人工智能通识 教学大纲

人工智能通识教学大纲一、课程基本信息课程名称：人工智能通识

英文名称：IntroductiontoArtificialIntelligence

课程代码：AI1001

课程性质：通识必修课

适用专业：全校各专业本科生

学时学分：总学时48，其中理论学时32，实践学时16；3学分

开课学期：第2-3学期

先修课程：高等数学、计算机基础

后续课程：各专业的智能化应用课程二、课程简介人工智能通识是面向全校各专业本科生开设的通识教育课程。课程以ChatGPT等生成式AI的突破为背景，全面介绍人工智能的历史、思想、技术、研究、应用与伦理等多方面内容。从人工智能的基本概念和哲学思考入手，系统阐述传感器、大数据、深度学习等基础技术，深入探讨机器感知、认知、语言等智能维度。特别关注生成式人工智能与机器创造力的最新发展，通过制造、医疗、教育等行业应用案例展示AI的实践价值。同时探讨人工智能发展带来的伦理与治理挑战，对智能社会的未来发展进行展望。课程架构完整，既关注技术创新，也重视人文思考，是一部融合技术与人文的人工智能通识读本。三、课程目标（一）知识目标理解智能的本质和人工智能的基本概念，掌握AI的历史发展脉络和哲学内涵掌握传感器、大数据、神经网络、深度学习等AI基础技术原理了解机器感知、认知、语言、博弈等不同形态的智能表现认识生成式AI与机器创造力的前沿发展，理解AIGC技术的核心机制理解AI在制造、医疗、教育、金融等行业的应用现状和发展趋势掌握AI伦理与治理的基本原则，认识智能社会发展的机遇与挑战（二）能力目标具备运用主流AI工具解决实际问题的基本能力能够从哲学、技术、社会等多维度分析AI发展问题培养跨学科思维，能够将AI技术与专业领域相结合提升对AI技术发展趋势的判断能力和前瞻思维具备对AI伦理问题的识别和分析能力（三）素质目标树立正确的AI伦理观，具备负责任地使用AI技术的意识培养人机协作的理念，理解人类在智能时代的价值定位增强对科技发展的人文关怀和社会责任感形成开放包容、理性审慎的科技发展观四、教学内容与要求第一章绪论（6学时）教学目标使学生建立对人工智能的整体认知，理解智能的本质和AI的基本概念，掌握AI的发展现状和研究方向。教学内容智能的认识与理解生命智能的认识：从单细胞到高等生物的智能表现人类智能的认识：语言、推理、创造等独特能力智能概念：信息处理、适应性、目标导向等特征人工智能含义与概念辨析机器智能、弱AI与强AI、专用AI与通用AI超级人工智能的概念与争议人工智能的认识视角智能进化的大历史框架哲学与伦理、人文与文化、科学与技术、社会与经济视角AI重点方向及研究领域传统方向：符号推理、专家系统、知识表示现代重点：机器学习、深度学习、强化学习AI基础技术与应用挑战核心技术体系概览社会与行业应用现状未来发展方向与挑战AI五维知识体系理论基础、技术方法、应用领域、伦理治理、未来展望教学重点智能概念理解、AI基本分类、发展现状与趋势教学难点智能本质的哲学思考、强AI与弱AI的区别教学要求要求学生掌握AI的基本概念和分类，理解智能的多维特征，建立对AI领域的整体认知框架。第二章人工智能哲学与历史（4学时）教学目标引导学生从哲学高度思考AI的本质问题，了解AI发展的历史脉络和思想演进。教学内容人工智能哲学问题心灵是否可计算：计算主义观点与争议意识是什么：意识的硬问题与AI意识可能性相关哲学分支心灵哲学：身心问题、功能主义心智哲学：认知过程的本质计算主义：心智即计算的观点强AI与通用AI的实现问题技术路径与理论障碍图灵测试与中文房间论证人工智能发展历史"计算"的历史：从算盘到现代计算机AI的原初思想：古代神话到近代机械论AI当代史：三次浪潮与技术演进中国AI发展：研究机构、重点项目、产业布局教学重点AI哲学问题、发展历史、中国AI现状教学难点意识问题的哲学思考、强AI实现的理论困难教学要求要求学生理解AI发展的哲学背景，掌握AI历史发展的主要阶段，了解中国AI发展现状。第三章人工智能技术基础（6学时）教学目标使学生掌握AI的核心技术基础，理解各技术模块的原理和相互关系。教学内容传感器技术传感器概念与分类传感器在AI系统中的作用大数据技术大数据的4V特征（Volume、Velocity、Variety、Veracity）大数据与AI的关系：数据驱动的机器学习并行计算技术并行计算的基本概念GPU、TPU等专用芯片在AI中的应用数字图像处理技术图像预处理、特征提取、模式识别车牌识别系统案例分析人工神经网络技术生物神经元与人工神经元神经网络的联结方式与学习算法机器学习技术监督学习、无监督学习、强化学习监督学习的基本原理与算法深度学习技术深度学习的概念与优势卷积神经网络、循环神经网络等主要方法教学重点神经网络原理、机器学习分类、深度学习方法教学难点反向传播算法、深度学习的数学基础教学要求要求学生理解AI技术的基础架构，掌握机器学习的基本原理，了解深度学习的技术特点。第四章人工智能学科基础（2学时）教学目标使学生理解AI的多学科交叉特性，认识不同学科对AI发展的贡献。教学内容多学科交叉含义AI作为交叉学科的特点学科融合的必要性和价值多学科交叉层次哲学：为AI提供思想基础基础学科：数学、物理、化学的支撑作用生命科学：神经科学、认知科学、心理学工程技术：计算机科学、电子工程、控制理论非工学类：经济学、社会学、语言学、艺术学教学重点学科交叉的层次结构、各学科的贡献教学难点理解复杂的学科关系网络教学要求要求学生理解AI的多学科本质，认识跨学科合作的重要性。第五章机器智能（8学时）教学目标深入探讨不同形态的机器智能，理解AI在感知、认知、语言等方面的能力表现。教学内容机器感知智能动物感知与机器感知的比较机器视觉：图像识别、目标检测、场景理解认知智能人的心智与机器认知的区别知识表示、推理、规划等认知能力机器博弈智能人类博弈与机器博弈的特点完美信息博弈：国际象棋、围棋AI非完美信息博弈：德州扑克AI电子游戏AI：星际争霸、王者荣耀机器语言智能人类语言的独特性大语言模型的原理与应用自然语言处理的主要任务行为智能与机器人机器人的定义与分类工业机器人、服务机器人、特种机器人机器具身智能具身认知理论具身智能的实现方法机器类脑智能类脑智能的定义与特点类脑计算机的发展现状人机混合智能混合智能的概念与形态可穿戴计算、外骨骼、脑机接口技术教学重点各类机器智能的特点、大语言模型原理、机器人技术教学难点认知智能的实现机制、具身智能理论教学要求要求学生掌握不同形态机器智能的特点，理解大语言模型的工作原理，了解机器人技术发展。第六章生成式人工智能与机器创造（6学时）教学目标使学生深入理解生成式AI的前沿发展，认识机器创造力的可能性和局限性。教学内容大模型技术大模型的基本概念：参数规模、训练数据、计算资源预训练技术：自监督学习、掩码语言模型人工智能内容生成（AIGC）发展历程：从GAN到Transformer到扩散模型核心技术：生成对抗网络、变分自编码器、扩散模型应用场景：文本生成、图像生成、音频生成、视频生成人工智能与创造力创造力的定义与要素机器是否具备真正的创造力人机协作创造的新模式机器创作实践机器音乐创作：AIVA、AmperMusic等工具机器美术创作：GAN艺术、风格迁移机器文学创作：GPT写作、自动诗歌生成人工智能与科学发现材料设计：新材料的计算机辅助发现化学合成：反应路径预测与优化药物设计：分子生成与活性预测数学定理证明：自动推理系统物理定律发现：从数据中发现规律教学重点AIGC技术原理、机器创作能力、科学发现应用教学难点生成模型的数学原理、创造力的哲学问题教学要求要求学生理解生成式AI的核心技术，掌握AIGC的应用场景，思考机器创造力的本质。第七章人工智能行业应用（6学时）教学目标通过具体行业案例，使学生了解AI的实际应用价值和实施路径。教学内容智能制造智能制造的定义与数字制造的区别产业核心：智能设计、智能生产、智能管理技术应用：预测维护、质量检测、供应链优化智能医疗医学影像诊断：X光、CT、MRI图像分析药物研发：分子设计、临床试验优化个性化医疗：基因分析、精准治疗智能农业精准农业：土壤监测、作物生长预测农业机器人：播种、施肥、收割自动化智能教育个性化学习：自适应学习系统智能辅导：AI教师助手、答疑系统教育管理：学习分析、成绩预测智能航天探测轨道规划、自主导航、故障诊断深空探测中的AI应用智能服务业智能客服：聊天机器人、语音助手智能推荐：个性化内容推送智能司法案例检索、量刑预测、合同审查法律知识图谱构建智能金融风险控制、算法交易、智能投顾反欺诈检测、信用评估智能商业供应链优化、需求预测价格策略、客户画像教学重点各行业AI应用模式、价值创造机制、实施挑战教学难点行业特点与AI技术的匹配、ROI评估教学要求要求学生理解AI在不同行业的应用特点，能够分析AI技术对传统行业的改造价值。第八章人工智能伦理与治理（4学时）教学目标培养学生的AI伦理意识，理解AI治理的重要性和基本原则。教学内容道德伦理与伦理学基础伦理学的基本概念科技伦理的特殊性人工智能伦理AI伦理的概念与发展简史AI伦理学的研究范畴AI技术引发的伦理问题算法偏见与歧视隐私保护与数据安全自主武器的伦理争议就业替代的社会影响AI伦理体系与主要内容数据伦理、算法伦理、应用伦理透明性、公平性、可解释性原则AI伦理发展原则以人为本、安全可控、公平公正国际组织的伦理倡议人工智能法律法律对AI发展的规范作用AI带来的法律挑战：责任认定、证据效力人工智能治理治理的基本概念与必要性多方协同的治理措施教学重点主要伦理问题、治理原则、法律挑战教学难点伦理判断的复杂性、治理机制设计教学要求要求学生能够识别AI应用中的伦理问题，理解AI治理的基本原则，具备负责任使用AI的意识。第九章智能社会的发展与未来展望（2学时）教学目标引导学生思考AI发展的未来趋势，培养对智能社会的前瞻性认识。教学内容未来AI发展的三个阶段弱AI时代、强AI时代、超级AI时代重点领域的发展前景智能医疗的全面普及教育的个性化与全球化工作方式的革新交通与城市管理的智能化新兴产业的崛起AI驱动的新业态、新模式AI应对全球性挑战气候变化与环境保护资源管理与可持续发展灾害应对与全球合作未来工作与生活的意义人类价值的重新定义人机协作的新模式教学重点发展阶段划分、重点领域前景、全球挑战应对教学难点长期趋势预测的不确定性教学要求要求学生能够基于现有发展趋势，合理预测AI的未来发展方向。五、实践教学安排（一）实验实践内容（16学时）实验一：AI工具体验与基础交互（4学时）实验目的：熟悉主流AI工具，掌握基本的人机交互方法实验内容：ChatGPT、文心一言、通义千问等对话工具体验提示词设计的基本方法不同类型任务的AI辅助完成实验要求：记录使用体验和效果对比设计10个不同类型的提示词分析各工具的优缺点实验二：AIGC创作实践（4学时）实验目的：掌握生成式AI工具，体验AI辅助创作实验内容：文本生成：使用AI创作故事、报告、诗歌图像生成：使用Midjourney、DALL-E等工具音频生成：体验AI音乐创作工具实验要求：创作至少3种不同类型的作品分析AI创作的特点和局限性探讨人机协作创作的可能性实验三：AI应用案例分析（4学时）实验目的：深入理解AI在特定领域的应用模式实验内容：选择一个行业（制造、医疗、教育等）调研该行业的AI应用现状分析技术实现路径和应用效果实验要求：撰写详细的案例分析报告识别关键技术和实施挑战提出改进建议或发展方向实验四：AI伦理问题讨论与综合项目（4学时）实验目的：培养AI伦理意识，综合运用所学知识实验内容：伦理案例分析：算法偏见、隐私泄露等小组讨论：AI发展的社会影响综合项目：设计本专业领域的AI应用方案实验要求：参与伦理问题讨论，提出观点和建议完成专业领域AI应用方案设计制作项目展示材料并进行汇报（二）课程作业AI发展历史报告：选择AI发展史上的重要事件或人物，撰写3000字分析报告技术原理解析：选择一项AI技术（如CNN、RNN、Transformer等），深入解析其原理和应用行业应用调研：调研AI在某个行业的应用现状，分析发展趋势和挑战伦理问题分析：选择一个AI伦理问题，分析其产生原因和解决方案期末综合项目：设计本专业领域的AI应用方案，包括技术路径、实施计划和预期效果六、考核方式与成绩评定（一）考核方式本课程采用多元化考核方式，注重过程性评价与终结性评价相结合。平时成绩（35%）出勤与课堂参与（10%）：考查学习态度和课堂表现作业完成质量（15%）：评估对理论知识的理解和应用实验报告（10%）：考核实践能力和分析能力期中考试（25%）基础知识掌握：AI概念、技术原理、发展历史理解与应用：案例分析、问题解决期末项目（40%）项目方案设计（25%）：创新性、可行性、专业结合度项目展示与答辩（15%）：表达能力、深度思考、团队协作（二）评分标准优秀（90-100分）：全面掌握AI知识体系，具备独立分析和解决问题的能力，在项目实践中表现突出，具有创新思维良好（80-89分）：较好掌握AI基础知识，能够理解和应用核心概念，具备基本的分析能力中等（70-79分）：基本掌握AI主要概念，了解基本应用，能够在指导下完