《人工智能中的算法》教学课件-2025-2026学年浙教版（新教材）初中信息技术八年级下册

《人工智能中的算法》教学课件2025-2026学年浙教版（新教材）初中信息技术八年级下册情境对比：手动规划vs智能规划场景一：手动规划上学路线描述：每天走固定的路线，遇到堵车只能自己临时想办法绕路，耗时费力且无法预知前方路况。特点：路线固定单一·被动等待·依赖人工干预与经验场景二：使用导航APP规划路线描述：输入目的地，APP自动规划多条路线并推荐最优解；实时监控路况，遇拥堵自动计算并推荐新路线。特点：动态计算·数据驱动·自主优化路径·实时反馈同学们，对比一下这两种方式，导航APP为什么这么“聪明”？它背后隐藏着什么秘密？今天的探索目标：人工智能中的算法导航APP的“聪明才智”，来源于它内置的人工智能算法。算法，就是人工智能的“大脑”和“决策核心”。本节课，我们将一起揭开AI“思考”与“决策”的神秘面纱。01理解算法本质从定义出发，理解算法是如何一步步解决问题、处理信息并做出判断的逻辑过程。02区分两类算法对比传统编程算法与人工智能算法的核心差异，明白AI算法“学习进化”的独特能力。03掌握核心三要素认识数据、算力与算法如何共同构成人工智能大厦的基石，理解三者的协同作用。04理性看待影响辩证分析算法对社会与生活的积极赋能与潜在风险，学会做一个负责任的技术使用者。PART01新知探究算法的世界算法的定义：解决问题的“超级菜谱”核心定义：算法是指解决特定问题的、明确的、有限的、可执行的步骤与规则。它是解决问题的思路和方法，是程序的灵魂。明确的(Clear)每一步做什么，都清清楚楚，指令精准，不存在任何歧义或模棱两可的地方。有限的(Finite)无论多复杂，算法必须在有限的步骤和时间内完成并得出结果，不能陷入无限循环。可执行的(Executable)每一步骤都必须是物理上或逻辑上可操作的，能通过机械或人工的方式完成任务。算法=解题思路/菜谱抽象的逻辑与思考，指导我们“怎么做”程序=解题过程/烹饪具体的代码实现，是算法的载体生活处处有算法（一）算法并不是高深莫测的概念，它就在我们身边。01/煮一碗方便面1.打开包装，取出面饼和调料。

2.往锅里加入适量的水，加热至沸腾。

3.放入面饼，煮3-5分钟。

4.加入调料包，搅拌均匀。

5.关火，盛出享用。02/组装乐高模型跟着说明书的步骤，一步步拼接零件，最终完成模型。每一步都有明确的指令，只要严格执行，就能得到正确的结果。生活处处有算法（二）案例3：数学解题1.审题，理解题意，明确问题核心。

2.找出已知条件，圈出未知量。

3.联想相关知识，选择合适的公式或定理。

4.严谨列式，分步计算求解。

5.代入验算，确保答案准确无误。案例4：去超市购物1.梳理家中物品，列出详细的购物清单。

2.依据超市布局，规划最优的行走路线。

3.按清单挑选商品，分类放入购物车。

4.选择最短的队伍，排队完成结账。无论是学习、工作还是日常生活，我们都在有意或无意地使用算法来解决问题。两种算法的对决：传统算法vs人工智能算法传统规则算法💡核心逻辑：人工编写固定的、明确的规则和执行步骤，计算机只需机械执行即可。🔧主要特点：按部就班、“按规办事”。逻辑清晰可控，但仅能解决人类预设好边界的固定问题。📌典型场景：计算器运算、红绿灯固定切换、数学公式计算。人工智能算法🧠核心逻辑：不直接编写规则，而是从海量数据中自动学习、归纳规律，建立模型进行预测。🚀主要特点：自主优化、“自主判断”。无需人工定义规则，能应对复杂、不确定且动态变化的场景。📱典型场景：手机拍照识物、电商个性化推荐、地图实时避堵导航。案例分析：如何让机器识别苹果？（传统算法）识别场景目标：让一台机器从一堆混杂的水果中，精准地找出所有的“苹果”。传统算法：人工编写逻辑规则if(颜色=="红色"&&形状=="圆形"&&顶部有凹陷){判定为苹果}局限性：规则僵化且维护困难一旦遇到青苹果或黄苹果，程序就会判定错误。面对复杂多变的现实世界，我们需要不断人工修改和增加规则，效率极低。案例分析：如何让机器识别苹果？（AI算法）从“人工编程”到“数据驱动”的思维转变：利用机器学习发现事物本质01/海量数据投喂工程师小红准备了10000张包含不同特征的苹果图片作为“训练数据”。这些图片涵盖了红、青、黄不同颜色，大、小不同尺寸，甚至不同光照角度，保证了数据的多样性。02/算法自主学习使用成熟的图像识别算法，让机器处理并分析海量图片。无需人工编写“如果是红色圆形就是苹果”的具体规则，而是让机器自己从数据中归纳、总结和“学习”苹果的共同本质特征。03/泛化识别能力机器成功掌握了苹果的特征，具备了强大的泛化能力。不仅能准确识别出任何颜色的苹果，甚至能认出它在训练数据中从未见过的新品种。这正是AI算法的核心优势。传统算法vsAI算法：核心差异规则来源🔧传统规则算法依赖人工编写的固定规则，逻辑由人定义。🧠人工智能算法从海量数据中自动学习潜在规律，无需人工定义。解决问题类型🔧传统规则算法擅长解决逻辑清晰、边界明确、结果可预测的固定、简单问题。🧠人工智能算法擅长处理逻辑复杂、数据量大、结果不确定、且环境动态变化的问题。动态调整能力🔧传统规则算法缺乏灵活性，无法自主进化，遇到新情况必须由工程师人工修改代码。🧠人工智能算法具备自适应能力，通过持续学习新数据可以实现自主优化和迭代升级。核心运行逻辑🔧传统规则算法严格按照预设的逻辑和步骤执行，本质是“按规办事”的流水线。🧠人工智能算法通过挖掘数据规律进行概率推理和决策，本质是具备“自主判断”能力。💡记忆口诀：传统算法是“听话的执行者”，AI算法是“会学习的思考者”拓展案例：从“棋谱”到“大师”传统算法：循规蹈矩的“棋手”•程序员将所有已知的棋谱和走法规则，手动输入程序作为“知识库”。•只能机械执行预设逻辑，遇到没见过的局面便会“死机”，缺乏应变能力。AI算法：自我进化的“大师”(如AlphaGo)•先学习数百万份人类棋谱，快速掌握基本策略与逻辑。•通过自我对弈数千万局，不断探索人类未知的新走法，最终实现水平超越。PART02核心要素AI的三大支柱人工智能的三大核心要素一个强大的AI，离不开三大核心要素的协同合作算法(Algorithm)AI的“大脑”负责思考、判断和决策，

是人工智能的逻辑核心。数据(Data)AI的“燃料”为算法提供学习的素材和依据，

决定了模型的知识边界。算力(ComputingPower)AI的“动力”负责高效执行算法、处理海量数据，

是模型训练和运行的物理基础。要素一：算法（大脑）核心作用🧠思考：处理海量数据，从中寻找隐藏的模式与规律。⚖️判断：基于已学习到的规律，对陌生或新的输入情况进行推理和判断。🎯决策：综合分析结果，为AI体输出下一步行动的指令。典型案例以日常使用的地图导航为例：算法持续分析海量的实时路况数据（如车速、拥堵、事故等），在毫秒级时间内进行计算，为用户动态规划并推荐“最短距离”或“最快到达”的路线方案。核心意义算法直接决定了AI的

“智商水平”它定义了AI能够处理问题的复杂程度、准确性以及效率上限。要素二：数据（燃料）核心作用🔍学习素材

AI的算法模型本身不会产生知识，它需要通过“阅读”和分析海量数据来学习、模仿并掌握特定的知识和技能。⚖️质量决定效果

在数据驱动的AI中，数据的数量越丰富、质量越高、标注越准确，AI最终产出的判断结果就越精准、越可靠。黄金法则“垃圾进，垃圾出”

(GarbageIn,GarbageOut)AI的输出质量完全取决于输入数据的质量。如果用来训练的数据本身存在错误、缺失、偏差，或者逻辑不一致，那么AI学到的模型也会继承这些问题，导致最终给出错误的、带有偏见的甚至有害的结论。直观示例🎯目标：训练识别“猫”的AI

•输入：我们需要给AI模型“投喂”成千上万张包含不同品种、不同姿态、不同背景的猫的图片。

•输出：只有经过了海量高质量图片的训练，AI才能在面对一张全新的、从未见过的照片时，准确地告诉你：“这是一只猫”。要素三：算力（动力）核心作用•执行算法：提供高速运算能力，支撑复杂模型与算法的实时运行。•处理数据：快速读取、分析和处理海量非结构化数据，挖掘价值。算力载体•端侧算力：我们每天使用的手机、电脑中的CPU和GPU芯片。•云端算力：数据中心里成千上万台高性能服务器构成的计算集群。价值体现以围棋AI为例，没有强大的算力支撑，想要训练出能匹敌人类顶尖棋手的AI模型，可能需要花费数年甚至更长的时间，极大地阻碍了技术进步。缺一不可的协同关系数据海量的图片、文本等

AI训练与学习的“素材库”算法图像识别、深度学习模型

AI进行“思考”的逻辑规则算力高性能CPU/GPU与服务器

支撑AI高效运行的“动力引擎”结果精准识别内容并输出

AI能力落地的最终价值🤔如果只有算法和数据，但算力很差，会发生什么？➡️处理速度极慢，甚至无法在有效时间内完成任务，体验极差。🤔如果只有算法和算力，但没有数据，会发生什么？➡️AI就像没有课本的学生，无法学习和进化，最终只能输出随机结果。💡结论：算法、数据、算力三者相互依存，协同作用，共同构成了人工智能的基石。案例分析：拍照识花背后的三要素场景：用手机拍下一朵不认识的花，APP立刻告诉你花名。这背后是哪三种力量在协同？算法：智能识别的“大脑”基于计算机视觉的图像识别算法，对拍摄画面进行特征提取，再通过高效的匹配算法，在数据库中找到对应的答案。数据：海量资源的“宝库”服务器中存储了数百万张不同品种、不同形态、不同环境下的花卉高清图片，以及对应的结构化特征数据，为比对提供基础。算力：高效运算的“引擎”手机端芯片负责图像的初步压缩和特征提取，将任务分发至云端服务器，利用云端强大的算力资源完成毫秒级的复杂匹配运算。案例分析：智能语音助手背后的三要素典型场景：对手机说“明天天气怎么样？”，语音助手就能快速听懂并给出准确的回答。算法(Algorithm)核心包括语音识别(ASR)、自然语言处理(NLP)与语音合成(TTS)。它们负责将声音转为文本、理解用户意图并生成语音反馈，是“大脑”。数据(Data)海量人类语音与文本对话样本用于训练模型；同时结合实时天气等第三方动态数据，确保回答准确、实时且符合语境，是“燃料”。算力(ComputingPower)依托高性能手机本地芯片进行快速响应，或连接云端服务器进行复杂的并发计算，为流畅的实时交互提供底层物理动力，是“引擎”。PART03拓展思考算法的双面性算法带来的便利与进步提高效率通过算法实现自动化处理大量重复性工作，例如智能客服全天候响应、自动化生产线的高效运转，大幅节省人力成本与时间。解决复杂问题突破人类计算能力的极限，在海量数据中寻找规律。无论是精准预测极端天气、加速新药分子的发现过程，还是辅助探索浩瀚宇宙，算法都发挥着关键作用。个性化服务基于用户画像与行为分析，为每个人提供“千人千面”的定制体验。从推荐喜欢的电影、音乐，到智能匹配购物需求，让数字生活更加贴心、便捷。推动科技进步作为人工智能的核心驱动力，算法持续推动各前沿领域的突破性创新，从自动驾驶技术的落地，到医疗领域辅助诊断、基因测序分析，不断拓展人类的能力边界。警惕算法的“副作用”（一）：算法偏见算法偏见(Bias)AI系统在训练过程中吸收了人类社会既有数据中的历史偏见，导致输出结果带有系统性的歧视与不公平，是人工智能伦理中的首要挑战。数据成因·Cause训练数据集本身存在严重的样本不平衡或历史歧视，AI只是忠实地“学习”并放大了这些偏见，最终导致输出判断的不公。典型案例·Case知名招聘AI因学习了过去以男性为主的工程师简历，在自动筛选环节对女性候选人产生系统性低分，造成职业性别歧视。潜在影响·Impact技术黑箱可能使歧视变得隐蔽化和常态化，不仅无法解决社会不公，反而可能固化甚至加剧现有的社会不平等。警惕算法的“副作用”（二）：算法滥用01/算法滥用之因根本原因在于企业为了商业利益，在未经严格限制的情况下，过度收集和使用个人数据，将算法变成了数据收割的工具。02/典型滥用案例某些APP在未获用户明确同意的情况下，非法收集位置轨迹、浏览历史、通讯录等敏感信息，用于精准广告推送，甚至发生大规模数据泄露事件。03/带来的负面影响严重侵犯了用户的个人隐私权，不仅造成精神困扰，更可能因敏感数据被不法分子利用，给个人财产和人身安全带来巨大隐患。警惕算法的“副作用”（三）：算法黑箱成因：决策不透明以深度学习为代表的复杂AI算法，其内部逻辑和决策路径极度隐蔽，人类难以解释和理解其“思考”过程。案例：拒绝贷款申请当AI系统拒绝了你的贷款申请时，你无法得知是收入、征信还是其他具体原因导致，只能收到一个冷冰冰的“拒绝”结果。后果：信任崩塌与追责难公众对不透明的算法系统产生天然的信任危机；当算法出现错误或歧视时，责任主体难以界定，受害者很难进行有效申诉和追责。理性看待算法，做负责任的数字公民💡讨论与思考1.你在生活中遇到过“算法偏见”或“信息茧房”吗？有什么感受？2.作为中学生，我们应该如何保护自己的隐私，避免个人数据被算法滥用？3.在享受算法便利的同时，如何避免过度依赖，保持独立思考？保持理性辩证看待算法的推荐与判断，不盲从、不偏信，保持独立思考能力。保护隐私谨慎授权APP权限，不随意在网络上泄露个人敏感信息，守好数字防线。提升素养主动学习基础算法知识，增强对网络信息的辨别能力，做智慧的数字公民。PART04课堂总结与练习知识巩固：课堂练习01/填空题·算法定义算法是指解决特定问题的、______、______、______的步骤与规则。02/填空题·AI核心要素人工智能的三大核心要素是______、______和______。03/判断题传统算法和人工智能算法的核心区别在于，AI算法能从数据中学习。（）请在括号内填写“对”或“错”04/简答题请列举并简要描述一个生活中应用人工智能算法的例子。提示：如推荐系统、语音助手、人脸识别等学以致用：课堂练习思考题目：结合“导航APP实时规划路线”这个生活中的经典案例，请大家分组讨论并详细分析，其中的算法、数据、算力分别发挥了什么关键作用？算法Algorithm核心逻辑的“大脑”

•路径规划模型(Dijkstra/A*)

•动态避堵与最优解计算

•地图匹配与路线引导规则数据Data精准决策的“原料”

•静态地图数据(路网/POI)

•实时路况