人工智能与教育实践课件 主题1 人工智能是什么

主题1人工智能是什么CONTENTS目录01导入02人工智能的界定与分类03人机智能的本质比较04人工智能的核心特征与能力边界05主题小结06思考与探究07拓展阅读08主题实训导入01011人工智能的界定与分类1.1人工智能的核心定义及学术争议1.2强人工智能与弱人工智能的理论分野1.3通用人工智能与专用人工智能的工程实现路径2人机智能的本质比较2.1智能构成要素的解构022.2人类直觉与机器学习机制的认知对比2.3智能差异性分析3人工智能的核心特征与能力边界3.1环境响应向任务学习的演进路径3.2数据驱动决策的机制与局限性3.3多模态融合的跨模态关联挑战03【学习导航】【学习目标】理解核心概念理解人工智能的核心概念及多种定义视角，从多学科交叉角度把握其内涵。掌握分类方法掌握人工智能主要分类方法，如强弱、通用专用之分，明确各类区别。分析人机异同分析人类智能与机器智能异同，了解两者优势与局限，挖掘互补潜力。识别能力边界识别人工智能基本特征及其能力边界，为合理应用提供认知基础。【案例导入】人工智能生成视频OpenAISora可实现60秒高质量视频生成，国内阿里通义万相、百度文心也在电商等领域有应用。通义万相中文提示词：镜头跟随一辆带有黑色车顶行李架的白色老式

SUV，它在陡峭的山坡上沿着被松树环绕的土路加速行驶，轮胎扬起尘土，阳光照射在沿着土路飞驰的SUV上，为场景投下温暖的光芒。土路缓缓弯曲向远方延伸，看不到其他汽车或车辆。道路两旁的树木都是红杉，点缀着一片片绿地。从后面看，这辆车轻松地顺着弯道行驶，让人觉得它正在崎岖的地形上行驶。土路周围是陡峭的山丘和山脉，头顶是晴朗的蓝天，上面飘着薄薄的云彩。图1-1通义万相生成截图【案例导入】人工智能生成视频OpenAISora中文提示词：动画场景特写，一只矮小的毛茸茸的怪物跪在一根正在融化的红色蜡烛旁边。艺术风格是3D和逼真的，重点是灯光和纹理。这幅画的气氛是惊奇和好奇，因为怪物睁大眼睛、张开嘴巴凝视着火焰。它的姿势和表情传达出一种天真和嬉戏的感觉，仿佛它是第一次探索周围的世界。使用暖色和戏剧灯光进一步增强图像的舒适氛围。图1-2OpenAISora生成截图【案例导入】人工智能辅助教学OpenAI的GPT-4o能够实现互动与启发式教学，InnoSpark适配教育场景，赋能教育研究。InnoSpark是华东师范大学上海智能教育研究院开发的教育大语言模型对话系统。它面向教育研究，致力于帮助用户解答问题、学习知识和解决学术难题。InnoSpark整合了教育研究领域数据，并通过指令微调和价值观对齐优化实现教育高质量赋能。2025年3月，该模型集成于国家智慧教育公共服务平台，为广大教育研究者提供服务。2024年5月，OpenAI发布的多模态模型GPT-4o展示了强大的教学能力。可汗学院创始人萨尔·汗与儿子测试了其解答数学题的功能。GPT-4o通过实时语音指导循序渐进地引导孩子理解题目而非直接给出答案，耐心鼓励孩子思考，最终帮助孩子成功掌握了解题方法。图1-3InnoSpark教育学科大模型人工智能的界定与分类02人工智能是新一轮科技革命和产业变革的重要驱动力量，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。——百度百科人工智能，亦称机器智能，指由人制造出来的机器所表现出来的智能。通常人工智能是指用普通计算机程序来呈现人类智能的技术。该词也指出研究这样的智能系统是否能够实现，以及如何实现。——维基百科人工智能是一种使计算机和机器能够模拟人类智能和解决问题能力的技术。——IBM人工智能是一门科学，它能使机器做那些人需要通过智能来做的事情。——明斯基人工智能是关于知识的科学——怎样表示知识以及怎样获取知识并使用知识的科学。——尼尔森人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。——《人工智能标准化白皮书（2018）》人工智能的核心定义及学术争议定义的演化性人工智能定义随技术进步和应用场景拓展不断演化，至今未形成统一公认的准确定义。学科的交叉性人工智能是交叉学科，与计算机、数学、脑科学等多学科直接相关，学习可有所侧重。本质的模仿性其本质是模仿人类智能，涵盖知识处理、自主决策等常见人类智能功能。目的的延伸性人工智能旨在扩展和延伸人类智能，如充当“千里眼”“顺风耳”，辅助人类决策。人工智能是研究、开发用于模拟和延展人类智能的理论、方法、技术及应用系统的一门新的技术与科学。人工智能是交叉学科，与计算机科学、机器人学、控制学科、数学、逻辑学、脑科学与神经科学、法律、伦理、信息安全、语言学、生物学、心理学等有关。要学好人工智能需提升知识面，但不必精通所有相关学科，可有所侧重。01人工智能本质是模仿人类智能，包括：（１）知识处理，涵盖表示、获取、推理和应用，以计算机可处理形式存储知识，获取新知识，推理并应用。（２）自主决策，评估行动方案，预测结果，选择最优方案，如推荐系统、自动驾驶汽车。（３）环境感知，模拟人眼识别物体，理解与生成语言。（４）学习能力，从数据和经验中改进，学习方式有监督式、无监督式、强化式。02人工智能目的是扩展和延伸人类智能，充当“千里眼”“顺风耳”，帮助人类看得更清、听得更远，在决策规划方面做出理性决策，成为人类助手，提升人类能力。03强人工智能与弱人工智能的理论分野专注特定任务优化执行，靠模式识别和统计学习，无主观意识和情感体验，需人类监督。弱人工智能的特性具备通用智能和自我意识，有跨领域知识迁移和元认知能力，实现面临多重认知屏障。强人工智能的愿景学术界对强人工智能能否实现分歧大，如雷·库兹韦尔和约翰·塞尔持有不同观点。实现可能性争议涉及机器意识体验、价值观对齐、潜在风险挑战等，如目标错位、控制难题等。伦理考量问题强人工智能是否可能？学术界分歧。一派认为计算能力提升将带来强人工智能；另一派质疑人类意识能否被复制。雷·库兹韦尔预测2045年技术奇点；约翰·塞尔反对。机器能否有意识和体验？唯物主义者认为意识可重现；二元论者反对。争议涉及“难问题”：物理过程为何产生主观体验？如何确保强人工智能价值观与人类一致？涉及多重技术和哲学难题：人类价值观多元且演化；技术实现面临规范问题；自主学习可能导致目标函数劫持。强人工智能的风险和挑战？近期风险：就业剧变、偏见、数字鸿沟；中期风险：自主武器伦理、隐私监控、恶意利用；长期风险：目标错位灾难、控制问题、自主复制和资源竞争。强人工智能与弱人工智能的理论分野通用人工智能与专用人工智能的工程实现路径通用人工智能通用人工智能是指能够胜任多种不同类型任务，具有广泛适应性的人工智能系统。ＡＧＩ追求的是像人类一样的灵活性和迁移学习能力，能够将在一个领域学到的知识迁移应用到新的领域。ＡＧＩ能应对多种认知挑战，类似人类兼具多重身份。且具备知识迁移能力，能利用某领域知识加速新领域学习，提升效率与适应性。同时，ＡＧＩ有自主适应性，能自主分析未知情境，制定并调整策略，展现认知灵活性与问题解决能力。专用人工智能专用人工智能为特定任务或领域优化，在特定领域表现卓越，针对性强但泛化能力有限。聚焦特定问题，能在垂直领域达甚至超人类专家水平。专用人工智能有明确目标和评估标准，开发部署更直接。相比通用人工智能，它已在实际商业中创造显著价值。从医疗到驾驶，从金融到质检，专用人工智能系统是提升企业效率和服务创新的关键工具。虽缺乏通用性，但其聚焦特性是商业应用优势，能在特定场景提供可靠、高效、经济的智能方案，满足产业数字化需求。弱人工智能通常专用，但多领域系统可能仍属弱人工智能；AGI是强人工智能的关键阶段；随技术发展，分类边界或更模糊，需重新思考智能本质和分类标准。通用人工智能与专用人工智能的工程实现路径AGI指能胜任多任务、广泛适应的人工智能，追求人类般的灵活性和迁移学习能力，跨领域展现智能。当前大语言模型如DeepSeek、GPT-4等展现初步跨域和多模态能力。强化学习和元学习方法提升适应性，但真正的AGI未出现。专用人工智能为特定任务设计，泛化能力有限，能在垂直领域达人类专家水平。通过优化，能以最小计算资源实现高性能。专用AI有明确目标和评估标准，已在商业环境中创造价值，是提升企业效率和创新服务的关键工具。人机智能的本质比较03智能构成要素的解构--智能的多维度理解图1-6心理学角度对智能的理解（1）感知能力是智能生物与环境互动的基础，通过感官接收和处理信息。（2）记忆能力存储和提取信息，短期记忆暂存信息，长期记忆存储经验和知识。（3）学习能力从经验中获取知识，涉及识别模式、总结规律等。（4）推理能力基于已有知识进行逻辑思考，包括演绎、归纳和类比推理。（5）问题解决能力分析问题并找到解决方案，处理复杂问题并找到解决路径。（6）语言能力理解和使用符号系统交流，涉及语法、语义和语用能力。（7）创造力产生新颖有价值想法，打破常规思维模式并产生独特实用成果。（8）社会智能理解社会规范和人际互动，理解他人意图并调整自身行为。（9）情感智能识别和管理情绪，感知和理解情绪并调节情绪反应。（10）元认知能力觉察和调控自身认知过程，监控学习过程并调整认知策略。这些维度构成智能的多层次结构。单一维度突出表现代表某种智能，多维度全面发展构成综合智能。理解智能的多维特性有助于个体发展和AI研究。智能构成要素的解构--多元智能理论图1-7霍华德·加德纳“人的智力是一个度量他解决问题能力的一个指标。包括：语言、音乐、数学逻辑、视觉空间、肢体运动、人际交往、自我认知、自然观察。”智能构成要素的解构--智能的层次结构图1-8智能的层次结构（1）反应性智能：基于输入即时反应，不涉及记忆或表征。象棋程序“深蓝”属此类，无学习和适应能力。（2）有限记忆智能：利用短期记忆做决策，能学习和适应，但局限于预设框架。自动驾驶系统属此类。（3）心智理论智能：理解他人心理状态和意图，是社会交互基础。儿童4—5岁开始发展，人工智能仍初级。（4）自我意识智能：具有自我认知和反思能力，最高层次智能。目前无人工智能系统达到此水平。机器智能发展遵循进阶路径，现达前两层次，后两层次待突破。层次划分揭示通用与强人工智能的认知鸿沟。高级别智能非低级别叠加，或需新计算范式与认知架构。人类直觉与机器学习机制的认知对比--人类认知过程布鲁姆认知层次理论：记忆、理解、应用、分析、评价、创造六层次，分别对应快速学习、理性情感融合、类比推理、多角度解构、自我调节反思、创新思维。图1-10布鲁姆认知层次理论框架图1-9本杰明·布鲁姆人类直觉与机器学习机制的认知对比--机器学习过程学习范式人类机器监督学习从有标签的例子中学习通过大量标注数据训练无监督学习发现环境中的规律和模式从无标签数据中发现结构强化学习通过尝试和反馈调整行为通过奖惩信号优化策略一次性学习从单个例子快速泛化仍是研究挑战元学习学会如何更好地学习初步研究阶段机器学习，含深度学习，过程含数据输入、特征提取、模式识别、参数优化、模型生成和推理。需大量数据，依赖统计相关性。在识别和分类中性能强，但泛化能力有限，难处理因果关系，缺“理解”和“意识”。人类直觉与机器学习机制的认知对比--智能差异性分析人类智能：灵活应对，创造力，常识推理，情感识别，社会互动，价值权衡，适应新环境。机器智能：卓越计算，精确记忆，海量数据处理，并行处理，特定领域超越，减少偏见，持久运行。根本差异：自我意识，主观体验，内在动机，身体化经验。互补潜力：人类：创造力，价值判断。机器：计算能力，一致性。未来方向：最大化互补，人机协同，综合智能。人类智能的优势机器智能的优势通用性：能够应对各种各样的问题和环境创造力：能够产生真正新颖的想法和解决方案常识推理：拥有丰富的背景知识和现实世界理解情感智能：能够理解和适当回应情感状态社会智能：理解社会规范和处理复杂人际关系道德判断：能够进行价值权衡和伦理决策适应性：能够快速适应新环境和任务少样本学习：从有限例子中快速学习计算能力：能够处理海量数据和复杂计算记忆容量：可存储和检索大量精确信息一致性：表现稳定，不受疲劳和情绪影响规模扩展：可以并行处理多任务特定领域专长：在特定任务上可超越人类表现无偏见潜力：理论上可以减少人类认知偏见持久性：可持续运行不间断可复制性：成功系统可以被精确复制人工智能的核心特征与能力边界04人工智能的核心特征与能力边界图1-11杨立昆“智能实体有许多特征。理解物理世界、记忆和回忆事物、推理能力、计划能力，是智能系统（包括人类和动物）的四个基本特征。”环境响应向任务学习的演进路径四大机制：监督、无监督、强化、自监督学习。（1）监督学习。基础形式，依赖标注数据。（2）无监督学习。发现数据隐藏结构，需人类解释。（3）强化学习。与环境互动，依赖奖惩机制。（4）自监督学习。重塑训练范式，降低标注依赖。1.学习范式突破迁移学习推动应用落地，警惕负迁移。（1）持续学习。破解灾难性遗忘，有限渐进式学习。（2）少样本学习。打开新场景，依赖预训练框架。2.动态适应能力（1）数据依赖。复现统计特征，缺乏深层推理。（2）泛化能力。分布外数据性能下降，缺乏认知理解。（3）适应性不足。动态环境短板，需混合架构突破。3.自主学习挑战各有优势与局限面临数据依赖、泛化能力不足和适应性差等制约，需融合架构突破，但训练复杂度高。数据驱动决策的机制与局限性（1）符号主义：演绎推理，法律、数学等领域应用。面临模糊性困境。（2）统计学习：归纳推理，从数据中发现规律。基于相关性，缺乏深层理解。（3）类比推理：跨领域迁移。创意设计辅助，决策可解释性低。（4）贝叶斯推理：处理不确定性。医疗诊断，依赖先验分布。1.推理范式探索（1）规则驱动：透明性优势。安全关键领域，静态规则与动态环境矛盾。（2）概率决策：风险管理。信用卡反欺诈，算法公平性争议。（3）效用最大化：游戏AI。AlphaStar多目标优化，现实应用量化难题。2.决策机制进化（1）因果推理缺失：决策脆弱。推荐系统错误推断，关键领域后果严重。（2）抽象推理不足：决策高度受限。GPT-4基础逻辑推理，嵌套、反事实思考笨拙。（3）常识缺失：决策荒诞。自动驾驶无法理解“施工绕行”，语义理解表层性。3.智能决策认知鸿沟各有应用场景与局限不同机制在不同领域有优势，但也面临规则更新、公平性和量化难题。多模态融合的跨模态关联挑战（1）计算机视觉从二维到三维，工业质检结合多光谱与深度学习。特殊场景鲁棒性待提升。（2）听觉感知超越语音识别，声纹识别用于疾病筛查，环境监控用声学传感器网络。（3）多模态融合催生新型认知架构，视频理解中展现推理能力，但平衡贡献度是难点。1.感知维度扩展（1）生成式交互重塑创作生态，AI绘画工具理解自然语言提示。版权、抄袭问题浮现。（2）增强现实交互模糊虚实界限，医疗手术导航系统实现空间融合。需突破技术瓶颈。2.交互范式创新（1）触觉反馈缺失制约交互深度，无法传递材质质感。电刺激触觉重现技术需突破。（2）情境理解表层性暴露认知局限，智能客服无法识别反讽。融合知识图谱与情感计算是关键。3.感知交互边界触觉反馈缺失和情境理解不足制约交互深度和质量，需材料科学和认知架构突破。主题小结05系统构建人工智能认知框架首先在定义层面，明确人工智能的基本定义，辨析强人工智能与弱人工智能的理论分野，以及通用人工智能与专用人工智能的工程实现路径，明确当前技术仍处于专用弱人工智能阶段；其次通过人机智能对比，揭示人类直觉思维与机器学习机制的本质差异，指出意识涌现和价值判断仍是人类的独特优势；最后聚焦能力边界，阐明人工智能从环境响应到任务学习的演进路径，剖析数据依赖、因果推理缺失和跨模态关联不足三大技术瓶颈。当前人工智能的统计模式识别烙印依然深刻，虽在感知领域实现突破，但缺乏物理常识和抽象思维能力，与人类认知深度仍存在代际差距。随着神经符号融合等新技术发展，人工智能将逐步突破感知智能局限，向认知智能跃迁。具身智能研究有望弥合物理常识的鸿沟，因果推理框架的完善可能解决“相关性≠因果性”的困境。然而，价值对齐问题将日益凸显。因此，如何将人类伦理编码为机器可理解的约束条件，成为通用人工智能的关键挑战。思考与探究06１.比较强人工智能、弱人工智能、通用人工智能、专用人工智能的异同点。你认为当前的大语言模型（如GPT、通义等）应归入哪一类？为什么？２.选择本章介绍的Sora或GPT4o案例，分析其体现了人工智能的哪些核心特征？这些特征与传统计算机系统有何本质区别？３.你认为人工智能在感知、学习、推理等方面的能力边界主要由哪些因素决定？技术进步能否最终消除这些边界？为什么？４.人类智能与机器智能在哪些方面可能存在互补性？如何设计出更好的人机协同系统来发挥这种互补优势？５.哪些技术突破可能对扩展人工智能能力边界产生重大影响？这些突破会带来哪些新的可能性和挑战？拓展阅读07推荐阅读材料《智能简史》该书由［韩］李大烈著，张之昊译，2020年由生活·读书·新知三联书店出版，能助您了解智能发展历程。《2025年人工智能指数报告》此报告由斯坦福大学以人为本人工智能研究所发布于2025年，可让您掌握当下人工智能发展状况。主题实训08人工智能教学场景体验【实训目标】

能够熟练操作主流人工智能工具平台；能够根据不同的教育场景设计有效的提示词；具备评估人工智能在教育教学中的应用与局限的能力；形成初步的人工智能教育应用意识。【实训准备】１．前置知识与技能基本的电脑操作与网络访问技能。２．所需工具清单电脑、稳定的网络连接、浏览器、记录工具等。３．平台注册准备完成DeepSeek、文心一言、豆包、通义千问和讯飞星火平台的注册。【实训步骤和任务】１．熟悉平台观察和比较：回答的准确性、语