人工智能通识概论 教案与大纲 徐立芳

人工智能通识概论教案（共9章，32学时）第1章绪论（4学时）一、教学目标1.准确理解人工智能的基本概念和核心内涵，区分人工智能与人工智能技术的关系；2.掌握强人工智能与弱人工智能、专用人工智能与通用人工智能等重要概念的区别与联系；3.理解从大历史观、哲学、社会文明、多学科交叉、工程技术五个层次认识人工智能的重要性；4.了解人工智能八大重点研究方向的基本内容和相互关系；5.掌握人工智能五维知识体系的构成及其内在逻辑。二、教学重点1.人工智能的多角度定义（拟人角度、机器角度、能力学科角度、知识角度、信息角度）；2.强人工智能与弱人工智能、专用人工智能与通用人工智能的概念辨析；3.认识人工智能的五个层次；4.人工智能八大重点方向与研究领域。三、教学难点1.人工智能技术与人工智能概念的区别与联系；2.五个认识层次之间的内在逻辑关系；3.八大方向之间的交叉与融合。四、教学过程设计教学环节教学内容与活动导入（5分钟）通过展示ChatGPT、人脸识别、自动驾驶等人工智能应用案例，引出"什么是人工智能"的问题，激发学生思考人工智能的本质。讲授1：人类智能与人工智能定义（30分钟）从人类智能的本质出发，讲解智慧与智能的区别，系统梳理从拟人角度、机器角度、能力学科角度、知识角度、信息角度等不同视角给出的人工智能定义，介绍蔡自兴教授总结的11个定义。讲授2：人工智能相关概念辨析（25分钟）详细讲解强人工智能与弱人工智能、专用人工智能与通用人工智能、超级人工智能的概念及相互关系，分析当前ChatGPT等大语言模型所属类型。讲授3：人工智能与机器智能（10分钟）讲解人工智能与机器智能的关系，介绍仿生智能、类人智能、类脑计算、混合智能、群体智能等不同智能形态。讲授4：认识人工智能的五个层次（20分钟）系统介绍大历史观、哲学、社会与文明、多学科交叉、工程与技术五个认识层次，分析各层次的内涵和意义。讲授5：人工智能重点方向与领域（20分钟）介绍感知智能、认知智能、语言智能、具身智能、类脑智能、混合智能、群体智能等八大重点方向的研究内容和相互关系。讲授6：人工智能五维知识体系（15分钟）系统介绍学科基础、技术基础、重点方向与领域、行业应用、伦理与法律五个维度的知识体系框架。课堂讨论（10分钟）讨论："你认为当前的大语言模型（如ChatGPT）属于通用人工智能还是专用人工智能？为什么？"小结与作业布置（5分钟）总结本章要点，布置课后阅读任务。五、预期教学效果学生能够准确理解人工智能的多角度定义，掌握强弱人工智能、专用与通用人工智能等核心概念的辨析方法，理解五个认识层次的内涵，了解八大重点方向的研究内容，建立起人工智能五维知识体系的整体框架。六、课堂测试1.什么是人工智能？请从至少三个不同角度给出定义。2.强人工智能与弱人工智能的主要区别是什么？3.认识人工智能的五个层次分别是什么？4.人工智能的八大重点研究方向包括哪些？第2章人工智能历史基础（4学时）一、教学目标1.理解大历史观下智能进化的三个阶段，认识人工智能在智能进化历程中的地位和意义；2.掌握"计算"概念的历史发展脉络，理解从莱布尼兹、布尔到图灵机的理论贡献；3.了解联结主义的起源和发展，掌握麦卡洛克-匹茨神经元模型和感知机的重要意义；4.理解机械计算机到电子计算机的发展历程，认识冯·诺依曼架构对人工智能发展的基础作用；5.掌握图灵的开创性思想，特别是图灵测试的内涵和意义；6.了解人工智能当代史的主要阶段（形成期、发展期、飞跃期）及其特点；7.了解我国人工智能的发展历程和主要成就。二、教学重点1.大历史观下智能进化的三个阶段；2."计算"概念的历史发展（莱布尼兹、布尔、图灵机）；3.麦卡洛克-匹茨神经元模型和感知机；4.冯·诺依曼架构与电子计算机；5.图灵测试的内涵和意义；6.人工智能发展的三次浪潮与两次低谷。三、教学难点1.大历史观视角下人工智能的本质理解；2.图灵机概念的抽象理解；3.人工智能发展曲折历程的深层原因分析。四、教学过程设计教学环节教学内容与活动导入（5分钟）通过展示宇宙演化、生命进化的时间轴，引出"从大历史观看人工智能"的视角，提出问题：人工智能在智能进化中处于什么位置？讲授1：大历史观下的智能进化（20分钟）讲解宇宙演化阶段、生命智能进化阶段、人类智能进化阶段三个阶段的内涵，分析人工智能作为智能进化新形式的本质，讨论智能进化速度加快的趋势。讲授2："计算"的历史（20分钟）系统介绍从莱布尼兹的二进制和符号化思想，到布尔的逻辑代数，再到弗雷格的数理逻辑体系，最后到图灵机理论的完整发展脉络。讲授3：联结主义的起源（15分钟）讲解1943年麦卡洛克和匹茨提出的人工神经元模型，1949年赫伯的学习规则，以及1958年罗森布拉特感知机模型的意义和局限。讲授4：计算机器的发展（15分钟）从古希腊安蒂基西拉机器到达·芬奇的机械计算器，从帕斯卡加减法机到巴贝齐差分机，从ABC计算机到冯·诺依曼ENIAC，梳理计算机器的发展脉络。讲授5：图灵的开创性思想（15分钟）重点讲解图灵机理论、邱奇-图灵论题、图灵测试的内涵及其对人工智能的深远影响。讲授6：人工智能当代史（20分钟）系统梳理人工智能的形成期（1956-1969）、发展期（两次繁荣与两次低谷）、飞跃期（深度学习崛起、大模型爆发）各阶段的特点和重要事件。讲授7：我国人工智能发展（15分钟）介绍从1958年起步到2017年《新一代人工智能发展规划》发布的发展历程，重点介绍吴文俊"吴氏方法"、施路平"天机芯"等重大成果。课堂讨论（10分钟）讨论："从大历史观看，人工智能发展经历多次高潮和低谷，你认为当前的大模型热潮是否也会经历类似的低谷？"小结与作业布置（5分钟）总结本章要点，布置课后思考题。五、预期教学效果学生能够理解大历史观下智能进化的历程和人工智能的地位，掌握计算概念的发展脉络和图灵机的核心思想，了解联结主义起源和计算机发展历程，熟悉人工智能当代史的主要阶段和特点，了解我国人工智能发展的主要成就。六、课堂测试1.大历史观下智能进化经历了哪三个阶段？2.图灵机的主要贡献是什么？图灵测试的内涵是什么？3.麦卡洛克和匹茨提出的人工神经元模型的主要意义是什么？4.人工智能发展经历了几次高潮和低谷？主要原因是什么？第3章人工智能哲学基础（4学时）一、教学目标1.理解哲学思想对人工智能发展的深刻影响，掌握理性主义、机械论、控制论等哲学传统如何为人工智能奠定思想基础；2.准确理解与人工智能相关的核心哲学概念，包括心灵与心智、思维与意识、理性与非理性、计算与算法等概念的内涵及其相互关系；3.掌握人工智能研究中的主要哲学问题，包括心灵哲学、心智哲学、计算主义哲学、具身哲学等不同流派的基本观点和争论焦点；4.深入理解"思维能否被计算""机器能否拥有意识"等核心哲学问题；5.了解人工智能带来的新哲学问题，包括信息存在论、机器创造、人类独特性重估等。二、教学重点1.理性主义传统对人工智能的思想基础作用；2.机械论与控制论的核心思想；3.心灵哲学中的心身问题与功能主义；4.塞尔的"中文房间"论证；5.计算主义与具身哲学的对立；6.意识的困难问题。三、教学难点1."中文房间"论证的深层逻辑和争议；2.功能主义与反功能主义的争论；3.意识的困难问题的本质；4.具身哲学对传统人工智能范式的挑战。四、教学过程设计教学环节教学内容与活动导入（5分钟）通过展示ChatGPT的智能对话与简单逻辑错误的对比案例，引出"思维能否被计算"的核心哲学问题，激发学生思考人工智能的哲学基础。讲授1：理性主义传统（20分钟）从古希腊三贤（苏格拉底、柏拉图、亚里士多德）到笛卡儿的理性主义传统，讲解理性主义如何为人工智能的逻辑推理和符号操作奠定思想基础，介绍"莫拉维茨悖论"。讲授2：机械论与控制论（20分钟）讲解霍布斯"思维就是计算"、拉·梅特里"人是机器"等机械论思想，以及维纳控制论的核心思想——反馈与自适应，分析信息论对人工智能的影响。讲授3：心灵哲学（20分钟）系统讲解心身问题、笛卡儿二元论、唯物主义一元论、功能主义（普特南的因果角色理论），分析"中文房间"论证及其系统回复、机器人回复。讲授4：心智哲学与计算主义（15分钟）讲解心智计算理论（思维即符号操作）、符号主义的困境与连接主义的兴起，介绍神经符号人工智能的发展趋势。讲授5：具身哲学（20分钟）系统讲解具身认知理论、梅洛-庞蒂的身体现象学、镜像神经元实验、德雷福斯的"体知"概念，分析具身哲学对大语言模型的挑战。讲授6：意识问题（15分钟）讲解查默斯的"困难问题"与"简单问题"、感受质（qualia）、整合信息理论（IIT），分析当前人工智能系统的意识可能性。讲授7：人工智能带来的新哲学问题（10分钟）简要介绍信息存在论、机器创造与被创造的循环关系、理性与非理性的辩证统一、人类独特性的哲学重估。课堂讨论（10分钟）辩论：大语言模型是否真正理解语言？请结合中文房间论证和功能主义立场阐述观点。小结与作业布置（5分钟）总结本章要点，布置课后阅读与思考题。五、预期教学效果学生能够理解理性主义、机械论、控制论等哲学传统对人工智能的影响，掌握心灵与心智、思维与意识等核心概念，理解"中文房间"论证和计算主义的争论焦点，了解具身哲学和意识困难问题的核心内涵，能够从哲学角度审视人工智能的本质和局限。六、课堂测试1.简述理性主义传统对人工智能发展的主要影响。2.什么是"莫拉维茨悖论"？它对我们理解智能本质有什么启示？3.塞尔的"中文房间"论证试图说明什么？功能主义者如何回应？4.什么是"意识的困难问题"？为什么它被称为"困难"问题？第4章人工智能伦理与法律基础（4学时）一、教学目标1.准确理解道德伦理、科技伦理、人工智能伦理等核心概念的内涵与外延；2.系统掌握人工智能技术引发的五大类伦理问题的表现形式、产生机制和应对策略；3.深入理解数据伦理、算法伦理、机器伦理等十个维度的伦理框架，能够运用这一体系分析具体的人工智能伦理问题；4.了解当前国内外人工智能伦理治理的主要模式和企业伦理实践；5.了解人工智能法律制度建设的基本问题和主要进展。二、教学重点1.人工智能伦理的基本概念（狭义与广义）；2.算法偏见与歧视的产生机制；3.隐私侵犯与数据滥用问题；4.自动化决策与人类主体性；5.十个维度的伦理框架体系；6.国内外伦理治理的主要模式。三、教学难点1.算法偏见的复杂产生机制和技术解决路径；2.伦理原则之间的冲突与权衡；3.人工智能法律主体地位的认定问题；4.全球伦理共识的构建路径。四、教学过程设计教学环节教学内容与活动导入（5分钟）通过展示亚马逊招聘算法性别偏见、Facebook情绪实验等典型案例，引出人工智能伦理问题的现实紧迫性。讲授1：传统道德伦理与人工智能伦理（15分钟）讲解道德与伦理的基本概念，区分狭义与广义人工智能伦理，介绍人工智能伦理学作为新兴学科的理论意义。讲授2：人工智能技术引发的伦理问题（30分钟）系统讲解五大类伦理问题：算法偏见与歧视、隐私侵犯与数据滥用、自动化决策与人类主体性、就业替代与社会公平、安全风险与可控性，结合亚马逊、COMPAS、Uber自动驾驶等典型案例。讲授3：数据伦理与算法伦理（15分钟）深入讲解数据伦理（Facebook-剑桥分析丑闻、ZAO换脸事件）和算法伦理（苹果信用卡性别歧视、中国招聘平台算法歧视）的具体案例和治理措施。讲授4：机器伦理与行业应用伦理（15分钟）讲解自动驾驶道德困境（MIT道德机器实验）、社交机器人情感依赖问题、医疗AI和教育AI的伦理挑战。讲授5：人机协作伦理与设计伦理（10分钟）介绍人机协作中的技能退化问题、设计伦理中的成瘾性设计和可退出性问题。讲授6：人机混合伦理与全球伦理（10分钟）讲解脑机接口的伦理边界、可穿戴设备的隐私问题、人工智能的全球生态伦理和可持续发展观。讲授7：宇宙伦理与超现实伦理（5分钟）简要介绍宇宙伦理的宏观视角和超现实伦理的警示意义。讲授8：伦理治理与法律制度（20分钟）系统介绍伦理原则制定、企业伦理实践、政府监管框架（欧盟AI法案、中国算法推荐管理规定）、数据保护和算法监管的法律制度。课堂讨论（10分钟）案例分析：讨论Uber自动驾驶致行人死亡事故中的责任归属问题，分析技术、人为、管理、监管各层面的责任。小结与作业布置（5分钟）总结十个维度伦理框架，布置课后案例分析作业。五、预期教学效果学生能够理解人工智能伦理的基本概念和理论体系，掌握五大类伦理问题的表现形式和产生机制，熟悉十个维度的伦理分析框架，能够运用伦理框架分析具体案例，了解国内外伦理治理的主要模式和法律制度进展。六、课堂测试1.什么是算法偏见？它主要通过哪些机制产生？2.人工智能伦理体系包含哪十个维度？3.自动化决策系统面临哪些主要伦理挑战？4.简述欧盟《人工智能法》和中国《算法推荐管理规定》的主要特点。第5章人工智能学科基础（4学时）一、教学目标1.准确把握人工智能作为多学科交叉领域的两重含义——既需要多学科支撑自身发展，又与传统学科融合产生新的学科分支；2.掌握哲学、基础学科、生命相关学科、工程技术学科、社会学科等各学科层次的划分标准和相互关系；3.理解数学、物理学、逻辑学等基础学科为人工智能提供的理论支撑；4.了解神经科学、认知科学、生物学、心理学等生命相关学科对人工智能的启示；5.理解计算机科学、电子工程、控制与通信工程等工程技术学科的核心作用；6.认识经济学、社会学、法学政治学等社会学科对人工智能的规范引导意义。二、教学重点1.人工智能多学科交叉的双重含义；2.六个学科层次的划分与内在逻辑；3.数学（线性代数、概率论、优化）对人工智能的基础作用；4.神经科学对神经网络架构的启示；5.计算机科学与电子工程的核心支撑作用；6.社会学科对人工智能发展的规范意义。三、教学难点1.各学科之间的交叉融合机制；2.物理学思想（能量最小化、概率分布）在深度学习中的体现；3.系统科学中的涌现概念与大语言模型能力涌现的关联；4.社会学科对技术发展的深层审视。四、教学过程设计教学环节教学内容与活动导入（5分钟）以麦卡洛克和匹茨1943年融合神经生理学、逻辑学和计算理论提出首个神经元模型为切入点，说明人工智能与生俱来的跨学科特质。讲授1：多学科交叉的基本认识（10分钟）讲解人工智能多学科交叉的双重含义，介绍哲学、基础学科、生命相关学科、工程技术学科、社会学科、交叉衍生新兴学科六个层次。讲授2：数学基础（20分钟）通过手写数字识别的具体案例，讲解线性代数（矩阵运算、卷积）、概率论（不确定性处理、统计学习理论）、优化理论（梯度下降、学习率）在人工智能中的应用。讲授3：物理学与逻辑学基础（15分钟）讲解霍普菲尔德网络、玻尔兹曼机的物理学基础，以及逻辑学为知识表示和推理提供的形式化框架，介绍Transformer的自注意力机制。讲授4：系统科学（10分钟）讲解涌现概念（大语言模型的能力涌现）、信息流动（残差连接、小世界网络）、鲁棒性与脆弱性。讲授5：生命相关学科（20分钟）系统介绍神经科学（视觉皮层启发卷积神经网络、赫布学习）、认知科学（注意力机制、双系统理论）、生物学（遗传算法、蚁群优化）、心理学（强化学习、模仿学习）对人工智能的启示。讲授6：工程技术学科（15分钟）介绍计算机科学（算法效率、并行计算、工程管理）、电子工程（GPU、专用AI芯片、能耗问题）、控制与通信工程（模型预测控制、分布式训练梯度压缩）。讲授7：社会学科（20分钟）深入讲解经济学（就业极化、数据所有权）、社会学（监控权力、算法权力、信任危机）、法学政治学（责任归属、知识产权、监管模式差异）。课堂讨论（10分钟）讨论：从多学科交叉角度，分析为什么当前的大语言模型在逻辑推理方面仍然存在不足？哪些学科可能为解决这一问题提供思路？小结与作业布置（5分钟）总结六个学科层次的核心贡献，布置课后思考题。五、预期教学效果学生能够理解人工智能多学科交叉的双重含义和六个学科层次，掌握数学、物理学、逻辑学等基础学科的核心支撑作用，了解生命相关学科的启示和工程技术学科的转化作用，认识社会学科对人工智能发展的规范意义，培养跨学科思维方式。六、课堂测试1.人工智能多学科交叉的双重含义是什么？2.数学为人工智能提供了哪些基础工具？请举例说明。3.神经科学对神经网络的发展有哪些重要启示？4.为什么说社会学科对人工智能发展不可或缺？请从经济学和社会学角度分析。第6章人工智能技术基础（4学时）一、教学目标1.了解传感器、大数据、并行计算等技术基础在人工智能系统中的作用；2.理解人工神经网络的基本原理，掌握前馈神经网络、卷积神经网络、循环神经网络的核心思想；3.掌握机器学习的基本概念和主要类型（监督学习、无监督学习、强化学习）；4.深入理解Transformer架构和注意力机制的原理及其革命性意义；5.了解扩散模型等生成式技术的基本原理。二、教学重点1.人工神经网络的基本原理和主要架构（CNN、RNN）；2.机器学习的基本概念和分类；3.Transformer架构和自注意力机制；4.大数据和并行计算对深度学习的支撑作用；5.生成式人工智能的技术基础。三、教学难点1.反向传播算法的原理；2.自注意力机制的内部工作机制；3.梯度消失/爆炸问题及解决方案；4.不同神经网络架构的适用场景。四、教学过程设计教学环节教学内容与活动导入（5分钟）回顾第5章中学科基础的内容，引出本章将深入讲解技术基础，通过展示图像识别、语音合成等应用的技术原理，激发学习兴趣。讲授1：传感器与大数据（10分钟）介绍传感器作为人工智能感知外部世界的窗口的作用，讲解大数据的概念、特征（4V）以及大数据为深度学习提供的训练基础。讲授2：并行计算与GPU（10分钟）讲解CPU与GPU的区别，为什么GPU特别适合深度学习中的矩阵运算，介绍TPU等专用AI芯片。讲授3：人工神经网络基础（25分钟）从生物神经元到人工神经元的映射，讲解感知机、多层前馈神经网络的结构，重点介绍反向传播算法的原理和梯度下降优化过程。讲授4：卷积神经网络与循环神经网络（20分钟）讲解CNN的卷积层、池化层、全连接层结构及其在图像处理中的应用，RNN/LSTM/GRU在序列处理中的应用。讲授5：机器学习概述（15分钟）介绍监督学习（分类、回归）、无监督学习（聚类、降维）、强化学习（马尔可夫决策过程、Q学习）的基本概念和典型算法。讲授6：Transformer与注意力机制（25分钟）深入讲解自注意力机制的计算过程（Query-Key-Value）、多头注意力、位置编码，分析Transformer架构为何引发NLP革命。讲授7：生成式技术基础（15分钟）简要介绍GAN（生成对抗网络）、VAE（变分自编码器）、扩散模型（DiffusionModel）的基本原理。课堂讨论（10分钟）讨论：Transformer架构相比RNN有哪些优势？为什么自注意力机制能够有效处理长距离依赖问题？小结与作业布置（5分钟）总结本章技术要点，布置课后阅读与练习。五、预期教学效果学生能够了解传感器、大数据、并行计算等技术基础的作用，理解人工神经网络的基本原理和主要架构，掌握机器学习的基本概念和分类，深入理解Transformer架构和注意力机制的原理，了解生成式技术的基本原理，为后续章节学习奠定技术基础。六、课堂测试1.人工神经网络中的反向传播算法的基本原理是什么？2.卷积神经网络为什么特别适合图像处理任务？3.简述Transformer中自注意力机制的计算过程。4.机器学习的主要类型有哪些？各举一个典型应用场景。第7章机器智能（4学时）一、教学目标1.理解感知智能的概念，了解计算机视觉和语音识别的基本原理和应用；2.理解认知智能的概念，了解知识表示、推理和知识图谱的基本原理；3.理解语言智能的概念，掌握自然语言处理的核心任务和大语言模型的基本原理；4.了解机器人、具身智能、类脑智能、混合智能的基本概念和研究内容。二、教学重点1.感知智能：计算机视觉和语音识别的基本原理；2.认知智能：知识图谱的概念和应用；3.语言智能：自然语言处理的核心任务和大语言模型原理；4.具身智能和混合智能的概念。三、教学难点1.大语言模型的工作原理（预训练、微调、提示学习）；2.知识图谱的构建和推理过程；3.具身智能与传统人工智能的区别。四、教学过程设计教学环节教学内容与活动导入（5分钟）通过展示自动驾驶汽车的环境感知、ChatGPT的语言理解等案例，引出机器智能的不同类型，说明本章的知识框架。讲授1：感知智能（25分钟）讲解计算机视觉的基本任务（图像分类、目标检测、图像分割），介绍视觉Transformer；讲解语音识别的基本原理（声学模型、语言模型）和语音合成的技术方法。讲授2：认知智能（20分钟）讲解知识表示的方法（逻辑表示、语义网络、框架表示），介绍知识图谱的概念、构建过程（实体抽取、关系抽取）和应用（智能搜索、问答系统）。讲授3：语言智能（25分钟）介绍自然语言处理的核心任务（分词、句法分析、语义理解、机器翻译），深入讲解大语言模型的预训练-微调范式、提示学习、上下文学习等关键技术。讲授4：机器人与具身智能（15分钟）介绍机器人的分类（工业机器人、服务机器人、特种机器人），讲解具身智能的概念——智能通过身体与环境的交互产生，分析具身智能与传统离身智能的区别。讲授5：类脑智能与混合智能（15分钟）介绍类脑计算的概念（神经形态计算、脉冲神经网络、类脑芯片），讲解混合智能的概念（脑机接口、外骨骼、增强现实）及其应用前景。课堂讨论（10分钟）讨论：大语言模型是否具备认知智能？它与基于知识图谱的传统认知智能路线有何异同？小结与作业布置（5分钟）总结各类机器智能的特点和区别，布置课后思考题。五、预期教学效果学生能够理解感知智能、认知智能、语言智能的基本概念和核心技术，了解计算机视觉、语音识别、知识图谱、自然语言处理的主要方法，掌握大语言模型的基本原理，了解机器人、具身智能、类脑智能、混合智能的概念和研究内容。六、课堂测试1.感知智能主要包括哪些技术领域？2.什么是知识图谱？它有哪些主要应用？3.大语言模型的预训练-微调范式是什么？4.具身智能与传统人工智能的主要区别是什么？第8章生成式人工智能与机器创造（2学时）一、教学目标1.理解机器创造力的概念，了解人工智能在创造性任务中的能力表现；2.了解机器博弈的基本原理，掌握博弈树、评估函数、强化学习在博弈中的应用；3.了解人工智能在音乐、美术、文学创作中的具体应用；4.了解人工智能在影视创作和科学发现中的应用前景；5.认识机器创造引发的伦理和哲学问题。二、教学重点1.机器创造力的概念界定；2.AlphaGo/AlphaZero的博弈原理；3.AIGC（人工智能生成内容）的主要类型和应用；4.机器创造对人类社会的影响。三、教学难点1.机器是否具有真正创造力的哲学辨析；2.强化学习在博弈中的工作原理；3.生成式AI的版权和伦理问题。四、教学过程设计教学环节教学内容与活动导入（5分钟）通过展示AI生成的绘画作品、音乐片段、诗歌等案例，引出"机器能否具有创造力"的问题，激发学生思考。讲授1：机器创造力概述（10分钟）讲解机器创造力的概念界定，分析"组合创造力""探索创造力""变革创造力"三个层次，讨论机器创造力的评价标准。讲授2：机器博弈（15分钟）以AlphaGo/AlphaZero为例，讲解博弈树搜索、蒙特卡洛树搜索、策略网络和价值网络的工作原理，分析自我博弈学习的方法。讲授3：机器音乐与美术创作（15分钟）介绍AI音乐生成技术（Magenta、AIVA）和AI绘画技术（DALL-E、Midjourney、StableDiffusion），分析扩散模型在图像生成中的应用。讲授4：机器文学与影视创作（10分钟）介绍大语言模型在文学创作、剧本编写中的应用，分析AI在视频生成（Sora）和影视制作中的前景。讲授5：AI辅助科学发现（5分钟）简要介绍AlphaFold在蛋白质结构预测中的突破，AI在药物发现、材料科学中的应用。讲授6：机器创造的伦理思考（10分钟）讨论AI生成内容的版权问题、创作者身份认定、对文化产业的冲击等伦理和社会问题。课堂讨论（10分钟）辩论：AI生成的艺术作品是否可以被视为真正的艺术？机器创造与人类创造的本质区别是什么？小结与作业布置（5分钟）总结机器创造的能力与局限，布置课后作业。五、预期教学效果学生能够理解机器创造力的概念和评价标准，了解机器博弈的基本原理和代表性成果，熟悉AIGC在音乐、美术、文学、影视等领域的应用，了解AI辅助科学发现的典型案例，认识机器创造引发的伦理和社会问题。六、课堂测试1.什么是机器创造力？可以从哪三个层次来理解？2.AlphaGo使用了哪些关键技术来实现围棋博弈？3.列举三种以上AIGC的应用类型及其代表性工具。4.机器创造引发了哪些主要的伦理问题？第9章人工智能行业应用（4学时）一、教学目标1.了解人工智能应用的五层架构（基础层、技术层、框架层、模型层、应用层）；2.掌握智能制造、智能医疗、智能农业等领域的人工智能应用现状和典型案例；3.了解智能教育、智慧城市的应用场景和发展趋势；4.认识人工智能在军事领域的应用和伦理争议；5.了解数字人和AIGC的应用前景。二、教学重点1.人工智能应用的五层架构；2.智能制造中的工业互联网和预测性维护；3.智能医疗中的医学影像分析和药物研发；4.智能教育中的个性化学习和智能评测；5.智慧城市的主要应用场景。三、教学难点1.各行业中人工智能技术的具体实现路径；2.行业应用中数据隐私与模型精度的平衡；3.人工智能军事应用的伦理边界。四、教学过程设计教学环节教学内容与活动导入（5分钟）通过展示智能制造、智慧医疗等行业的应用视频，引出人工智能已经深度融入各行各业，说明本章将系统介绍主要行业应用。讲授1：人工智能应用架构（10分钟）讲解人工智能应用的五层架构：基础层（芯片、云计算）、技术层（算法、框架）、框架层（TensorFlow、PyTorch）、模型层（大模型、行业模型）、应用层（具体场景）。讲授2：智能制造（15分钟）介绍工业互联网、数字孪生、预测性维护、质量检测（机器视觉）、智能调度等应用场景，分析制造业数字化转型的路径。讲授3：智能医疗（15分钟）讲解医学影像分析（CT、X光、病理切片）、辅助诊断、药物发现（AlphaFold、分子生成）、健康管理等应用，讨论医疗AI的监管和伦理问题。讲授4：智能农业（10分钟）介绍精准农业、无人机植保、智能灌溉、农产品质量检测、农业机器人等应用。讲授5：智能教育（10分钟）讲解个性化学习推荐、自动批改、智能答疑、虚拟教师、学习分析等应用，讨论教育公平和算法偏见问题。讲授6：智慧城市（10分钟）介绍智慧交通（信号优化、违章检测）、智慧安防（视频监控、人脸识别）、智慧政务、智慧环保等应用场景。讲授7：智能军事与数字人（15分钟）分析人工智能在情报分析、无人系统、指挥决策等军事领域的应用及伦理争议；介绍数字人技术和AIGC的应用前景。课堂讨论（10分钟）讨论：在你所学专业或未来期望从事的行业中，人工智能可能带来哪些变革？你需要做哪些准备来适应这些变革？小结与课程总结（5分钟）总结全课程核心内容，回顾从基础到应用的完整知识体系，展望人工智能的未来发展趋势。五、预期教学效果学生能够了解人工智能应用的五层架构，掌握智能制造、智能医疗、智能农业、智能教育、智慧城市等主要行业的应用现状和典型案例，认识人工智能军事应用的伦理争议，了解数字人和AIGC的应用前景，能够结合本专业思考人工智能的应用方向。六、课堂测试1.人工智能应用的五层架构分别是什么？2.智能制造中有哪些主要的人工智能应用场景？3.智能医疗面临哪些特殊的伦理和监管挑战？4.简述智慧城市的三个以上应用场景。

人工智能通识概论课程教学大纲一、课程基本信息课程中文名称：人工智能通识概论课程性质：专业基础课程开课学期：2课内学时：32，其中讲授28学时，讨论与实践4学时课外学时：32学分：2主要面向专业：人工智能、计算机科学与技术、软件工程、数据科学与大数据技术、电子信息工程等理工科专业，以