《信息技术与人工智能甘肃省规》教案 项目六

PAGE10PAGE10PAGE11PAGE11课题项目六智能时代引擎——人工智能基础课时6课时（270min）教学目标知识目标：（1）了解人工智能的发展历程、基本特征和分类。（2）熟悉人工智能的应用领域。（3）了解人工智能的核心要素。（4）熟悉人工智能的关键技术。技能目标：能够使用合适的人工智能工具解决实际问题。素养目标：（1）加强对新一代信息技术的了解，增强探究意识。（2）了解人工智能技术对社会发展的影响，树立正确的科技价值观。教学重难点教学重点：人工智能的发展历程、基本特征和分类；人工智能的核心要素。教学难点：使用合适的人工智能工具解决实际问题。教学方法问答法、讨论法、讲授法、演示法教学用具电脑、投影仪、多媒体课件、教材教学过程主要教学内容及步骤项目导读【教师】简要介绍人工智能，播放相关视频并提问【学生】聆听、观看视频、思考、举手回答第1、2课时考勤【教师】清点上课人数，记录好考勤【学生】班干部报请假人员及原因任务导入【教师】讲解相关内容并布置课程学习任务，引入要讲的知识人工智能自诞生以来，经历了数次高潮与低谷的起伏。从早期的逻辑推理到如今的深度神经网络，人工智能已经成为推动科技发展的重要力量，被广泛应用于各行各业。首先学习人工智能的发展历程、基本特征、分类和应用领域，然后通过使用文心一言生成旅游攻略，感受人工智能给人们生活带来的便利。【学生】聆听、思考、理清学习任务与学习目标传授新知任务一初识人工智能一、人工智能的发展历程【教师】通过多媒体讲解人工智能的发展历程人工智能（artificialintelligence,AI）是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用的一门学科。具体来说，人工智能就是让机器像人类一样具有感知能力、思考能力、沟通能力、判断能力等，从而更好地为人类服务。人工智能的发展主要经历了

7

个时期，依次是孕育期、起步发展期、反思发展期、应用发展期、低迷发展期、稳步发展期和蓬勃发展期。【教师】通过多媒体播放视频——图灵测试、ENIAC，并讲解相关内容【学生】思考、观看视频二、人工智能的基本特征【教师】通过多媒体讲解人工智能的基本特征人工智能的核心是对人类意识和思维过程的模拟，其基本特征主要有以下几点。1．为人类服务2．具有感知能力3．具有交互能力4．具有学习、自适应和泛化能力三、人工智能的分类【教师】通过多媒体讲解人工智能的分类按智能程度不同，可将人工智能分为弱人工智能、强人工智能和超人工智能

3

大类。1．弱人工智能2．强人工智能3．超人工智能【教师】通过多媒体播放视频，并提问【学生】思考、举手回答四、人工智能的应用领域【教师】通过多媒体讲解人工智能的应用领域人工智能的发展为许多传统行业注入了新的动力。通过与传统行业进行深度融合，人工智能可以为这些行业提供新的解决方案，提高各行业的服务质量。如今，人工智能已经在医疗、交通、教育、制造、农业、安防、家居等多个领域展现出了独特的优势和巨大的潜力。1．人工智能+医疗2．人工智能+交通3．人工智能+教育4．人工智能+制造5．人工智能+农业6．人工智能+安防7．人工智能+家居【拓展阅读】人工智能等新技术的普及应用，催生了一系列新兴职业，为人们带来了新的就业机会。2022

年，人力资源和社会保障部、国家市场监督管理总局、国家统计局联合颁布了新修订的《中华人民共和国职业分类大典》。新版大典的一个亮点就是首次标注了数字职业。其中，与人工智能密切相关的职业主要有人工智能工程技术人员、智能制造工程技术人员、虚拟现实工程技术人员、人工智能训练师等。2024

年，人力资源和社会保障部、国家市场监督管理总局、国家统计局联合向社会发布了

19

个新职业，其中与人工智能密切相关的新职业有智能网联汽车测试员、智能制造系统运维员、生成式人工智能系统应用员等。【学生】聆听、记录、理解任务实施【教师】通过多媒体引出本次任务实施的主题——使用文心一言生成旅游攻略，并讲解【教师】引导同学扫码观看微课——使用文心一言生成旅游攻略【学生】扫码观看【学生】聆听、操作、讨论课堂小结【教师】简要总结本节课的要点【学生】总结回顾知识点作业布置【教师】布置课后作业请根据课堂上所学知识，完成教材课后练习。本课作业布置二维码老师用文旌课堂APP扫描此码，即可进行线上作业布置【学生】完成课后任务第3、4课时考勤【教师】清点上课人数，记录好考勤【学生】班干部报请假人员及原因任务导入【教师】布置课程学习任务，引入要讲的知识人工智能的

3

个核心要素分别是数据、算法和算力，这三者相互协作，共同促进了人工智能的进步。首先学习数据、算法、算力的相关内容，然后通过使用智谱清言分析体测数据，练习使用人工智能工具处理数据的方法。【学生】理清学习任务与学习目标传授新知任务二了解人工智能的核心要素一、数据【教师】通过多媒体讲解数据在人工智能领域，数据是指计算机程序加工的“原材料”。1．数据的分类按不同的分类标准，可将数据分为不同类型。（1）按在人机交互中的呈现方式不同，可将数据分为数值数据、文本数据、音频数据、图像数据、视频数据等。（2）按结构不同，可将数据分为结构化数据、非结构化数据、半结构化数据。2．数据处理流程数据是信息的载体，要想从数据中获取有用的信息，通常需要对数据进行处理。一般来说，数据处理流程主要包括数据采集、数据预处理、数据存储与管理、数据挖掘与分析、数据可视化与应用。（1）数据采集。（2）数据预处理。（3）数据存储与管理。（4）数据挖掘与分析。（5）数据可视化与应用。二、算法【教师】通过多媒体讲解算法算法就是解题的方法。从计算机的角度来说，算法是指由若干条指令组成的有穷序列。1．算法的特点一个算法通常具有以下

5

个特点。（1）可输入。（2）有输出。（3）有穷性。（4）确定性。（5）可行性。2．算法的实现算法的实现主要包括问题分析、数据准备、算法设计、编程实现、结果验证、算法优化等步骤。（1）问题分析。（2）数据准备。（3）算法设计。（4）编程实现。（5）结果验证。（6）算法优化。【知识库】对人工智能而言，算法就像汽车的引擎，是驱动其学习和决策的核心动力。无论是搜索引擎中网页排名的计算，还是社交网络中个性化推荐系统的构建，都离不开算法的支撑。常见的人工智能算法包括线性回归、逻辑回归、决策树、支持向量机、神经网络等。三、算力【教师】通过多媒体讲解算力1．算力的定义算力即计算能力，是支撑人工智能算法运行和数据处理的基础。2．算力的分类按使用设备和提供算力的强度不同，可将算力分为基础算力、智能算力和超算算力。（1）基础算力。（2）智能算力。（3）超算算力。3．算力的核心——芯片算力的核心是芯片。芯片是设备执行各种计算任务的基础，它的性能直接决定了设备的算力。因此，芯片技术的进步对于算力的提升至关重要。CPU

是计算机中最常见的芯片之一，它能够处理各种类型的任务（如运行操作系统、执行应用程序、编辑文档、浏览网页等），但在执行大规模的并行计算任务时效率较低。【知识库】CPU

的算力受架构、处理器核心数量等多种因素影响。其中，CPU

的架构（如

x86、ARM

等）决定了其内部如何处理指令和数据，CPU

架构不同，其算力也不同；处理器核心数量代表了

CPU

的并行计算能力，通常情况下，处理器核心数量越多，CPU

的算力越强。随着科技的发展，CPU

提供的算力逐渐无法满足各种应用迅速增长的算力需求。芯片发展的方向愈发向专用性靠拢，以寻求更高的性能、更低的能耗和成本。为此，GPU、FPGA、ASIC

等芯片开始与

CPU

协同工作，共同提升设备的整体算力。（1）GPU。（2）FPGA。（3）ASIC。虽然

GPU、FPGA

和

ASIC

都可以为人工智能应用提供智能算力，但它们各自具有不同的优缺点，在人工智能中的适用阶段也不同。4．算力的载体——服务器服务器是算力的基本载体和硬件根基，通常是指具有较高计算能力、能够供多个用户使用的计算机。随着技术的不断发展，出现了专为人工智能设计的高性能服务器，即人工智能服务器。人工智能服务器采用了异构硬件架构，通过将

CPU

与

GPU、FPGA、ASIC

等芯片组合的方式，为人工智能应用提供强大的算力支持，支撑人工智能模型的训练和推理。随着算力需求的进一步增长，单一的服务器逐渐演变成了由大量服务器组成的集群，进而形成了包含网络设施、安全措施、环境控制及灾难恢复计划等一系列配套设施和服务的生态系统，也称数据中心。按算力种类不同，可将数据中心分为通用数据中心、智算数据中心和超算数据中心。【学生】聆听、记录、理解任务实施【教师】通过多媒体引出本次任务实施的主题——使用智谱清言分析体测数据，并讲解【教师】引导同学扫码观看微课——使用智谱清言分析体测数据【学生】扫码观看【学生】聆听、操作、讨论课堂小结【教师】简要总结本节课的要点【学生】总结回顾知识点作业布置【教师】布置课后作业请根据课堂上所学知识，完成教材课后练习。本课作业布置二维码老师用文旌课堂APP扫描此码，即可进行线上作业布置【学生】完成课后任务第5、6课时考勤【教师】清点上课人数，记录好考勤【学生】班干部报请假人员及原因任务导入【教师】布置课程学习任务，引入要讲的知识人工智能并非凭空出现的，其核心是多项关键技术的系统化融合：机器学习赋予机器从数据中学习规律的能力，深度学习通过神经网络实现了更复杂的模式识别，自然语言处理让机器理解并生成人类语言，计算机视觉教会机器“看懂”世界，知识图谱则为这些技术注入结构化的常识与逻辑，让机器能够理解概念之间的关联与意义。这些技术相互交织、协同演进，共同构成了人工智能的核心引擎。首先学习机器学习、深度学习、自然语言处理、计算机视觉、知识图谱的相关内容，然后通过使用豆包分析图片，熟悉人工智能的关键技术。【学生】理清学习任务与学习目标传授新知任务三熟悉人工智能的关键技术一、机器学习【教师】通过多媒体讲解机器学习机器学习（machinelearning）是指使计算机能像人类一样学习，以获取新的知识或技能，并能够重新组织已有的知识结构，从而不断改善自身性能。机器学习的本质是利用统计方法让机器通过“训练”获得经验，从而对未知数据进行预测或决策。机器学习是使计算机具有智能的根本途径之一，它让计算机不再只是通过预设的程序完成任务，而是可以通过不断学习来掌握本领。【教师】通过多媒体提问，并讲解相关内容试将机器学习与人类预测的过程一一对应。【学生】思考、举手回答机器学习通常分为监督学习、无监督学习、半监督学习和强化学习。（1）监督学习（supervisedlearning）是从有标签的训练数据中学习并得到一个模型，并基于此模型预测新样本标签的一种学习方式。（2）无监督学习（unsupervisedlearning）是在无标签的训练数据中发现数据规律的一种学习方式，其主要任务是从给定的数据集中挖掘数据的潜在特征。（3）半监督学习（semi-supervisedlearning）是监督学习和无监督学习相互结合的一种学习方式，也可以说是介于两者之间的一种学习方式。半监督学习的数据由大量的无标签数据和少量的有标签数据混合而成。（4）强化学习（reinforcementlearning）是机器通过与环境交互来实现目标的一种学习方式，它的思想源于心理学中的行为主义理论，即动物如何在环境的刺激下，逐渐形成对刺激的反应，从而产生能获得最大收益的习惯性行为。【知识库】强化学习在机器人的自动控制、计算机游戏中的智能应用、市场战略的最优化等方面均有广泛应用。目前，文心一言、DeepSeek

等人工智能大模型将监督学习与强化学习相结合，进一步提升了模型的智能化水平和性能。二、深度学习【教师】通过多媒体讲解深度学习深度学习（deeplearning）是机器学习的一个研究方向，它的概念源于对人工神经网络的研究。人工神经网络（artificialneuralnetwork）也称神经网络或连接模型，是一种模拟人类大脑神经系统结构和功能的机器学习方法。人工神经网络是由若干类似神经元的处理单元相互连接而成的庞大信息处理系统，是对人脑组织结构和运行机制的抽象、简化和模拟。三、自然语言处理【教师】通过多媒体讲解自然语言处理自然语言处理（naturallanguageprocessing,NLP）主要研究实现人类与计算机系统之间用自然语言进行有效通信的各种理论和方法，是人工智能研究的重要课题之一，也是人工智能技术的重要分支。近年来，自然语言处理已经在机器翻译、文字识别、自动文摘、句法分析、情感分析、文本分类、语音识别、语音合成等研究方向取得了突出成就。四、计算机视觉【教师】通过多媒体讲解计算机视觉计算机视觉（computervision）是人工智能研究最早取得突破性成就的领域，它涵盖图像分类、目标检测和图像分割等技术，在人脸识别、无人驾驶和医疗辅助诊断等场景应用广泛。1．图像分类图像分类用于判断图像所属的类别，即判断给定的图像“是什么”。2．目标检测目标检测是指通过算法自动检测图像中物体的大致位置（通常用边界框表示），并分析边界框中物体的类别信息，即判断给定图像中的物体“在哪里，是什么”。3．图像分割图像分割是指通过算法自动分割并识别图像中的内容，可以将图像分割理解为每个像素点的分类问题，即图像分割主要用于判断给定图像中的每个像素点属于哪个目标物或场景。【教师】通过多媒体提问，并讲解相关内容在一幅包含天空、草地和3只猫的图像中，语义分割和实例分割分别会如何判断？【学生】思考、举手回答五、知识图谱【教师】通过多媒体讲解知识图谱知识图谱（knowledgegraph）也称语义网络，它是将海量知识及其联系组织在一起而得到的关系网络，通常采用基于图的数据结构表示。知识图谱能够采取结构化方式表示和整合大量信息与知识，为人工智能模型提供丰富的语义信息。知识图谱通常由实体、关系和属性

3

部分组成，并使用“实体—关