不成比例或预测性数据处理的门票。
关键操作要点（要点总结）
- 区分层面（针对教育工作者）： 必须将教育观察（属于人类的、情境化的和关系性的领域）与筛查（识别需要进一步检查的人）以及诊断（纯医学行为）明确区分开来。人工智能绝不应在课堂上做出诊断。
- “误报”的管理： 儿童发育不是线性的；它以前进和停顿的方式推进。如果人工智能系统标记出异常，这只能被视为一个提示，让人类专业人员对该儿童给予更多关注，而不是过早的临床标签。
- 数据最小化（针对设计者）： 如果开发托儿所支持系统，处理应在边缘（本地设备上）进行，不将视频发送到云端，在提取必要指标后立即销毁数据，完全遵守GDPR和AI法案。
结论：测量不等于理解
人工智能有潜力成为儿童神经精神病学的宝贵盟友，帮助医生不遗漏自闭症谱系或运动迟缓的最早期信号。但诊所中使用的临床工具与覆盖托儿所日常生活的监视网格之间存在天壤之别。
童年，就其本质而言，是探索、犯错、沉默和不规则的时间。如果我们允许每一个不确定、每一次茫然凝视或每一个生理性迟缓都被算法立即测量、量化并纳入预测漏斗，我们就有可能将正常病理化。教育需要关注，而非监视。没有任何环境智能能够取代一位教育工作者的目光——他能够理解一个孩子，在那一刻，并非“落后于指标”，而只是在做白日梦。
参考文献与来源
- AI in Childhood Development Monitoring: Attitudes, Needs, and Concerns in Dutch Youth Healthcare — TNO / Leiden University Medical Center [1843]
- Artificial-intelligence-based developmental screening for preschool children: systematic review — Frontiers in Psychology [1877]
- Artificial intelligence in child development monitoring: a systematic review on usage, outcomes and acceptance — Intelligence-Based Medicine [1879]
- AI-Based Video Analysis and the Bayley Scales of Infant Development — Studio Pilota [1867]
- UNICEF Guidance on AI and Children, versione 3 — UNICEF, 2025 [1848]
- Garante Privacy: il caso di un asilo nido e la diffusione di immagini dei bambini — Garante per la protezione dei dati personali [1881]
- AI Act Service Desk: pratiche vietate — Commissione Europea [1856]
文章由La Bussola dell’IA编辑部撰写