人工智能导论-技术、应用及伦理 理论教案 倪波 第1、2章 人工智能概况、生成式大模型

人工智能通识课教学设计课程名称：人工智能通识课授课年级：大二各年级授课学期：2026-2027学年第1学期教师姓名：任课教师专业类别：理工科（非计算机类）上课地点：多媒体教室总学时：48学时（理论16+实验32）使用教材：人工智能导论日​期：2026年09月教案正文课题名称第1章人工智能概况计划学时3学时内容分析本章作为全课程的导引，旨在帮助学生建立对人工智能（AI）的整体认知框架。

内容涵盖AI的定义与分类（弱AIvs强AI）、发展"三起三落"历程、

三大学派（符号主义/连接主义/行为主义）的思想争鸣、驱动AI发展的三大要素（算法/算力/数据），

以及我国AI发展的路径与格局。通过本章学习，学生将理解AI"能做"与"不能做"的能力边界，

树立"科技自立自强"的信念与"以人为本、智能向善"的伦理意识，为后续章节奠定基础。思政融入通过介绍我国在全球AI浪潮中从"追赶者"迈向"定义者"的历程

（DeepSeek开源模型、华为昇腾算力、算电协同等），

增强学生的民族自豪感与科技自立自强的使命感；

通过探讨AI的伦理边界（幻觉、偏见、隐私），

引导学生树立"以人为本、智能向善"的技术价值观。一、教学目标及基本要求【知识目标】·理解人工智能的经典定义、弱人工智能与强人工智能的本质区别；·掌握符号主义、连接主义、行为主义三大流派的核心观点及融合趋势；·熟悉人工智能发展历程中的"三起三落"关键节点与标志性事件；·深刻理解算法、算力、数据"三要素"的内涵及其协同关系；·了解我国人工智能在国家战略、区域布局及产业应用层面的最新发展格局。【能力目标】·能够运用多元智能理论辨析当前人工智能的能力边界与技术局限；·能够结合智能制造、智慧农业等典型案例，分析AI技术解决行业痛点的逻辑路径；·具备初步的产业洞察力，能识别核心技术挑战，并辩证看待技术发展的机遇与风险。【素养目标】·树立"科技自立自强"的信念，增强民族自豪感与使命感；·强化"以人为本、智能向善"的伦理意识，明确技术应服务于人类福祉；·确立正确的技术价值观，认识到人工智能是"人类能力的放大器"而非"替代者"。二、教学重点、难点与教学方式教学重点1.人工智能的定义与弱/强AI分类；

2.人工智能发展"三起三落"的关键节点；

3.算法、算力、数据三要素的内涵与协同关系；

4.我国AI发展的路径特征与战略布局。教学难点1.三大学派的思想差异与协同机制；

2.深度学习与大模型在第三次AI高潮中的历史地位；

3.如何引导学生辩证看待AI的能力边界。教学方式教学采用教师课堂讲授为主，结合教学PPT、短视频与互动讨论进行讲解；

通过"机器识别水果"等生活化案例，帮助学生理解三大学派的协同机制；

安排课堂讨论环节，引导学生思考AI的伦理边界与未来挑战。三、教学过程第一课时（人工智能的定义、分类与智能本质）1.创设情境，导入新课(1)教师播放短视频（1-2分钟）：展示手机语音助手、导航避堵、AI绘画等日常场景，引出问题："这些神奇的能力背后，究竟是什么技术在驱动？"(2)教师提问：①"你们认为什么是智能？人类智能和人工智能有什么不同？"②"你们用过哪些AI工具？它们让你印象最深刻的能力是什么？"(3)明确本章学习目标：了解AI的定义与分类、理解AI的发展历程与三要素、认识我国AI发展格局、思考AI的伦理边界。2.进行重点知识的讲解（1）人工智能的定义教师讲解：人工智能是一门让机器能够像人一样"看、听、说、想、做"的技术科学。引用国家标准GB/T41867-2022的定义："通过模拟、延伸和扩展人类智能，实现感知、认知、决策与执行的综合技术与系统"。互动提问："你们觉得AI的智能，和人类说的智能是一回事吗？"引出霍华德·加德纳的多元智能理论。多元智能理论（加德纳八种智能类型）智能类型通俗解释典型表现语言智能对文字的敏感度和运用能力作家、诗人、演说家逻辑-数学智能对数字、逻辑关系的敏感度科学家、工程师、程序员空间智能对形状、色彩、空间的感知能力画家、建筑师、飞行员肢体-动觉智能用身体表达想法或动手操作的能力舞蹈家、运动员、外科医生音乐智能对音调、节奏、音色的敏感度音乐家、作曲家人际智能理解他人、与人合作的能力教师、销售员、心理咨询师内省智能认识自己、了解自己感受的能力哲学家、作家、优秀管理者自然观察智能识别和分类自然万物的能力植物学家、农民、厨师（2）人工智能的主要分类（弱AIvs强AI）教师讲解：当前所有实用AI系统都属于"弱人工智能"——专精于特定任务，不具备真实理解与自我意识。弱AI实例：人脸识别、语音助手、下棋程序——在各自领域可能超越人类，但换个任务就无能为力。强AI（AGI）愿景：具备通用认知能力，能跨领域迁移知识，拥有真实理解——目前仍处于探索阶段。课堂讨论："你们认为我们这辈子能看到真正的强AI出现吗？如果出现了，会带来哪些机遇和风险？"3.归纳总结，布置课后作业(1)课堂小结：回顾本节课核心知识点——AI的定义（国标）、多元智能理论的八种类型、弱AI与强AI的本质区别。(2)随堂练习（口头作答）：①"请举出一个你们日常生活中接触的弱人工智能应用，并说明它属于多元智能中的哪一类？"②"你认为目前的大语言模型（如DeepSeek）属于弱AI还是强AI？为什么？"(3)课后作业：阅读教材第1章1.1节，思考并完成教材"思考题"；预习1.2节（发展历程与三要素）。第二课时（发展历程、三大学派与三要素）1.回顾上节课内容，明确本节课学习目标(1)教师答疑：针对上节课作业中的共性问题进行解答。(2)快速回顾：AI的定义、弱AI与强AI的区别、多元智能理论。(3)明确本节课目标：了解AI发展"三起三落"历程、理解三大学派的核心观点、掌握算法/算力/数据三要素。2.进行重点知识的讲解（1）人工智能的主要学派（符号主义/连接主义/行为主义）教师讲解三大学派的核心观点，并用"机器识别水果"的生活化案例帮助理解：符号主义（逻辑学派）："先想清楚，再行动"——类比："查字典做题"。连接主义（神经网络学派）："多练就会了"——类比："婴儿学说话"。行为主义（控制论学派）："干中学，学中干"——类比："训练小狗"。协同机制：今日大模型以连接主义为主，同时融合符号主义的规则推理与行为主义的交互学习。（2）人工智能发展历程："三起三落"第一次高潮（1956-1974）：达特茅斯会议（AI元年）、LISP语言、定理证明程序。→第一次寒冬（1974-1980）：算力不足、数据匮乏、莱特希尔报告导致经费削减。第二次高潮（1980-1987）：专家系统兴起（XCON）、霍普菲尔德神经网络复兴。→第二次寒冬（1987-1993）：LISP机市场崩塌、专家系统维护成本高昂。第三次高潮（1993-至今）：IBM深蓝（1997）→ImageNet（2009）→Hinton深度学习（2012）→AlphaGo（2016）→大模型爆发（2020s）。课堂互动："为什么AI每次寒冬之后都能迎来更强大的复苏？这说明了什么？"（3）人工智能的三要素（算法/算力/数据）算法——"思考方式"：决定机器如何分析数据、学习规律、做出决策。深度学习让机器"从经验中学习"。算力——"体力支撑"：GPU的并行计算能力是AI训练的关键。类比："CPU像一位教授，GPU像一支中学生队伍"。数据——"学习原料"：ImageNet被称为深度学习的"启蒙教材"。数据质量直接影响模型表现。三者协同关系：更好算法→需要更强算力→需要更多数据→催生新算法，形成正向循环。3.归纳总结，布置课后作业(1)课堂小结：三大学派的核心差异、AI发展三起三落的里程碑事件、三要素的协同关系。(2)随堂练习：①"请用生活中的一个例子，分别说明符号主义、连接主义、行为主义的思想。"②"你认为算法、算力、数据三者中，哪个是我国最具优势的领域？哪个是最需要攻关的领域？"(3)课后作业：阅读教材1.2节，整理一份"AI发展大事年表"（不少于10个关键事件）；预习1.3节（应用领域）。第三课时（应用领域、我国发展路径与能力边界）1.回顾上节课内容，明确本节课学习目标(1)教师答疑：针对"AI发展大事年表"作业中的共性问题进行点评。(2)快速回顾：三大学派、三起三落、三要素。(3)明确本节课目标：了解AI在制造、医疗、农业、教育等领域的应用；认识我国AI发展的路径与格局；思考AI的"能做"与"不能做"。2.进行重点知识的讲解（1）人工智能的典型应用场景智能制造：工业智能体（免示教焊接）、具身智能（人形机器人）、AI-MES（实时动态调度）、生成式AI助手（工厂Copilot）。智慧医疗：医学影像辅助诊断（AI"第二双眼睛"）、大模型临床决策支持、慢病管理AI、医院运行管理智能系统。智慧农业：精准种植（卫星遥感+无人机）、智能育种（AI基因图谱，育种周期缩短50%以上）、授粉机器人。智慧教育：AI助教（个性化学习路径）、AI学伴（24小时答疑）、校园公共管理智能化。课堂讨论："结合你们自己的专业背景，谈一谈AI可能在你们未来的职业生涯中扮演什么角色？"（2）我国人工智能的发展路径与全球格局算法层面：DeepSeek系列模型走出"低资源消耗、高智力产出"新路，开源模型在全球开发者社区广泛传播。数据层面：从"海量"转向"高质量"，通过AI生成合成数据反哺模型训练，突破优质语料瓶颈。算力层面：华为昇腾系列芯片走出"芯片+集群+软件栈"系统工程道路；"算电协同"首次写入2026年政府工作报告。区域布局：北京（科研策源）、上海（金融+科技）、深圳（硬核攻坚）、杭州（民营活力）为第一梯队。（3）人工智能的"能为"与"不能为"AI"能为"：处理海量信息、识别复杂模式、执行高重复性任务——是人类的"能力放大器"。AI"不能为"：没有真实理解（只是统计关联）、会产生"幻觉"、没有真实情感、不会主动思考"应该做什么"。核心结论：AI是"人类能力的放大器"，而非"替代者"。技术发展需要"发展与治理并重"，坚持"以人为本、智能向善"。课堂讨论（思辨）："如果AI帮你写了一篇论文，但这篇论文的观点是AI生成的，你是否真正学会了这个知识？为什么？"3.归纳总结，布置课后作业(1)课堂小结（思维导图回顾）：AI定义与分类→发展历程三起三落→三大学派→三要素协同→应用场景→我国发展路径→能力边界与伦理。(2)随堂练习：①"请用一句话概括本章最让你印象深刻的知识点，并说明原因。"②开放题："你认为AI对未来10年最大的影响会是什么？你对此感到期待还是担忧？"(3)课后作业（个人小结）：写一篇不少于500字的学习心得，题目为《AI时代的我：机遇、挑战与准备》，要求结合自身专业背景，谈对AI能力边界的认识和未来规划。(4)预习下一章：第2章生成式大模型：从对话到创造。四、教学反思（课后填写）教学效果自评达成预期目标基本达成需改进（请说明：）学生反馈亮点改进措施人工智能通识课教学设计课程名称：人工智能通识课授课年级：大二各年级授课学期：2026-2027学年第1学期教师姓名：任课教师专业类别：理工科（非计算机类）上课地点：多媒体教室总学时：48学时（理论16+实验32）使用教材：人工智能导论日期：2026年09月教案正文课题名称第2章生成式大模型计划学时3学时内容分析本章系统讲解生成式大模型的定义、技术原理与应用实践。

内容涵盖大模型的三阶段训练（预训练→指令微调→RLHF）、

文本型与多模态大模型的分类体系、提示词工程四要素与六大模板（四基础+两进阶）、

大模型在Word/PPT/Excel办公场景的应用、风险识别与验证机制，

以及学术诚信、隐私保护和责任归属三大使用准则。

通过本章学习，学生将建立"人机协同、以人为主"的正确使用观。思政融入通过介绍提示词工程的方法论，培养学生"清晰表达需求、精准获取结果"的结构化思维；

通过"大模型的能耗账本"扩展阅读，引导学生思考AI技术的资源代价，

培养可持续使用意识；通过学术诚信与隐私保护的讨论，

强化学生的责任意识与伦理判断力。一、教学目标及基本要求【知识目标】·理解生成式大模型的基本定义、技术原理与三阶段演进逻辑（预训练→指令微调→RLHF）；·掌握文本型与多模态大模型的分类体系，了解开源/闭源模型的差异与典型代表；·掌握提示词工程的核心四要素（背景、任务、约束、格式），熟悉基础与进阶提示词模板的适用场景。【能力目标】·能够针对学习与工作中的常见场景（论文写作、PPT制作、Excel数据处理），独立设计有效的提示词；·能够运用角色扮演、迭代优化等进阶模板，实现与大模型的多轮协作，持续改进输出质量；·能够识别大模型输出的潜在错误（事实错误/逻辑谬误/偏见），运用交叉验证、反向提问等方法进行核实。【素养目标】·树立"人机协同、以人为主"的技术使用观，强化学术诚信意识与责任担当；·培养数据隐私保护意识，不向模型上传敏感个人信息与未公开成果；·理解技术局限与伦理边界，在享受技术便利的同时保持批判性思维，做到善用技术而不盲从技术。二、教学重点、难点与教学方式教学重点1.生成式大模型的三阶段训练（预训练→指令微调→RLHF）及其技术原理；

2.提示词工程四要素与四大基础模板的实战运用；

3.大模型辅助Word/PPT/Excel等办公场景的实操方法；

4.风险识别三大验证机制（交叉验证/反向提问/常识检验）。教学难点1.理解"生成式大模型是概率预测工具而非真正思考者"这一本质认知；

2.从""能用""到""用好""——如何设计高质量提示词并获得预期输出；

3.如何引导学生在学术场景中合理使用AI而非滥用。教学方式教师课堂讲授为主，结合大模型工具（如DeepSeek/豆包/Kimi）进行"即讲即练"的课堂演示；

安排课堂实践环节，学生现场设计提示词并验证输出效果；

通过"选课决策"等贴近学生生活的案例，引导讨论AI使用中的伦理边界。三、教学过程第一课时（生成式大模型概述）1.创设情境，导入新课(1)教师提问："你们用过哪些AI工具？它们让你印象最深刻的功能是什么？"引出本章主题。(2)播放短视频：展示大模型从写文章、做PPT到生成代码的多样化能力，激发学生好奇心。(3)明确学习目标：理解大模型"是什么""怎么训练出来""怎么用好它"。2.进行重点知识的讲解（1）生成式大模型的定义与内涵教师讲解：生成式大模型≈从海量数据中学习到的规律+深度神经网络+内容生成能力。它不是搜索工具——不是在已有信息中查找答案，而是基于数据学习、创造全新内容。拆解两个关键词："生成式"（Generative）=创造新内容，而非检索已有信息；"大模型"（LargeModel）=参数规模庞大（数十亿至数千亿）、具备理解上下文和跨领域迁移的能力。（2）技术原理：三阶段训练预训练阶段（Pre-training）：在海量公开文本上进行自监督学习，掌握语法、常识和逻辑关联——相当于"阅读图书馆里所有的书"，打下通识能力基础。指令微调阶段（InstructionTuning）：用高质量任务数据（问答对、写作指令、代码片段）进行有监督微调——从"懂知识"变成"会干活"。人类反馈强化学习（RLHF）：模型生成多个答案→人工排序→模型学习排序结果——教会模型说"人话"，避免危险、偏见或不当内容。核心认知：大模型本质上仍是一个基于概率统计的预测模型，没有意识、没有情感、没有真正的理解。（3）生成式大模型的分类分类维度类型核心特征典型代表模态能力文本型大模型专注自然语言理解与生成GPT系列、Qwen、Kimi、DeepSeek模态能力多模态大模型支持图文、音视频跨模态理解与生成Sora（视频）、DALL·E（图像）、通义万相应用领域通用大模型面向广泛场景，全面通识能力Claude3、文心一言、Llama3应用领域行业大模型在通用基座上垂直领域微调医疗/法律/科研大模型开放程度开源大模型权重与代码公开，支持本地部署Llama系列、Qwen开源版、ChatGLM开放程度闭源大模型仅提供API接口，参数不公开GPT-4、文心一言旗舰版3.归纳总结，布置课后作业(1)课堂小结：生成式大模型的定义、三阶段训练逻辑、分类体系。(2)随堂练习：请用自己的话解释"为什么大模型不是真正的思考者"。(3)课后作业：注册DeepSeek或豆包账号，尝试问5个不同领域的问题，记录对比它们的回答质量；预习2.2节提示词工程。第二课时（提示词工程）1.回顾上节课内容，明确本节课学习目标(1)快速回顾：三阶段训练、大模型分类体系。(2)教师引言："大模型就像一位知识渊博但毫无背景信息的超级实习生——你得学会怎么跟它说话。"引出提示词工程。2.进行重点知识的讲解（1）提示词工程核心四要素背景信息（Context）：明确角色——"任务是教学讲师"还是"创意文案撰写者"？具体任务（Task）：清晰描述——是总结、翻译、解决方案还是问题诊断？约束条件（Constraints）：篇幅/风格/结构/规避词汇等执行标准。输出格式（Format）：表格/列表/JSON/Markdown等最终交付形式。（2）四大基础模板（课堂即讲即练）基础查询模板（"问什么+啥基础+怎么讲"）：快速理解陌生概念。公式：【查询主题】+【用户背景】+【信息要求】。例："我是文科生无编程基础，请用生活比喻解释算法概念，不超过3个核心特点+1个例子。"任务执行模板（"给材料+说要求+定格式"）：处理总结/翻译/整理数据等具体任务。现场演示：学生口述一段课程论文初稿内容，教师输入大模型，当场展示润色效果。创意生成模板（"做啥的+啥条件+啥风格+给几个"）：头脑风暴、写文案。例：为新生团建活动设计破冰方案。分析决策模板（"遇难题+定维度+设标准+求建议"）：辅助理性判断。例：从4门通识选修课中选出2门，多维度对比评分。（3）两大进阶模板角色扮演模板（"当什么专家+做什么事+什么标准+变成啥样"）：赋予AI专家身份，获取专业级输出。例：以"资深计算机考研辅导老师"身份梳理二叉树考点。迭代优化模板（"针对什么+往哪改+有何限制+变成啥样"）：精准打磨已有成果。例：优化"互联网+"大赛项目简介，突出差异化优势。3.归纳总结，布置课后作业(1)课堂小结：四要素→四基础模板→两进阶模板，形成"基础+进阶"的提示词体系。(2)随堂练习：用"任务执行模板"设计一段提示词，让大模型帮你总结本学期任意一门课的学习笔记。(3)课后作业：尝试用大模型辅助完成一份课程PPT大纲（用创意生成模板），记录提示词设计过程和输出效果；预习2.3节应用实践。第三课时（应用实践、风险识别与使用准则）1.回顾上节课内容，明确本节课学习目标(1)教师答疑并点评课后作业中的优秀提示词案例。(2