《人智能的起源与发展》教学课件-2025-2026学年清华大学版A版（新教材）初中信息技术八年级下册

初中信息技术八年级下册（清华大学版）《人工智能的起源与发展》教学课件观察与思考：这些场景有什么共同特点？场景一：智能语音交互对着手机语音助手说：“明天天气怎么样？”，手机语音助手就能快速理解并给出准确回答。场景二：人脸识别签到同学走进校园，通过人脸识别设备自动扫描面部特征，瞬间完成身份核验和入校签到。场景三：无人驾驶汽车一辆无人驾驶汽车在城市道路上平稳行驶，能感知周围环境，自动避让行人和车辆，保障安全。场景四：AI辅助绘画输入一段文字描述，AI绘画工具能理解语义并发挥创意，自动生成一幅精美的艺术画作。它们和普通自动化设备有何不同？普通自动化🔧核心逻辑：只能执行预设的、固定的程序，无法自我调整。📌典型例子：楼道声控灯、商场自动售货机、工厂流水线机械臂。✨核心特点：像一个不知疲倦、完全忠实的执行者。人工智能(AI)语音助手刷脸支付🧠核心逻辑：模拟人类大脑，具备感知、分析、学习和动态决策能力。📌典型例子：智能语音助手(Siri)、面部识别支付、自动驾驶辅助系统。✨核心特点：像一个会不断成长、思考和解决新问题的“智慧助手”。核心区别：人工智能具备自主学习与进化的能力，而普通自动化只是简单的“重复执行”。走进人工智能的世界这些能够模拟、延伸和扩展人类智能的技术，就是人工智能（ArtificialIntelligence,AI）。AI从何而来？起源·Origin探寻AI诞生的思想火花，

了解计算机科学与数学的理论基石。AI如何发展？历程·Development纵观跌宕起伏的技术迭代史，

见证AI从寒冬到爆发的腾飞之路。AI藏着哪些奥秘？核心思想·CoreConcepts解锁机器学习与神经网络的底层逻辑，

看懂智能算法的工作原理。人工智能的科学定义什么是人工智能？它是一门旨在使计算机能够模拟、延伸和扩展人类智能的技术科学，致力于让机器像人一样思考和行动。感知能力赋予机器“五官”，使其具备像人一样

能看、能听、能理解的能力逻辑推理让机器像大脑一样思考

进行复杂的信息分析与逻辑判断自主学习从海量数据和过往经验中学习

不断优化模型，改进自身性能决策行动基于感知与推理，在不同场景下

独立做出最优选择并执行行动AI的核心：自主学习与智能决策▎关键特征：判断一个技术是否属于人工智能，最核心的标准是看它是否具备“自主学习”的能力。这也是区分AI与传统自动化工具的根本标志。自主学习(AutonomousLearning)机器能够根据持续获取的新数据或积累的经验，在没有人类重新编写程序的情况下，自动优化算法模型、提升性能或修正行为模式。智能决策(IntelligentDecision)在自主学习的基础上，AI系统能够将学习到的规律与知识应用于全新的、未见过的复杂场景中，快速做出合理的判断、推理或最优选择。💡教师引导：请大家在脑海中刻下这个关键词——“自主学习”。它是区分真正的AI与普通自动化程序的分水岭。对比辨析：AI与普通自动化普通自动化设备人工智能系统核心逻辑执行预设程序，按固定指令完成重复任务核心逻辑模拟人类智能，从海量数据中自主学习规律行为模式固定化、可预测，无法应对程序外的新情况行为模式动态化、自适应，能够应对复杂多变的环境学习与决策能力无学习能力，仅基于预设规则执行，无自主决策学习与决策能力具备持续进化能力，基于模型推理做出最优决策典型案例全自动洗衣机、声控灯、普通计算器典型案例刷脸支付系统、个性化内容推荐、AlphaGo小试牛刀：下列场景是AI吗？场景一：智能导航手机导航软件根据实时路况，计算并规划出一条躲避拥堵的新路线。你的判断：______（是/否）场景二：电梯运行电梯系统根据用户按下的按钮指令，按照预设逻辑自动运行到指定楼层。你的判断：______（是/否）场景三：视频推荐短视频App分析你的历史观看记录，推测你的兴趣，为你推荐可能喜欢的新视频。你的判断：______（是/否）场景四：自动控温空调根据你预先设定的目标温度，感应环境温度，自动开启或关闭压缩机。你的判断：______（是/否）互动环节：请举手分享你的答案，并试着说明判断的理由人工智能的六阶段发展历程萌芽期20世纪初-1955年理论奠基与早期探索阶段诞生期1956年达特茅斯会议正式确立AI学科第一次寒冬1970s中期-1980s初计算能力不足，预期落空第二次崛起1980s-1990s初专家系统应用，商业价值初显第二次寒冬1990s中期-2010年算力瓶颈与市场饱和爆发期2011年-至今深度学习与大数据驱动的黄金时代萌芽期（20世纪初-1955年）：理论奠基艾伦·图灵(AlanTuring)“人工智能之父”他是计算机科学与人工智能的先驱，其理论为现代计算机和人工智能的逻辑架构奠定了基石，被誉为“人工智能之父”。▍关键贡献：图灵测试(1950年)发表里程碑式论文《计算机器与智能》，提出了判断机器是否具备智能的经典标准。定义：若一台机器能与人类进行自然语言对话，且人类无法分辨对方是人还是机器，则认为该机器具备智能。诞生期（1956年）：AI元年时间1956年夏天地点美国·达特茅斯学院🚀关键事件：学科术语的确立一群计算机科学、数学、心理学等领域的顶尖科学家在此召开研讨会，共同探讨“如何用机器模拟人的智能”，并在会上首次提出了“人工智能(ArtificialIntelligence)”这一术语，为这一领域确立了正式的名称。🏆历史意义：AI元年这次会议被公认为人工智能作为一门独立的科学学科正式诞生的标志，它汇聚了早期的先驱力量，明确了研究目标与方向。因此，1956年被永久载入史册，称作“人工智能元年”。第一次寒冬（1970s中期-1980s初）：期望遇挫发展背景HIGHEXPECTATIONS在人工智能发展的早期阶段，专家系统等技术取得了一些里程碑式的成功。这些成果极大地鼓舞了学术界和投资界，使人们对AI的能力产生了过高的期望，认为AI即将在短时间内解决各类复杂的现实问题。核心困境TECHNICALLIMITS1.算力严重不足

受限于当时的硬件技术，计算机的运算速度和存储能力都无法满足复杂模型的需求。2.算法通用性差

早期算法大多基于规则，只能处理特定领域的简单问题，难以适应多变的真实世界场景。寒冬降临FUNDINGCRISIS由于研究进展严重滞后于公众预期，加上无法产出具有商业价值的落地应用，导致信心崩塌。最终，政府与企业纷纷大幅削减对人工智能领域的研究经费，大量相关实验室关闭，AI的发展正式进入了第一个“寒冬”。第二次崛起（1980s-1990s初）：专家系统带来的短暂繁荣核心技术：专家系统的兴起AI发展的焦点从通用问题求解转向聚焦特定领域的“知识工程”，专家系统成为这一时期人工智能落地的主流技术路线。什么是专家系统？一种基于规则的智能程序。它将人类专家在特定领域（如医疗诊断、地质勘探）的专业知识总结为“规则库”，让计算机通过逻辑推理模拟专家的思维方式，进行复杂问题的判断与决策。里程碑成果：MYCIN医疗诊断系统诞生于70年代，用于辅助医生诊断血液感染及脑膜炎疾病。它的诊断准确率曾一度超过人类专家，是AI技术成功应用于专业领域的标志性案例。早期专家系统操作界面示意基于“规则推理”的交互逻辑，用户输入事实，系统给出结论与建议。第二次寒冬（1990s中期-2010年）：再次遇冷专家系统的瓶颈🔸维护成本高昂

知识规则极度依赖领域专家手动编写与更新，耗时耗力，难以应对复杂场景。🔸通用性严重不足

特定领域构建的专家系统难以跨领域迁移，无法适应快速变化的市场需求。神经网络的困境🔸算力与算法的双重限制

当时硬件算力匮乏，且反向传播算法在深层网络中面临“梯度消失”难题，无法有效训练复杂的深层神经网络，研究进展陷入停滞。行业发展遇冷🔸陷入“AI寒冬”

技术瓶颈无法突破，商业落地困难重重，导致公众信心受挫，投资大幅减少，整个AI领域再次陷入漫长的发展停滞期。爆发期（2011年-至今）：新一代人工智能全面崛起2016年：AI的“高光时刻”GoogleDeepMind开发的AlphaGo战胜围棋世界冠军李世石。这一里程碑事件，向世界展示了AI在复杂策略与决策领域的巨大潜力。国产大模型：中国速度百度“文心一言”、阿里“通义千问”等一系列国产大语言模型的快速迭代与发布，标志着中国在AI通用大模型领域取得重要突破，跻身世界第一梯队。全场景渗透与落地从手机上的语音助手

到自动驾驶的感知系统

从电商的智能商品推荐

到安防的实时图像识别

AI已融入生活的方方面面为什么AI在今天迎来了爆发？大数据BigData互联网的普及产生了海量的数据，为AI提供了充足的“学习素材”，是AI发展的基石。云计算CloudComputing强大的计算能力（算力）突破了物理限制，为训练复杂、庞大的AI模型提供了坚实的底层保障。深度学习DeepLearning模拟人脑神经网络的更先进算法，让机器能够更高效地从海量数据中自主学习、总结规律。💡教师引导语：如果把AI比作一辆高速行驶的赛车，那么大数据是“燃料”，提供源源不断的动力；云计算是“引擎”，提供强大的驱动能力；深度学习则是“智能核心”，决定了方向与速度。三者缺一不可。AI的三种思路：三大学派在AI的发展过程中，科学家们形成了三种不同的思想流派，它们分别从不同角度探索实现智能的路径，共同推动了人工智能技术的发展。符号主义(Symbolism)像科学家一样思考

依靠逻辑推理与符号操作，试图通过规则和逻辑演绎来模拟人类的理性思维。连接主义(Connectionism)像人类大脑一样学习

依靠人工神经网络，模拟大脑神经元连接结构，通过大量数据的训练学习规律。行为主义(Behaviorism)像动物一样适应环境

强调感知与行动的交互，基于强化学习，通过与环境的互动来优化自身的行为策略。符号主义：让机器像科学家一样思考核心思想智能源于符号运算和逻辑规则。

这是人工智能早期发展的重要理论基石。实现方式由人类专家将领域知识总结为结构化的IF-THEN逻辑规则，并输入计算机，使其基于逻辑推理解决特定问题。通俗理解像教导学生一样，由人“人工”地为机器逐条制定规则和逻辑，让机器按设定好的剧本去“思考”和解决问题。代表成果•专家系统(ExpertSystems)

•早期定理证明程序

(LogicTheorist等)连接主义：让机器像人脑一样学习核心思想智能并非源于简单的逻辑推理，而是源于神经元的连接与学习过程。实现方式模拟人脑神经元结构，构建人工神经网络，通过输入海量数据进行反复训练，自动挖掘数据规律。通俗理解不再由人编写规则，而是让机器自己“学”会如何处理信息。代表成果•图像/语音识别

•深度学习模型

•AlphaGo行为主义：让机器像动物一样适应核心思想：交互与反馈智能并非源于逻辑推理，而是源于与环境的交互和行为反馈的不断积累。实现方式：“感知-行动”闭环利用传感器感知环境→执行行动→根据结果（奖励/惩罚）动态调整策略→不断自我进化。通俗理解：“试错”与生存如同动物的本能，在不断的“试错”中学习规律，遵循“适者生存”的法则来适应外部世界。代表成果自主导航的智能机器人、基于路况实时反馈的自动驾驶汽车。思想碰撞：三大学派的不同方法以“识别猫和狗”为例，直观对比三大学派的核心思路差异符号主义通过编写逻辑严密的规则库来定义特征。这是一种自上而下的、由人赋予机器知识的方法。例如：IF(耳朵是尖的)AND(有胡须)THEN(是猫)连接主义模拟人脑神经网络的学习方式，给机器看几百万张猫和狗的图片，让它在海量数据中自主归纳特征。核心：从数据中“自我进化”，无需人工定义规则。行为主义强调感知与行动的交互反馈。让机器人去真实环境中，通过触摸、观察甚至被“挠痒痒”来区分猫和狗。特点：从“试错”中学习，更贴近生物体的本能。无处不在的人工智能生活领域从智能家居的语音控制、购物平台的个性化推荐，到门禁与支付的人脸识别，AI正让日常生活变得更加便捷、舒适与高效。医疗领域AI辅助影像诊断大幅提升了疾病筛查的准确率与速度，同时在新药研发、基因测序分析等前沿领域发挥关键作用，守护人类健康。交通领域自动驾驶技术正逐步革新人类出行方式，智能交通调度系统则通过大数据实时优化城市路网，有效缓解拥堵，提升通行效率。教育领域利用AI分析学习习惯，实现“千人千面”的个性化学习路径规划；AI辅导老师则能提供全天候的答疑与陪伴，促进教育资源均衡化。AI在生活中的应用：让生活更便捷智能家居通过语音助手控制灯光、空调、窗帘等家电，解放双手，让居住环境更懂你。智能推荐购物、短视频App基于算法分析，精准推荐符合你喜好的商品和内容，节省挑选时间。人脸识别广泛应用于手机解锁、刷脸支付、小区门禁等场景，兼顾了安全性与通行效率。AI在医疗中的应用：守护人类健康AI辅助诊断AI能够快速分析医疗影像（如CT、X光片），识别肉眼难以发现的细微特征，帮助医生更精准地识别病灶，提高诊断准确率与效率。药物研发利用AI强大的数据分析能力模拟药物分子结构，预测其活性与副作用，加速新药筛选与临床试验过程，大幅缩短研发周期并降低成本。健康管理结合智能手环、健康App等可穿戴设备，AI能实时监测心率、睡眠、运动等身体数据，进行风险评估并提供个性化的健康生活建议。AI在交通中的应用：让出行更安全高效自动驾驶汽车通过摄像头、雷达等多种高精度传感器全方位感知周围环境，结合AI算法实时处理数据，从而实现车辆的自主导航、决策和驾驶，大幅降低人为驾驶失误。智能交通调度AI系统可实时采集并分析海量的城市路况数据，动态调整红绿灯时长、优化信号灯配时方案，从而提高道路通行效率，有效缓解高峰时段的交通拥堵状况。AI在教育中的应用：实现个性化学习个性化学习平台基于大数据分析，精准捕捉每位学生的学习情况与进度，为其动态推送匹配度极高的学习内容与针对性习题，拒绝“一刀切”教学。AI辅导老师打破时空限制，提供全天候在线答疑辅导，耐心解答学生的每一个疑问，有效填补课后辅导的空白，成为学生身边的专属学习伙伴。智能评测系统自动完成作业与试卷批改，不仅给出成绩，更深度分析学生的知识点掌握情况，生成可视化的学习诊断报告，辅助教学决策。中国人工智能的发展与贡献奠基性贡献吴文俊院士在机器证明领域的开创性研究，为人工智能发展做出了重要贡献，是中国AI发展的重要基石。国产大模型崛起百度文心一言、阿里通义千问等大模型成功研发，标志着中国在AI基础研究领域已跻身世界先进水平。全球应用领先在人脸识别、智能安防、移动支付等场景化应用领域，中国已处于全球领先地位，极大改变了大众生活。讨论：AI带来的便利与挑战人工智能给我们的生活带来了哪些便利？同时可能带来哪些问题？✨带来的便利提升效率与生活品质优化流程、自动化操作，大幅提升效率，改善生活体验。替代高危/高难度工作处理人类难以完成的危险任务，保障人身安全。提供个性化服务与学习基于大数据分析，提供千人千面的精准体验。⚠️面临的挑战传统岗位的替代与转型重复性工作岗位面临替代，对就业结构产生冲击。个人隐私泄露风险海量数据收集与处理，带来隐私滥用与泄露隐患。虚假信息与“深度伪造”AI生成虚假内容技术日益成熟，混淆视听，增加辨别难度。树立正确的技术观人工智能是一把“双刃剑”，它既推动社会进步，也带来新的挑战。积极学习拥抱新技术，主动适应时代变化，

不断提升自身的