高中二年级信息技术选择性必修“人工智能初步”跨学科项目式教案

高中二年级信息技术选择性必修“人工智能初步”跨学科项目式教案

一、课程重构与顶层设计

（一）教学主题再定义：从“发展史”到“智能跃迁三百年”

本设计基于《普通高中信息技术课程标准（2017年版2020年修订）》“人工智能初步”模块要求，对标2025年清华大学出版社《人工智能通识（高中版）》及华东师范大学出版社“大中小一体化人工智能通识教育教材”高中分册的核心理念，将常规的“人工智能发展史研究路径未来展望课件”优化为更具学科深度与探究张力的新标题。新标题精准锚定高中二年级信息技术选择性必修课程，深度融合通用技术、数学、物理及生涯规划教育，构建以“历史逻辑—技术原理—未来治理”为主轴的跨学科项目式学习单元。本设计共计9课时，采用“大单元教学”模式，以“如果让你向2049年的中国提交一份‘人工智能发展白皮书’，你将如何定义关键节点、剖析核心技术演进路径、预判人机共生社会的伦理框架”为核心驱动问题，彻底打破编年史式的线性讲授，转而以“技术范式跃迁”为纲，引导学生像科学家一样思考，像工程师一样实践，像哲学家一样追问。

（二）教材与学情定位【非常重要】

本单元适用于高中二年级下学期，学生已完成高一必修“数据与计算”“信息系统与社会”模块，具备Python编程基础，对机器学习有初步体验（如通过MediaPipe完成手势识别），但存在三个深层痛点：第一，知识碎片化，只知深度学习“热”，不知符号主义“冷”，难以理解人工智能为何经历两次寒冬；第二，算法黑箱焦虑，能用API但不理解归纳偏置，将模型视为魔法；第三，价值准备不足，对生成式大模型带来的深度伪造、意识拟像缺乏批判性工具。基于此，本设计将“发展史”重构为“研究范式转型史”，将“研究路径”拆解为“三大学派的技术哲学争论”，将“未来展望”升华为“对齐问题与文明尺度”，实现从“科普”到“科理”的认知升维。

二、学科核心素养进阶目标【重要】

（一）信息意识

能够敏锐捕捉技术发展背后的社会需求牵引力，辩证看待“技术热词”与核心未解难题的关系，不盲从技术崇拜，建立“任何智能系统均有边界”的基本判断力。

（二）计算思维

掌握用“抽象—自动化—符号化”框架分析不同历史时期人工智能主流范式的核心机制；能够将图灵机模型、感知机收敛定理、反向传播算法、注意力机制抽象为“计算等价性”层面的思想实验。

（三）数字化学习与创新

具备跨学科调用知识的能力：运用控制论理解强化学习的奖励机制【高频考点】，运用统计物理理解玻尔兹曼机，运用博弈论理解多智能体系统，运用演化生物学理解遗传算法。

（四）信息社会责任【热点】

深度辨析“智能”概念被资本与舆论重塑的过程，理解人工智能伦理从“科幻议题”转变为“工程约束”的紧迫性，能够针对生成式内容的版权归属、自动驾驶的伦理困境提出具有法理依据的个人见解。

三、跨学科知识地图与重点标注

（一）学科本体知识图谱

1人工智能的史前史：从莱布尼茨的“万能语言”到弗雷格的概念文字【基础】

2人工智能的诞生：达特茅斯会议的四位先驱与两种路径【高频考点】【非常重要】

3第一次寒冬：感知机局限与Lighthill报告的冲击【难点】

4专家系统的黄金十年：知识工程与CYC计划【基础】

5连接主义复兴：反向传播与统计学习理论的合流【高频考点】【重要】

6深度学习革命：ImageNet、GPU与端到端学习【热点】

7大模型与涌现能力：规模定律、思维链与尺度智能【前沿热点】

8研究路径分野：符号主义、连接主义、行为主义的哲学预设【核心难点】

9未来治理：对齐问题、可解释性、通用人工智能的可行性论证【顶级热点】

（二）跨学科融合锚点【非常重要】

1数学：使用高一函数单调性概念类比损失函数曲面；使用平面向量理解词嵌入的几何意义；使用概率论中的贝叶斯定理拆解生成式模型的推理过程。

2物理：以熵增定律类比信息论中的交叉熵；以相变现象类比大模型的涌现阈值；以测不准原理启发学生思考可解释性与准确率的制衡关系。

3通用技术：以负反馈调节机制贯通温控系统与强化学习，完成从物理装置到智能算法的抽象迁移。

4思想政治：运用矛盾的特殊性分析不同国家人工智能发展战略的异同；运用认识论解读人工智能能否“理解”语义这一哲学争论。

四、教学实施全过程（核心篇幅）

（一）单元导引课：作为方法的“智能史”——不只是故事，更是范式诊断（1课时）

【教学现场还原】

上课铃响，教师不急于出示课题，而是在大屏幕上投出三张图片：第一张是1956年达特茅斯暑期研讨会的十位科学家的黑白合影，第二张是1997年IBM深蓝战胜卡斯帕罗夫时记录棋谱的示波器，第三张是2025年世界人工智能大会上与真人无异的高保真数字人正在接受采访。教师提出问题：“这三张图片横跨七十年，如果让你用一条曲线描绘人工智能的发展轨迹，是线性上升？是指数爆炸？还是波峰波谷？”学生本能地回答“指数爆炸”。教师并不纠正，而是展示真实的人工智能发展关注度热力图——呈现明显的两次波谷。认知冲突就此产生。

【核心活动：范式诊断工作坊】

学生分为六组，每组领取一个信封，内含该十年的“技术关键词”和“社会评价词”卡片。第一组1940至1950年代：图灵测试、控制论、博弈论；科学万能。第二组1960至1970年代：机器翻译失败、感知机局限；经费削减。第三组1980年代：专家系统、第五代计算机；日本冲击。第四组1990年代：统计学习、支持向量机；理论严谨。第五组2010年代：深度学习、视觉识别；产业落地。第六组2020年代：大模型、生成式；风险与机遇。每组需完成两个任务：第一，从卡片中提炼出该阶段的核心“技术问题”；第二，用一句话诊断该阶段“为什么热”或“为什么冷”。六组汇报后，教师引导学生在黑板上生成“技术问题演变链”——从“机器能思考吗”到“机器能学习有限表示吗”到“机器能从大规模数据中自动提取特征吗”到“机器能模拟人类语言的生成机制吗”。至此，学生第一次意识到：人工智能史不是英雄史，而是问题史；每一次寒冬都是对前一阶段研究范式局限性的一次集体纠错【非常重要】。

【重要等级标注】

人工智能发展三次浪潮与两次寒冬的时间节点及诱因：【高频考点】标注红色

图灵测试的操作定义与哲学争议：【基础】但需与后世对抗生成网络、大模型角色扮演建立联系，避免孤立记忆

达特茅斯提案原文解读：教师展示1955年麦卡锡等人撰写提案的关键段落——每一个着手研究的问题，原则上都可以精确描述，这种描述完全可以用计算机模拟。【难点】在于学生容易忽略该命题隐含的物理符号系统假设，这正是后来与联结主义冲突的根源。

（二）符号主义研究路径：物理符号系统与认知可计算性（2课时）

【第一课时：图灵机与智能的抽象边界】

本课时并非计算机原理课，而是思想实验课。教师在黑板左侧画出图灵机的抽象模型——无限纸带、读写头、状态寄存器，右侧画出学生每天使用的智能手机。提问：“如果图灵机的设计思想是‘用最简单的规则模拟一切复杂计算’，那么智能手机的哪一部分对应纸带，哪一部分对应状态表？”学生通过类比发现：内存对应纸带，CPU对应读写头，操作系统对应状态转移规则。此时教师抛出本课时的核心命题：“图灵测试是否构成智能的充分条件？”引入中文屋思想实验【难点】【高频考点】。教师扮演屋内不懂中文却手持规则书的人，学生扮演屋外输入中文的人。当教师能完美输出符合语法规则的中文语句时，学生是否认为教师“理解”了中文？课堂上瞬间分成两派。教师并不给出标准答案，而是引出符号主义的核心信仰：智能行为可以通过对符号的离散操作来实现，理解和模拟在功能上不可区分。这一结论为后续连接主义的“分布式表征”埋下批判性伏笔。

【第二课时：从逻辑理论家到深蓝——搜索空间的穷举与启发式】

本课时构建数学与人工智能的跨学科桥梁。教师以余弦定理证明的机器证明为例，展示1956年西蒙与纽厄尔的逻辑理论家程序证明了怀特海《数学原理》第二章三十八条定理，其中一条甚至比原著更优美。学生观看原始论文片段，教师用几何画板类比：如果定理证明是在公理空间中寻找路径，那么智能的本质就是搜索。随即引入状态空间图、深度优先搜索、阿尔法贝塔剪枝，并以深蓝为案例——深蓝不是通过深度学习，而是通过暴力枚举加人类大师开局库与精心调参的评估函数。此时学生恍然大悟：原来在深度学习之前，人工智能靠的是人类对问题的结构化建模。教师展示卡斯帕罗夫自传中的一句话：深蓝的某一步棋，让我感觉到智能的寒意，但那是人类的智能通过代码投射出的寒意。本课时结课时，教师请学生用物理学的“势能”概念隐喻符号主义：它假设人类将知识编码为符号规则，如同将水提到高处，程序运行则是重力势能释放的过程。而连接主义则是另一种隐喻：智能不是设计出来的，是从数据中生长出来的。

【重要与高频考点密集区】

物理符号系统假说的六个充分必要条件：【重要】应列尽罗：1符号必须能够指代外部对象；2符号必须能够组合成表达式；3表达式能够通过规则改写为新的表达式；4存在一个生成无限表达式的递归过程；5系统能够将表达式解释为该符号所指代世界中的状态；6具备上述特征的系统是实现智能的充分条件。

专家系统的结构组成：知识库、推理机、解释器、人机接口【基础】但需强调其脆弱性——边界案例处理能力极差，这是规则主义的天花板。

启发式搜索的数学本质：利用领域知识剪枝，降低问题求解复杂度，但无法改变问题的指数复杂度下限【难点】。

（三）连接主义研究路径：从感知机到transformer的范式革命（3课时）

【第一课时：感知机的荣光与挫败——一次关于线性可分性的几何证明】

本课时采用数学实验进路。教师带领学生用Python的matplotlib库随机生成二维平面上的红蓝两类点，要求必须线性不可分，例如同心圆分布或异或分布。学生运行单层感知机模型，发现无论如何调整权重，损失函数始终无法归零。此时教师展示明斯基《感知机》中的数学证明节选：对于异或问题，感知机必须构造一条直线将(0,0)(1,1)与(0,1)(1,0)分开，而这在二维空间中是不可能的。教室内一片寂静——这是理论对实践的判决。教师抓住契机解释为什么这一证明直接导致人工智能第一次寒冬：不仅是因为技术上无法解决，更深层的原因是资助机构对神经网络路径失去信心。这是本单元第一次触及“研究路径”的社会建构维度【非常重要】。教师接着提问：既然单层感知机只能解决线性问题，那如何获得非线性能力？答案是层级与激活函数。学生随即在单层网络后增加一个隐藏层，异或问题迎刃而解。教师不直接给出反向传播公式，而是用“误差的反馈分配”这一核心思想引导学生理解：输出层的错误如何按权重比例分摊给隐藏层的每一个神经元。至此，连接主义的本质浮出水面——它不是用规则去规定，而是用数据去训练；不是自上而下的知识编程，而是自下而上的权重自适应。

【第二课时：深度学习的技术拼图——并非天才一夜之间的灵感】

本课时破除学生对于深度学习的“神话想象”。教师展示时间轴：反向传播算法在1986年由鲁梅尔哈特等人系统论述，但直到2012年AlexNet在ImageNet夺冠才引爆产业革命。中间二十六年发生了什么？学生分组查阅资料后汇报：算力不足、数据匮乏、梯度消失、支持向量机在理论上的优雅性压制。教师以梯度消失为例进行可视化演示——使用TensorFlowPlayground，学生观察隐藏层增加至五层以上时，靠近输入层的权重更新几乎停滞。这是物理中的衰减类比，而非纯粹的编程问题。随后教师引出本课时的核心概念预训练与微调。以BERT模型为例，学生理解“大规模无监督预训练+小规模有监督微调”如何改变了自然语言处理的研究范式。这一范式转移的本质是：不再为每一个具体任务从零开始设计特征、收集数据、训练模型，而是将通用语言能力封装在百亿参数之中，按需调用【热点】。

【第三课时：大模型的涌现与尺度定律——人工智能研究的工程化转向】

本课时是连接主义路径的顶峰，也是通向未来展望的桥梁。教师播放OpenAI的研究员在2020年关于缩放定律的演讲片段：模型性能与计算量、参数量、数据量的幂律关系在双对数坐标下呈现完美的直线，且尚未出现饱和迹象。学生第一次感受到，在人工智能的某些领域，工程投入可以明确预测智能水平的提升。教师提出思辨性问题：“这是否意味着只要无限增加算力，通用人工智能就会自然到来？”学生分为正反双方进行微型辩论。正方引述缩放定律的外推曲线，反方引述神经科学证据——人脑的能耗仅二十瓦，且无需天文数字级别的标注数据。教师不做裁决，而是引出本单元的第三个研究路径作为参照系。

【重要等级标注】

感知机收敛定理与线性不可分问题的严格证明：【高频考点】【非常重要】要求学生不仅记忆结论，还能在二维坐标系中手绘分类边界失败的示意图。

反向传播算法的链式法则本质：与高中数学导数复合函数求导直接关联【跨学科融合锚点】

过拟合与正则化：使用多项式曲线拟合演示，学生观察次数过高时曲线剧烈震荡【难点】

卷积核的生物学渊源：感受野机制受猫视觉皮层实验启发，建立人工智能与生命科学的认知纽带【基础】

自注意力机制的核心计算：用加权求和解释查询、键、值的矩阵运算【热点】【高级难点】此处只要求理解思想实验，不要求手推公式。

（四）行为主义及其他异质路径：被忽视的智能观（1课时）

【打破单一叙事】

本课时旨在祛魅。当学生已经习惯用深度学习理解人工智能时，教师展示完全不同的研究纲领。第一，行为主义：不强调内部表征，只强调智能体与环境的交互反馈。教师播放机器人六足机器人在崎岖地形摔倒后重新站立的学习过程，没有模型、没有预训练，只有基于遗传算法的参数搜索。第二，演化主义：将种群竞争引入算法空间。学生观看康威生命游戏的演化模式，讨论复杂模式是否由自上而下的设计产生。第三，贝叶斯脑假说：将感知与推理建模为信念更新过程，与梯度下降的优化视角形成对照。本课时不追求深度，而是构建认知多样性。学生填写跨路径对比表，从本体论、认识论、方法论三个维度辨析三大学派的核心分歧。例如，符号主义认为世界是事实的总和，连接主义认为世界是连续信号的分布，行为主义认为世界是感知—行动回路。这一哲学层面的追问，直接服务于本单元标题中的“研究路径”四字【核心目标】。

【重要等级标注】

强化学习中奖励假设与斯金纳箱的类比：【基础】【跨学科】

遗传算法的选择、交叉、变异算子与生物进化论的同构关系：【基础】

三大学派对“什么是智能的根本问题”的不同回答：【顶级难点】【思辨核心】

（五）未来展望与伦理治理：对齐问题与人类文明的新尺度（2课时）

【第一课时：技术预见——从生成式到代理式再到物理具身】

本课时采用未来实验室模式。学生基于前七课时积累的研究范式分析框架，以小组为单位绘制2040年人工智能技术路线图。教师提供若干种子技术卡片：世界模型、神经符号系统、类脑计算、量子机器学习、情感计算、可解释性芯片。每组需论证所选技术路径是对符号主义、连接主义还是行为主义的继承或超越，并预测该路径在十五年内可能遭遇的“寒冬诱因”。例如，选择神经符号系统的小组需要回答：符号主义曾因知识工程瓶颈遇冷，神经符号系统如何规避这一历史陷阱？选择类脑计算的小组需要回答：脉冲神经网络目前精度低于Transformer，是否愿意接受三十年以上的研发周期？本课时并非幻想作文，而是严格基于技术发展的历史类比与工程约束推演【非常重要】。教师点评时引入“技术成熟度曲线”工具，帮助学生区分炒作顶点与生产成熟期的客观规律。

【第二课时：对齐危机与文明尺度——人工智能伦理的工程化转向】

本课时是全单元的思想制高点。教师不再讨论算法细节，而是展示两个场景：第一个场景，生成式人工智能伪造某政治人物的演讲视频，检测工具与生成工具的对抗持续升级；第二个场景，推荐算法将极端化内容精准投喂给具有潜在心理危机的青少年，平台责任如何界定。学生此前在信息技术课中接触过信息安全、隐私保护等概念，但本课时将伦理问题重新定义为“价值对齐问题”——即人工智能系统的目标函数是否与人类的长远福祉兼容【顶级热点】【非常重要】。教师介绍逆强化学习与基于人类反馈的强化学习的基本逻辑：我们不再试图写出完美的伦理准则，而是让模型在海量的“什么回答更好”的人类偏好数据中学习隐含的价值排序。这一技术转向的意义在于：伦理问题不再仅仅是法律学者或哲学家书斋里的思辨，而是变成了可以通过基准测试、红队攻击、可解释性工具进行工程化度量的问题。学生最后完成一份微型写作任务：以《给2049年人工智能架构师的一封信》为题，阐述当下你认为最重要的一条对齐原则。有学生写道：请务必保留模型困惑的能力，一个永远自信的系统比一个偶尔出错的系统更危险。教师不做优劣评判，只是将这些文字封存在班级数字时间胶囊中，待三年后高考结束时启封。

【重要等级标注】

生成式人工智能的三大伦理风险：深度伪造、算法偏见、信息茧房【热点】【高频考点】

可解释性人工智能的两条技术路线：事后解释与内生可解释【难点】

通用人工智能的两种立场：加速主义与对齐主义【思辨核心】

中国在人工智能全球治理中的原则主张：以人为本、智能向善【基础】【德育渗透】

（六）单元成果展评：人工智能发展白皮书听证会（1课时）

【项目化学习成果输出】

本单元第九课时为综合性表现性评价。六个小组依次模拟国务院发展研究中心、中国科学院、科技企业伦理委员会、高校人工智能学院、科幻作家协会、高中生模拟政协六个身份，向由教师及特邀外校专家组成的听证委员会陈述本小组编制的《人工智能发展白皮书（简版）》。白皮书必须包含三个章节：历史转折点的重新解读、当前最优技术路径的分析研判、未来五年最值得警惕的风险与最值得期待的突破。每个小组陈述八分钟，答辩四分钟。评价量规从历史理解的深刻性、技术分析的准确性、伦理预见的周密性、跨学科证据的丰富性四个维度展开。例如，模拟科幻作家协会的小组从阿西莫夫机器人三定律的漏洞切入，论证现代人工智能伦理需要增加第四条定律——透明性原则；模拟国务院发展研究中心的小组则运用产业生命周期理论，判断我国在人工智能芯片制造领域的追赶窗口期。本课时的核心目的在于将全单元所学知识统整为可迁移的问题解决能力，并赋予学生以参与国家科技战略讨论的代入感与责任感。

【总复习与考点全覆盖】

在听证会结束后，教师以思维导图形式进行单元知识结构化复盘。所有核心知识点按【高频考点】【难点】【热点】【基础】进行色块区分。学生发现，本单元完全没有孤立地背诵人工智能发展史年代和人物，而是在一次次范式诊断、技术权衡、伦理辨析中将这些知识内化为分析工具。这正是新课标所倡导的“以学科大概念为核心，使学科内容结构化、情境化”的实践路径。

五、作业系统与持续性评价

（一）课前预习任务单

每课时前发放不列颠百科全书式词条三则，要求学生以维基百科编辑身份，修订其中表述不准确或过时的技术描述。例如，在感知机词条中，原表述为神经网络由单层感知机发展而来。学生需修正为：单层感知机是神经网络的原型，但因无法解决线性不可分问题曾陷入长期停滞，现代神经网络的特指多层感知机及变体。此项训练精准指向高考评价体系中对核心概念精准辨析的要求。

（二）课后分层作业

基础层（全部完成）：绘制二十世纪人工智能发展大事记时间轴，标注各阶段主导研究范式及其核心主张。【基础】

进阶层（选做）：使用Python调用HuggingFace的transformers库，完成文本情感分类任务，并撰写技术笔记，重点反思“预训练—微调”范式与上世纪专家系统知识工程范式在知识获取途径上的本质差异。【重要】

挑战层（鼓励跨班组队）：阅读图灵1950年论文《计算机器与智能》原文节选，结合2025年大模型在心理推理任务上的表现，撰写三千字以内的微型论文，回应“图灵测试是否已通过”这一争议性命题。【高阶挑战】

（三）单元测验设计

不设置死记硬背的选择题。闭卷部分提供一段虚构的1958年媒体对感知机的新闻报道，要求学生依据历史事实指出报道中的技术乐观主义谬误；开卷部分提供某推荐算法的用户界面截图，要求学生运用本单元所学，从数据、模型、交互三个层面设计改进方案以缓解信息茧房效应。

六、教学资源与环境配置