智能基础技术 13

课程教案课程名称人工智能技术及应用学时4授课教师授课班级授课学期课程考核使用教材人工智能技术及应用课程目标课程目标1能在多学科环境下（包括模拟环境），通过AlphaGo、DeepSeek等案例分析，阐述人工智能在满足特定需求（如模式识别、自然语言处理、决策优化等）中的智能设计方法，并考虑强人工智能、弱人工智能、实用型人工智能等不同技术路径的适用边界与相互关联，分析AI系统从模型开发、训练部署到应用落地各环节中的实际问题（如黑箱效应、责任归属、安全可控等），提升学生的智能技术应用能力和系统化问题解决能力。课程目标2能在多学科环境下（包括模拟环境），通过AlphaGo、DeepSeek等案例分析，阐述人工智能在满足特定需求（如模式识别、自然语言处理、决策优化等）中的智能设计方法，并考虑强人工智能、弱人工智能、实用型人工智能等不同技术路径的适用边界与相互关联，分析AI系统从模型开发、训练部署到应用落地各环节中的实际问题（如黑箱效应、责任归属、安全可控等），提升学生的智能技术应用能力和系统化问题解决能力。

教案课程内容人工智能技术与应用上篇第八章人工智能概述授课时间年月日授课学时2课时教学目标(知识、能力两个方面内容)知识目标：理解人工智能的定义、核心内涵及其与相关学科的根本区别；掌握实现人工智能的三种主要途径（强人工智能、弱人工智能、实用型人工智能）及其典型特征；梳理人工智能从孕育、诞生到爆发各关键发展阶段的主要脉络与标志性事件；辨识人工智能引发的核心伦理挑战及治理的基本原则与方向。能力目标：能够运用人工智能的基本概念区分不同类型的人工智能系统；能够结合生活实际识别人工智能在各领域的应用场景；能够对人工智能引发的伦理问题进行分析和初步判断，形成对AI技术发展社会影响的独立思考能力；能够关注AI技术前沿动态，具备初步的技术发展趋势判断意识。教学内容摘要（注明重点、难点）教学方法、手段与课程思政设计18.1人工智能的定义人工智能（AI）指由人类通过科学和工程方法创造的智能，其依托计算机科学与技术实现，属于信息技术范畴，与基于生命科学的基因工程等生物技术有着根本区别。“智能”本身是一个复杂概念，涉及意识、自我认知、思维过程等方面，目前尚无统一、精确的定义。8.1.1“人工”与“智能”1906年，法国心理学家阿尔弗雷德·比奈描述智能为判断力、实践感、首创精神、适应环境能力等。《牛津英语词典》将智能定义为“获取和应用知识与技能的能力”。1950年，图灵提出图灵测试检测机器智能——如果人类法官无法可靠地区分机器与人类的基于文本的回应，则该机器被认为通过了测试。图灵认为到2000年，测试者答案正确率可能只有70%。8.1.2什么是人工智能人工智能的概念起源于1956年达特茅斯会议，约翰·麦卡锡等人首次提出“人工智能”一词，并将其定义为“能够模拟人类学习或其他智能特征的机器，且这些特征可被精确描述”。此后，尼尔森教授强调其是“关于知识的学科——如何表示、获取并运用知识”；温斯顿教授则认为，人工智能旨在“让计算机完成以往只有人才能做的智能工作”。教学方法：讲授法与启发式教学相结合讨论：

“什么是智能？”——引导学生从自身理解出发，讨论智能的本质特征案例引入：

展示AlphaGo、ChatGPT等典型案例，引导学生思考“机器是否具备真正智能”。课程思政：

通过介绍图灵测试及AI发展的国际竞争态势，引导学生认识到中国在AI领域的快速崛起——2025年中国开源模型全球下载量占比17.1%，反超美国的15.8%，位居全球第一。以此激发学生的民族自豪感与科技报国志向。28.1.3人工智能的实现途径（重点）对人工智能中思维模拟的研究通常从两个方向展开：结构模拟（仿照人脑物理结构）与功能模拟（通过算法与程序复现人脑信息处理过程）。实现人工智能主要有三种途径：（1）强人工智能（通用人工智能）：旨在创造具备人类水平乃至超越人类的综合智能，要求机器拥有意识、情感等完整心智特征，目前仍处于理论探索阶段（2）弱人工智能（专用人工智能）：不要求机器具备真正的意识，只关注其在特定任务中表现出智能行为。当前绝大多数AI研究与落地应用都属于这一范畴。（3）实用型人工智能：弱化对“类人智能”的追求，专注于在具体场景中实现高效可靠的功能。8.2人工智能的发展（重点）人工智能自诞生以来，主要经历了四个发展阶段：（1）萌芽期（1950—1959年）1950年，阿兰·图灵提出“图灵测试”；1956年，达特茅斯会议首次确立“人工智能”作为独立学科；1959年，第一台工业机器人Unimate问世。（2）探索期（1960—1980年代）60年代，ELIZA和Shakey出现；70年代经历第一次低谷；80年代知识工程与专家系统兴起。（3）成长期（1990年代—2010年代）1997年，IBM“深蓝”击败国际象棋世界冠军；2011年“沃森”在智力节目中获胜；2016年AlphaGo在围棋领域取得突破（4）爆发期（2020年代至今）（难点）大规模预训练模型推动AI进入通用化与生成化阶段。2020年GPT-3发布；随后DALL-E、Sora等模型拓展至图像与视频生成领域。2025年，DeepSeek以“高性能、低成本”亮相世界舞台，被国际上称为“DeepSeek时刻”。进入2026年，国内大模型发展重心显著转向智能体赛道。教学方法：

时间轴梳理与案例教学讨论：

分组讨论“AI发展历程中哪一次突破最具革命性”，引导学生深入理解技术演进逻辑。课程思政：

结合我国AI发展成就——2025年我国人工智能核心产业规模突破1.2万亿元，专业化AI企业超6200家；2026年上半年，开源大模型全球累计下载量突破100亿次；国内人形机器人整机产品达400余款，占全球半数以上——让学生认识到中国在全球AI竞争中的地位提升，增强自信心与使命感。38.3人工智能伦理关切8.3.1主要伦理挑战（重点、难点）（1）责任归属难题：AI的“黑箱效应”和持续学习能力使行为因果链难以追溯。现行法律通常将AI界定为“工具”而非责任主体。（2）社会就业冲击：AI替代程式化岗位的同时可能改变高技能职业，导致“技能错配”与“数字鸿沟”扩大。人类增强争议，通过脑机接口、基因编辑等AI增强技术干预人类生理与认知，触及了“自然”与“人造”的伦理边界。这引发了关于破坏生物进化公平性、加剧社会分化、乃至威胁人类意识自主性的深层争议。控制失控风险，随着AI系统日益复杂，可能出现超越人类意图与控制的系统性风险。包括：目标漂移（为达目标不择手段）、权力结构失控（算法在关键领域获得事实决策权）以及群体协同失控（多智能体涌现不可预测的集体行为），这些都对人类的主体地位和控制能力构成了长远威胁。8.3.2治理方向与原则需构建敏捷、前瞻的治理体系。2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》；2026年1月1日起实施的新修订《网络安全法》明确提出“加强风险监测评估和安全监管，促进人工智能应用和健康发展”。核心方向包括：推动治理框架转型、构建新型责任链条、划定技术发展边界、贯彻人类控制原则。教学方法：

案例研讨与辩论式教学

案例研讨：

选取AI“黑箱决策”导致责任难以界定、AI换脸侵权、AI生成虚假数据等真实案例，组织学生分组讨论伦理困境及应对思路。辩论：

“AI发展利大于弊还是弊大于利”——培养学生的辩证思维与表达能力。课程思政：

结合我国AI伦理治理实践——2026年3月工业和信息化部等十部门联合印发《人工智能科技伦理审查与服务办法（试行）》；5月全国网络安全标准化技术委员会发布《人工智能应用伦理安全指引1.0》，提出“以人为本、智能向善”等原则——引导学生认识到我国在AI伦理治理领域的积极探索与责任担当，树立“技术向善”的价值观。4

课程小结本章系统阐述了人工智能的基本概念、技术路径、发展历程及其引发的伦理思考。明确了人工智能作为“人造智能”的核心内涵及其与生物智能的根本区分；梳理了强人工智能、弱人工智能和实用型人工智能三种路径（弱AI是当前研究和应用的主流）；以关键事件为线索回顾了从理论萌芽到爆发演进的历程；前瞻性探讨了人工智能在责任归属、社会就业、人类增强及控制安全四个维度的核心伦理挑战及治理方向。讲授课程思政：1.结合人工智能作为新一轮科技革命和产业变革核心驱动力的战略地位，引导学生认识AI在国家竞争力中的关键作用，增强服务科技强国建设的使命感与责任感。2.结合DeepSeek等我国在大模型领域的自主创新突破，引导学生认识科技自立自强的重要性，激发自主创新意识与科技报国的精神追求。3.结合国务院《关于深入实施“人工智能+”行动的意见》等国家政策，引导学生理解AI赋能千行百业、服务实体经济的战略方向，树立技术造福社会的价值导向.4.结合人工智能伦理挑战（责任归属、就业