《人工智能》教学大纲

《人工智能》教学大纲（IntroductiontoArtificialIntelligence）课程说明一、课程概述：（一）课程属性及课程介绍•课程名称：人工智能•课程英文名称：IntroductiontoArtificialIntelligence•学时与学分：理论学时32，线上8，线下24，总学分2•课程性质：通识必修课•适用专业：非计算机类专业学生（二）教学目标学习本课程旨在为非计算机类专业的大学生奠定坚实的人工智能基础，掌握人工智能领域的知识，培养其在人工智能领域的基本技能和理解能力。具体而言，主要学习目标如下：1.人工智能基础知识：掌握人工智能的基本概念、发展历程、主要分支领域（如机器学习、深度学习、自然语言处理、计算机视觉等）及其在现代社会中的应用。2.理论与技术基础：学习和理解支撑人工智能的核心算法和理论，包括搜索算法、知识表示、推理方法、决策制定、学习理论等。3.问题解决能力：培养分析和解决人工智能问题的能力，包括如何定义问题、选择合适的技术路线、设计并实施解决方案。4.伦理与社会责任：讨论人工智能技术的伦理和社会影响，理解隐私保护、数据安全、算法偏见等议题，培养负责任的AI开发与应用意识。5.创新与批判性思维：鼓励学生批判性地评估现有的AI技术，激发创新思维，探索AI在新领域的应用可能。6.沟通与团队合作：通过团队项目，提升与他人合作解决复杂问题的能力，以及有效沟通研究成果和想法的能力。这些目标旨在为学生构建一个全面的人工智能知识框架，不仅关注技术细节，也重视理论与实践的结合，以及技术的社会影响和伦理考量，为学生将来在AI领域的深入研究或职业发展打下坚实的基础。（三）适用对象全日制本科（四）先修课程与后续课程•先修课程：大学计算机基础•后续课程：机器学习、深度学习、智能机器人等二、任课教师教学过程中应注意的事项在AI相关课程体系构建中，持续学习能力的培养必须上升为核心教学目标之一，而非简单的附加要求。这种能力的培养，本质上是帮助学生突破“毕业即知识过时”的困境，使其在未来职业生涯中始终可以主动学习。 课程设计阶梯式的练习体系，具备重难点演示，学生需要勤加练习。三、学时要求与分配：（一）总学时要求32学时（线上8，线下24）（二）学时分配线下周别授课次数授课章节与内容摘要教学时数思政融入点备注11第1讲AI概览1.1相关概念1.2发展历程1.3主流学派1.4研究范畴1.5典型应用3方法论：体现从量变到质变的规律计算思维：算法与自动化、分解与模块化、抽象与模式识别价值观：追求简洁与优雅的工程美学习题1、4、5、722第2讲AI学习机制2.1机器学习2.2机器学习主要流程3方法论：实践出真知计算思维：过拟合与欠拟合的权衡价值观：全面发展观、创新精神习题1、2、3、4、33第2讲AI学习机制2.2机器学习主要流程2.3深度学习常见模型3方法论：质量决定成败计算思维：生成与判别的对抗价值观：科技伦理习题5、744第3讲感知与认知智能3.1机器视觉3.2计算机视觉3.3模式识别3.4图像识别3.5图像理解3.6计算机视觉的应用3.7知识表示3方法论：科学探索精神，质量安全意识计算思维：跨学科思维，技术创新意识价值观：技术伦理责任习题1、2、3、4、55第4讲智能体与智能系统4.1智能体与智能系统概述4.2智能体的基础理论与架构4.3大模型与智能体的关键技术4.4构建基于大模型的智能体4.5智能系统的工程化实践4.6未来技术趋势3方法论：聚焦实践层面的系统化工作方法计算思维：强调多智能体系统中的核心计算概念价值观：突出技术发展中的伦理导向习题1、2、3、4、66第5讲NLP与AI大模型5.1语言理解为何困难5.2NLP的核心任务5.3技术演进之路5.4语法类型与语义分析：解码语言的双重密码5.5处理数据与处理工具：从原始矿藏到精炼燃料5.6大语言模型的概念：数字化的语言基因5.7发展历程：从统计模型到认知革命5.8技术原理：智能涌现的数学密码5.9应用场景：从文本生成到社会重构5.10生成式人工智能：创造力的数字觉醒3方法论：对应“辩证思维”，体现理性分析、权衡利弊的思维方式计算思维：对应“学术诚信”，强调在理解和运用AIGC技术时，必须遵循正确的逻辑规范与使用准则价值观：对应“创新自信”与“科技向善”，明确了技术发展的精神导向和伦理追求习题1、2、377第6讲AI应用与发展6.1AI在自主智能系统中的应用6.2AI在制造业中的应用6.3AI在农业中的应用6.4AI在智慧城市中的应用6.5AI在医疗健康中的应用6.6人工智能的未来发展趋势3方法论：系统思维与全局观念计算思维：工匠精神与创新意识，职业规划与终身学习价值观：科技自信与民族自豪感，社会责任与伦理思考习题1、2、388第7讲AI安全与伦理7.1AI安全和隐私问题7.2AI伦理和法律问题7.3AI产生的其他社会问题7.4AI安全与伦理问题的应对3方法论：维度体现处理AI安全与伦理问题的实践路径，强调通过法治手段履行社会责任计算思维：维度聚焦核心技术攻关中的系统性思维与自主创新策略价值观：维度涵盖国家、社会与全球三个层面的价值导向，构建完整的伦理价值体系习题1、2线上周别授课次数授课章节与内容摘要教学时数备注1-21智慧树平台：人工智能2.7AlphaGO深度学习和强度学习5.5认知控制与人工神经网络2作业：完成线上对应平台单元测试3-42智慧树平台：人工智能与科学之美7.1机械公敌：人工智能与机器人7.2机器人发展简史7.6机器人的感知系统2作业：完成线上对应平台单元测试5-63智慧树平台：人工智能与科学之美3.1给机器一双眼睛3.2如何让机器拥有视觉3.4指纹神话：指纹识别如何成为破案工具2作业：完成线上对应平台单元测试7-84智慧树平台：人工智能与科学之美8.1霹雳游侠：什么是智能汽车8.2百度无人驾驶汽车8.3智能汽车的视听感知技术8.4智能汽车是如何做决策的2作业：完成线上对应平台单元测试四、实践教学内容与要求（课后作业）周别授课次数授课章节与内容摘要教学时数备注11实验任务一：客户评价情感分析2线下自愿提交22实验任务二：语音识别2线下自愿提交33实验任务三：TTS文字转语音2线下自愿提交44实验任务四：OCR文字识别2线下自愿提交五、教学参考资料教材：王海涛等主编，《人工智能通识教程》，电子工业出版社，2025。线上教学平台：智慧树官网：/雨课堂官网：/web六、课程的考核要求课程考核方式如下:期末课程考核形式:课程论文（结合自己所学专业，题目自拟，写一篇3000字左右人工智能方向论文，电子版+纸质打印版，内容查重要求20%以下（AI查重40%以下），需附查重报告。课程总成绩：平时成绩40%+期末课程论文60%平时成绩构成:线上成绩50%+线下50%线上成绩构成:智慧树视频时长、章节测试分（包含加自主学习部分）线下成绩构成:考勤50分+课堂测验30分+课后实验20分教学要求及教学要点第1讲AI概览【本章教学目的和要求】：理解人工智能（AI）的基本概念、定义和分类（ANI,AGI,ASI）。掌握图灵测试、图灵完备的核心思想及其意义。了解人工智能发展的三次浪潮与三大学派及其核心观点。识记机器学习、深度学习等典型技术及其在各行业的应用。通过案例分析和课堂讨论，引导学生构建AI知识体系，培养批判性思维和解决问题的能力。认识到AI技术的严肃性与前沿性，激发探索兴趣和创新精神。引导思考AI发展带来的伦理与社会影响，树立负责任的技术观。【本章重点、难点】重点：1.人工智能的定义。2.图灵测试的内容与意义。3.弱人工智能、强人工智能与超人工智能的区别。4.人工智能三大学派（符号主义、连接主义、行为主义）的核心思想。难点：1.“图灵完备”概念的理解。2.三大学派研究方法的区别与联系（功能模拟、结构模拟、行为模拟）。3.机器学习、深度学习等技术的区别与关系。【思政教学建议】1.科学精神与坚持不懈：通过讲述AI“三起两落”的曲折发展史，强调科学研究的非一帆风顺，歌颂先驱者在低谷期的不懈探索与坚持，培养学生面对困难坚韧不拔的品格。2.文化自信与民族自豪：在讲解AI应用时，补充中国在AI领域的领先成果（如科大讯飞的语音识别、百度的自动驾驶、阿里巴巴的城市大脑等），增强学生的国家意识与民族自豪感。3.科技伦理与社会责任：在讨论超人工智能（ASI）和AI广泛应用时，引导学生思考数据隐私、算法偏见、就业冲击等伦理与社会问题，强调发展“负责任的人工智能”，培养学生科技向善的社会责任感。【教学内容更新】1.理论体系迭代：锚定前沿动态，以2025年中国AI盛典上MiniMax大模型在人机辩论中，42%的观众未能识破其AI身份的最新案例，讲解图灵测试案例，替代传统文本测试案例，补充“动态智能评估”维度。2.实践模块升级：融入真实场景，新增“AI+工业互联网”实训单元，拆解岳麓大会企业案例，设计从数据处理到模型部署的全流程任务。【AI赋能教学】利用AI数字人技术生成引言学生选择一个AI应用领域（如智慧医疗、自动驾驶），查找资料，尝试使用数字人制作撰写一份简短报告视频第一节【教学内容】智能的定义人工智能的定义第二节【教学内容】漫长孕育诞生成长曲折前行蓬勃兴起发展总结第三节【教学内容】符号主义学派连接主义学派行为主义学派学派对比分析第四节【教学内容】学科内涵研究领域第五节【教学内容】机器人智能安防智慧家居智慧医疗自动驾驶智能游戏智慧教育第2讲AI学习机制【本章教学目的和要求】：理解机器学习的基本概念及其在人工智能中的地位；掌握机器学习的三大分类（监督学习、无监督学习、强化学习）及其典型任务；了解机器学习的基本流程和常见算法。【本章重点、难点】重点：机器学习三种范式（监督/无监督/强化学习）的核心思想与典型应用机器学习工作流程及各环节任务深度学习与传统机器学习的区别过拟合与欠拟合的概念及解决方法难点：不同机器学习算法的数学原理：如KNN的距离计算、神经网络的权重调整梯度下降的优化过程：理解“蒙眼下山”的参数优化机制深度学习模型的工作原理：特别是CNN的卷积池化、RNN的时序记忆损失函数与模型评估指标：准确率、精确率、召回率等的区别【思政教学建议】实践出真知：通过机器学习“从数据中学习”的特点，强调实践和经验积累的重要性，反对“本本主义”。质量决定成败：通过数据预处理环节，培养学生认真细致的工作态度和质量意识。全面发展观：通过过拟合/欠拟合的对比，引导学生理解“死记硬背”与“真正理解”的区别，树立全面发展的学习观。创新精神：通过GAN、DRL等前沿技术，激发学生的创新意识和探索精神。科技伦理：讨论AI生成内容的真实性、数据隐私等问题，培养负责任的技术使用观。【教学内容更新】嵌入电商销量预测（欠拟合：忽略节假日特征）、本地制造业质检（过拟合：小样本数据噪声）等真实项目；引入AIGC数据增强（如StableDiffusion生成工业缺陷样本）案例，展示行业热点技术如何破解数据困境，服务区域产业需求。【AI赋能教学】Deepseek生成算法案例，引导学生思考算法流程学生对每个算法利用AI生成案例，并讨论它的应用场景。第一节【教学内容】机器学习概述机器学习分类第二节【教学内容】数据与数据集数据预处理模型训练预测试第三节【教学内容】卷积神经网络循环神经网络Transformer深度强化学习第3讲感知与认知智能【本章教学目的和要求】：理解机器视觉、计算机视觉、模式识别、图像识别、图像理解等基本概念。掌握机器视觉与计算机视觉的区别与联系。了解图像处理的基本流程与技术要素。熟悉模式识别的主要任务与方法。了解知识表示的基本方法及其在人工智能中的应用。【本章重点、难点】重点：机器视觉与计算机视觉的技术要素与核心任务图像分类、目标检测、图像分割的区别与联系深度学习在计算机视觉中的革命性作用知识图谱的构建方法与应用价值难点：不同视觉任务的技术差异：如语义分割、实例分割、全景分割的区分神经网络的工作原理：特别是CNN的卷积、池化等操作机制知识表示方法的适用场景：不同表示方法的优缺点比较多模态融合的技术实现：视觉与语言等不同模态的协同处理【思政教学建议】科学探索精神：通过计算机视觉先驱者的研究故事，培养学生坚持不懈的科研精神。技术创新意识：通过深度学习带来的技术突破，激发学生的创新思维和探索勇气。质量安全意识：通过工业质检、自动驾驶等应用，强调技术可靠性的重要性。跨学科思维：通过神经科学与计算机科学的交叉融合，培养综合解决问题的能力。技术伦理责任：讨论人脸识别、医疗诊断等应用的伦理问题，培养负责任的技术观。【教学内容更新】1.理论体系重构：厘清概念脉络与前沿演进打破概念孤立讲授模式，构建“模式识别（基础算法）→图像识别（任务核心）→图像理解（语义分析）→计算机视觉（算法研究）→机器视觉（工业落地）”的递进知识链；新增Transformer架构（如ViT）在计算机视觉的应用、多模态视觉大模型（如SAM）等前沿内容，替代传统单一CNN教学框架，突出技术迭代逻辑。2.案例升级：融入行业与区域项目添加最新案例，如智慧城市场景（图像识别抓拍交通违章）、农业科研成果（图像理解识别作物病虫害）等案例的讲解。【AI赋能教学】利用百度开发平台，检测人脸相似度，有利学生理解人脸识别系统的核心思想。学生利用百度开发平台，体验图像识别的应用场景（如车牌识别等）第一节【教学内容】什么是机器视觉机器视觉的发展机器视觉的技术要素第二节【教学内容】什么是计算机视觉计算机视觉的发展历程第三节【教学内容】什么是模式识别研究进展模式识别的核心任务模式识别的主要方法模式识别的发展趋势第三节【教学内容】什么是模式识别研究进展模式识别的核心任务模式识别的主要方法模式识别的发展趋势第三节【教学内容】什么是模式识别研究进展模式识别的核心任务模式识别的主要方法模式识别的发展趋势第四节【教学内容】人类的图像识别能力图像识别的基础图形识别的模型神经网络图像识别第五节【教学内容】图像数据处理图像分类图像分割第六节【教学内容】自动驾驶环境感知系统工业智能质检系统医疗影像辅助诊断系统第七节【教学内容】知识和知识表示的概念知识表示的方法知识图谱的价值第4讲智能体与智能系统【本章教学目的和要求】：理解智能体的定义、构成要素与核心特征；掌握智能系统的分类与演进历程，能分析不同架构模式的适用场景；熟悉大模型智能体的关键技术，了解其工程化流程与开发工具；能结合实际案例设计简易智能体系统框架，培养系统思维与跨学科视角。【本章重点、难点】重点：智能体的核心特征与组成要素大模型对智能体能力的增强作用基于大模型的智能体架构设计智能系统工程化实践的关键环节难点：不同架构模式的适用场景：反应式、慎思式、混合式架构的区别Transformer自注意力机制的工作原理：QKV向量的计算过程多模态融合的技术实现：不同模态信息的对齐与整合智能体持续学习的平衡：终身学习与灾难性遗忘的矛盾【思政教学建议】自主创新精神：通过智能体自主性特征，培养学生独立思考和自主决策的意识。系统思维培养：通过智能体架构设计，强调系统化、模块化的思维方式。技术伦理责任：讨论智能体自主决策的伦理边界，培养负责任的技术开发观。工程实践意识：通过工程化实践环节，强调理论联系实际的重要性。协同合作精神：通过多智能体系统，培养团队协作和协调配合的意识。【教学内容更新】增加美的荆州工厂案例：解析“工厂大脑+14个业务智能体”的系统架构，拆解质检、排产场景的协同机制；并补充大模型工程智能系统，展示时空数据驱动的决策落地，对接制造、工程等区域产业的需求。【AI赋能教学】利用coze创建高阶智能体学生利用coze创建低阶智能体第一节【教学内容】智能体组成要素智能系统的分类与演进大模型对智能体发展的影响第二节【教学内容】基础理论智能体的架构模式典型案例第三节【教学内容】Transformer架构与自注意力机制预训练、微调与指令优化多模态融合复杂环境下的动态推理智能体的持续学习与进化第四节【教学内容】关键模块规划和决策能力记忆机制工具调用推理引擎第五节【教学内容】需求分析与场景定制数据处理与管理模型选择与训练优化智能体设计与集成系统部署与运维开发工具链与框架第六节【教学内容】具体智能通用人工智能第5讲NLP与AI大模型【本章教学目的和要求】：理解自然语言理解的根本难点（歧义、隐喻、文化差异）；掌握NLP核心任务（分词、词性标注、实体识别、情感分析、机器翻译等）；了解NLP技术演进历程（规则驱动→统计学习→深度学习→大模型）；熟悉大语言模型的基本原理（Transformer、预训练、微调、参数涌现）；了解生成式AI的多模态应用场景与技术基础。能举例说明语言理解的难点及其技术应对方式；能区分不同NLP任务的技术路径与适用场景；能初步理解大模型“智能涌现”现象背后的机制；能参与讨论NLP技术在社会、伦理方面的挑战。【本章重点、难点】理解自然语言理解的根本难点（歧义、隐喻、文化差异）；掌握NLP核心任务（分词、词性标注、实体识别、情感分析、机器翻译等）；了解NLP技术演进历程（规则驱动→统计学习→深度学习→大模型）；熟悉大语言模型的基本原理（Transformer、预训练、微调、参数涌现）；了解生成式AI的多模态应用场景与技术基础。能举例说明语言理解的难点及其技术应对方式；能区分不同NLP任务的技术路径与适用场景；能初步理解大模型“智能涌现”现象背后的机制；能参与讨论NLP技术在社会、伦理方面的挑战。重点：生成对抗网络（GAN）的对抗训练思想。扩散模型“从噪声中重建秩序”的核心过程。大语言模型基于预训练和微调实现能力“涌现”的机理。生成式AI的跨领域应用价值与潜在风险。难点：GAN中生成器与判别器的博弈平衡过程。扩散模型的正向扩散与反向去噪的数学本质。对“涌现”这一现象的理解：为何简单的预训练目标能产生复杂的推理能力。如何有效应对和治理AI技术带来的伦理挑战。【思政教学建议】创新自信：通过我国在AIGC领域的快速发展（如文心一格、通义万相等），增强学生的民族自豪感和科技自信。科技向善：强调在利用AI提升效率、创造美的同时，必须警惕其滥用风险，引导技术用于促进社会公平和人类福祉。辩证思维：引导学生辩证看待技术“双刃剑”效应，既不盲目乐观，也不一味恐惧，而是理性分析，主动参与治理。学术诚信：结合AI生成内容，讨论在学术和创作中如何合理使用工具，坚守诚信底线。【教学内容更新】增加案例，如金融智能风控（某银行NLP大模型合规审查）、本地制造业工艺优化（羚羊工业大模型文本交互调参）等案例；设计讯飞星火API实战任务，覆盖情感分析、工业文档摘要等场景，同步讲解提示词工程重难点，服务区域实体经济。【AI赋能教学】1.生成案例：生成诗歌，展示AI生成的古诗、代码、对话；引导学生讨论：这是“理解”还是“模仿”？2.学生设计一个使用NLP技术的小应用场景（如智能客服、作文批改），并用AI说明其核心任务与技术选型。3.利用coze调用模型创建智能体，如生成图像识别的工作流，探讨其在图像识别在工业质检中的应用。4.学生讨论其他AI应用场景，并创建一个智能体工作流包含大模型的调用。第一节【教学内容】语言的千面之谜孩童的启示录机器的困境之旅第二节【教学内容】基础处理技术深度理解技术内容生成技术第三节【教学内容】规则驱动时期统计学习时期深度学习革命第四节【教学内容】语法分析语义分析技术进化的双重奏现实挑战与人文思考第五节【教学内容】数据集处理工具现实难点第六节【教学内容】无预设的进化动态的语义网络第七节【教学内容】统计机器翻译时代深度学习崛起预测模型第八节【教学内容】语言的时空折叠术训练范式知识的炼金术参数矩阵计算炼狱第九节【教学内容】内容创作革命垂直领域突破多模态融合社会重构第十节【教学内容】多模态生成应用图谱技术基石第6讲AI应用与发展【本章教学目的和要求】：了解人工智能在自主系统、制造、农业、智慧城市、医疗等领域的典型应用；掌握无人驾驶、工业质检、智能交通、医疗影像等关键技术原理；理解AI未来发展趋势及其与社会经济的深度融合。能结合实际案例分析AI技术的应用价值与局限性；能初步判断某一领域是否适合引入AI技术；能参与讨论AI伦理、风险与未来发展方向。培养对AI技术发展的敏感性与批判性思维；增强对AI赋能产业升级和社会治理的责任意识。【本章重点、难点】重点：AI在不同行业应用的核心逻辑与价值（提升效率、降低成本、实现自动化与智能化）。代表性应用的技术原理（如计算机视觉用于缺陷检测和医学影像）。多技术融合（AI+IoT+大数据+云计算）是未来发展的核心趋势。理性看待AI发展带来的就业、伦理、安全等社会性挑战。难点：理解不同应用场景背后统一的技术原理（如CNN既可用于识别茶树芽叶，也可用于诊断糖尿病视网膜病变）。辨析“端到端”自动驾驶与传统模块化方案的思想差异。对“AI驱动科研”范式的理解（如AI制药如何颠覆传统流程）。对AI宏观发展趋势（如产业智能化、通用人工智能）的深入理解。【思政教学建议】科技自信与民族自豪感：通过讲解“海斗一号”、“祝融号”、华为问界、大疆无人机、DeepDR等我国在AI领域的重大科技成果和领先企业，增强学生的国家认同感和民族自豪感，坚定“四个自信”。工匠精神与创新意识：通过分析UniAD论文获CVPR最佳论文、AI制药缩短研发周期等案例，强调精益求精的科研精神和突破创新的重要性。社会责任与伦理思考：在讲解AI应用的同时，引导学生讨论其带来的就业冲击、隐私泄露、算法偏见等问题，培养其科技伦理意识和社会责任感。系统思维与全局观念：通过智慧城市、智能交通等复杂系统案例，培养学生从全局视角、多维度思考和分析问题的能力。职业规划与终身学习：结合AI对劳动力市场的重塑，引导学生思考如何将个人发展与技术趋势相结合，树立终身学习的理念。【教学内容更新】增加案例，深圳龙岗AI影像平台（肺结节筛查、冠脉诊断）、商汤UniAD智驾方案（90款车型落地）等案例；设计“医疗影像GAN数据增强”“车载YOLOv4-Tiny实时检测”实操任务，对接区域智慧医疗与智能网联产业需求。【AI赋能教学】利用coze调用模型创建智能体，如生成图像识别的工作流，探讨其在图像识别在工业质检中的应用。2.学生讨论其他AI应用场景，并创建一个智能体。第一节【教学内容】无人驾驶汽车无人机集群探索机器人第二节【教学内容】工业缺陷检测预测性维护第三节【教学内容】病虫害检测与管理智能采摘第四节【教学内容】智能交通智能能源管理智能废料管理第五节【教学内容】医学影像智能诊断健康检测与远程医疗AI驱动的药物研发第六节【教学内容】人工智能的发展趋势第7讲AI安全与伦理【本章教学目的和要求】：理解AI面临的安全挑战（传统信息安全与AI自身安全）；掌握AI隐私保护、伦理困境与法律挑战的核心概念；了解AI对社会结构、就业、思维方式等方面的影响；熟悉AI治理与伦理规范的建设路径。能识别AI应用中的伦理与法律风险；能参与AI伦理问题的讨论与辩论；能初步提出应对AI安