高中一年级信息技术人工智能的诞生与发展教学设计

高中一年级信息技术人工智能的诞生与发展教学设计一、教学背景分析本课选自粤教版（2019）高中信息技术必修1《数据与计算》第六章第一节第三课时。前两课时学生已经接触了人工智能的基本概念与典型应用，对"什么是人工智能"形成了感性认识，本课时的核心任务是带领学生回到历史现场，梳理人工智能从思想萌芽到学科确立、从两次寒冬到深度学习的爆发这一完整脉络，理解技术演进背后的社会需求、理论突破与算力支撑三者之间的互动关系。高一学生处于形式运算思维的发展期，已经具备初步的抽象概括能力，能够接受"图灵测试""符号主义""连接主义"等概念，但其认知容易停留在"人工智能很强"或"人工智能是威胁"的表层情绪上，缺少对技术发展规律的理性判断。学生在历史课中学过三次科技革命，具备一定的时代背景知识，这为本课开展跨学科的因果分析提供了支架。本课在整个模块中处于承上启下的位置：向上承接数据、算法、信息系统的已有知识，向下为后续"剖析典型智能系统""体验机器学习"奠定历史观与方法论基础。把这一课上成单纯的人物事件罗列，是本课最常见的失误；把历史讲成逻辑、把人物讲成选择、把事件讲成规律，才是本课应有的立意。二、教学目标信息意识方面，学生能够从人工智能发展史上的关键事件中，识别数据、算法、算力三要素所扮演的角色，形成"技术突破从来不是孤立事件"的关联意识。计算思维方面，学生能够运用时间轴、因果链等工具对史料进行抽象与结构化表达，能够比较符号主义与连接主义两条技术路线的基本假设，初步学会用"问题—方法—局限—转向"的框架分析一段技术史。数字化学习与创新方面，学生能够借助时间轴工具、思维导图软件协同完成小组任务，学会甄别网络资料中关于人工智能史的夸大表述。信息社会责任方面，学生能够从两次"寒冬"中体会科学探索的曲折性，理解政策、资本、舆论对技术发展的双向作用，形成既不盲目追捧也不简单否定的理性态度。三、教学重点与难点教学重点：人工智能发展的主要阶段及标志性事件；每一阶段兴起与受挫的内在原因。教学难点：理解符号主义与连接主义两条技术路线的分野及其此消彼长；从历史规律出发对人工智能的未来走向作出有理据的判断。突破策略：以"一台机器要想会思考，需要先有什么"这一主线问题贯穿全课，把历史事件转化为一次次"解题尝试"，让学生在角色扮演与证据推理中亲历思想的碰撞，而不是被动记忆年份。四、教学准备教师准备：图灵测试情境脚本、达特茅斯会议原始提案摘录、感知机与异或问题的可视化演示、深蓝与AlphaGo对局片段、历次人工智能顶会投稿数量统计曲线、小组时间轴任务单。学生准备：课前在导学案上完成"我听说的人工智能大事件"自由列举，并标注信息来源；带齐平板或确保机房一人一机。环境布置：四人小组围坐，黑板预留三栏，分别书写"问题""尝试""转折"。五、教学过程环节一情境导入：一场跨越七十年的对话上课伊始，教师不翻教材，而是在大屏上展示两段对话记录：一段是某学生与聊天机器人关于"如何安慰考试失利的朋友"的真实对话，一段是1950年图灵论文《计算机器与智能》中设想的问答测试片段。教师提问：七十年前纸面上的想象，今天变成了口袋里的工具，中间发生了什么？学生自由发言，答案通常零散：电脑变快了、有了互联网、科学家很努力。教师不急于评判，而是把学生的关键词写在黑板"尝试"一栏，顺势提出本课主线任务：今天我们不做听众，我们做"科技史研究员"，用一节课的时间为人工智能撰写一份发展心电图，标出它的每一次心跳、每一次休克和每一次苏醒，并尝试回答心电图背后的"为什么"。设计意图：用学生真实体验过的对话场景锚定学习的现实意义，再用"心电图"这一隐喻把枯燥的编年史转化为有起伏、需解释的探究对象，任务的身份感（研究员）能有效提升高中生的投入度。环节二探究一：思想萌芽期——机器能思考吗教师发放第一份史料包：图灵测试规则卡、莱布尼茨"思维演算"设想节选、巴贝奇差分机图片。学生小组完成两个动作：第一，用自己的话复述图灵测试的判定标准；第二，讨论"图灵为什么没有给出'智能'的定义，而是设计了一个游戏"。小组汇报后，教师点拨：图灵的伟大恰恰在于绕开了哲学泥潭，把一个无法直接回答的问题转化为一个可操作、可检验的判据——如果一台机器在问答中让人无法分辨它是机器，我们就承认它会思考。这种"以行为界定智能"的思路，是工程学对哲学的漂亮绕行，也埋下了后来"模仿智能"与"理解智能"之争的伏笔。随后教师追问：要让机器答题，至少需要哪些条件？学生归纳出三条——会存储（记住问题）、会运算（处理规则）、会表达（给出答案）。教师板书并指出：这三个朴素要求，正是后面六十年所有技术路线争夺的高地。设计意图：不从"人工智能之父"的头衔讲图灵，而从"他如何把一个哲学问题变成工程问题"讲图灵，让学生在方法论层面获得迁移价值，同时提炼出贯穿全课的"存储—运算—表达"分析框架。环节三探究二：学科诞生——达特茅斯的那个夏天教师展示1956年达特茅斯会议的原始提案节选，其中"学习的每一个方面以及智能的任何其他特征，原则上都可以被精确描述，从而可以制造机器来模拟它"这句话被重点标出。学生以小组为单位完成"会议观察员"任务：假设你是受邀参会的一名年轻学者，请写下会议要解决的核心问题、参会者的乐观依据、以及你可能提出的质疑。汇报环节，学生普遍能提炼出核心问题——用机器模拟人类学习；乐观依据来自三点：电子计算机刚刚问世劲头正盛、数理逻辑提供了形式化工具、神经科学发现了神经元的工作机制。至于质疑，多数学生的第一反应是"人太复杂了"。教师此时引入两位主角的交锋：麦卡锡等人相信智能可以用符号和逻辑规则精确描述，这条路后来被称为符号主义；而以感知机为代表的另一批研究者相信智能应从模拟神经元连接中"长出来"，这条路被称为连接主义。教师用可视化对比呈现两条路线：符号主义像教机器背一本无所不包的规则手册，连接主义像训练一个会自己调整权重的大脑模型。1957年罗森布拉特的感知机一度轰动世界，《纽约时报》甚至预言它将能走路、说话、有自我意识。设计意图：通过角色代入让学生体验学科创立时的雄心与盲点，两条路线的提出为后文"寒冬"与"复兴"埋下结构性伏笔，使历史呈现为逻辑张力而非流水账。环节四探究三：第一次寒冬——乐观撞上现实的墙教师提出悬念：1956年之后，政府重金投入，机器翻译、定理证明捷报频传，为什么到了七十年代，经费被大幅削减，人工智能被打入冷宫？学生带着问题拆解第二份史料包：1966年美国顾问委员会关于机器翻译的报告结论、1969年明斯基与佩珀特《感知机》一书中关于单层感知机无法解决异或问题的数学论证、以及当时计算机内存与速度的具体数据。教师用两行代码演示异或问题的本质——无法用一条直线把两类点分开，学生直观看到"异或困境"不是态度问题而是能力天花板。小组归纳第一次寒冬的三重原因：其一，真实世界的复杂性远超实验室，规则无法穷尽常识；其二，计算机的存储与运算能力撑不起雄心；其三，单层神经网络在数学上被证明存在局限，连接主义几乎被连根拔起。教师在黑板"转折"栏写下：算力不足＋理论缺陷＋期望泡沫＝寒冬。教师在此做价值观渗透：寒冬不是失败者的墓碑，而是科学自我纠偏的机制。被冷眼相待的连接主义转入地下，辛顿等人在近乎没有掌声的环境里坚持了二十年。科学史上真正的遗憾不是犯错，而是封号——把一条路线永久开除。设计意图：用可视化演示化解异或问题的数学门槛，把"寒冬"从年份记忆转化为"三因素叠加"的因果模型，同时渗透科研坚韧精神，落实育人目标。环节五探究四：第二次浪潮与再度沉寂——专家系统的成与败教师播放一段八十年代"知识工程热"的纪实资料，展示医疗专家系统MYCIN的规则片段：如果患者感染为细菌性，且病菌呈阳性，那么推荐使用某类抗生素。学生观察后讨论：这种"专家经验规则化"的思路为什么能在八十年代创造巨大商业价值？学生得出结论：它绕开了通用智能的万丈深渊，只在一个狭窄领域内深耕，用确定性规则换取可用性。教师肯定后抛出下一问：那它为什么又衰落了？学生结合史料归纳三条死穴：知识获取瓶颈——专家说不清自己全部的经验，每一条规则都要人工萃取，成本极高；系统的脆弱性——超出规则覆盖范围的问题，系统不是答错而是束手无策；维护的灾难——规则成千上万之后，规则之间相互冲突，改一条动全身。教师小结并回扣主线：符号主义在狭窄的战壕里打了漂亮的阵地战，却始终攻不下"常识"这座大山。两次寒冬的共同教训是——靠人手工喂给机器的规则，永远追不上世界的变化。那么，有没有可能让机器自己从数据中发现规律？这个问题，在九十年代末一束曙光中现出轮廓：1997年深蓝击败卡斯帕罗夫，靠的是暴力计算；而真正改变游戏规则的，是数据、算法与算力在2010年前后的历史性会师。设计意图：专家系统是两次浪潮间最重要的样本，讲清它的成功逻辑与失败逻辑，学生就握住了理解"为什么必须是机器学习"的钥匙，历史在此完成方法的迭代论证。环节六探究五：复兴与爆发——三要素的历史性会师本环节采用"证据拼图"活动。每组领取三张数据卡：全球数据总量增长曲线、GPU并行计算能力增长曲线、ImageNet竞赛历年错误率变化曲线。小组任务是在坐标纸上把三条曲线叠画到同一张图上，找出2012年附近发生了什么。学生很快发现：2012年深度学习模型在ImageNet竞赛中把错误率断崖式拉低，而此前GPU算力曲线刚刚越过某个阈值，互联网积累的数据规模也达到前所未有的量级。教师揭示：辛顿团队用多层神经网络，也就是深度学习，证明了连接主义的翻身——当年困死感知机的数学问题，被更深的网络结构、海量数据和强大算力联手击穿。随后教师播放AlphaGo与李世石对局中"第37手"的解说片段：一步人类棋手直呼看不懂的落子，事后被证明价值非凡。教师引导学生对比深蓝与AlphaGo：前者靠人类棋谱与暴力搜索，是"算出来的"；后者靠自我对弈中不断强化学习，某种程度上是"悟出来的"。机器获取知识的方式，从"人喂"变成了"自己学"，这是六十年求索中最深刻的质变。教师板书完成全课主线收束：祭祀规则（符号主义）→模拟神经元（连接主义）→数据驱动的深度学习。人工智能的心跳曲线在2012年之后陡然上扬，但教师提醒学生：曲线越陡峭，越需要冷静的心电监护。设计意图：让学生亲手叠画曲线、亲手"发现"2012年，比教师讲授十遍三要素汇合更有说服力；深蓝与AlphaGo的对比直指"学习方式革命"这一本课最硬核的认知增量。环节七思辨拓展：下一场寒冬，还是永恒的春天教师组织微型辩论，辩题为"当前这一轮人工智能热潮会不会重演前两次寒冬"。正反双方必须使用本课建立的"三要素＋期望管理"分析框架举证，禁止空喊口号。正方典型论据：大模型仍然缺乏真正的常识与因果理解，能耗与数据红利存在天花板，资本过热已经显现泡沫特征。反方典型论据：与前两次不同，本轮技术已在产业中大规模落地产生真实价值，数据与算力的增长引擎仍在运转，理论缺陷在被持续修补。教师点评不站队，而是指出双方共同的盲区：历史不会简单重复，但历史的逻辑会重复——当实际能力跟不上社会期望的膨胀速度时，调整就会到来；而当技术扎根于真实需求时，根基就会更深。理性的人既不做狂热的信徒，也不做刻薄的嘲讽者，而做耐心的建设者。设计意图：学以致用，让学生把课堂建立的因果模型用于预测性判断，完成从"懂历史"到"会思考"的跃迁，同时落实信息社会责任素养。环节八课堂小结与作业师生共同完善黑板上的"人工智能发展心电图"：1950年思想起搏，1956年学科诞生，六七十年代首次休克，八十年代短暂亢奋后再度沉寂，九十年代缓慢复苏，2012年起强劲搏动。学生用一句话在学案上写下"历史教给我的一件事"，随机分享三条，教师择优张贴到班级学习墙。分层作业：基础层，完成时间轴工具上的事件标注并配一句话因果说明；提高层，查阅一位在寒冬期坚持研究的科学家（辛顿、姚期智等）的经历，写一段三百字"人物侧写"；挑战层，以"2035年回望今天"为题写一份假想的人工智能发展心电图，并论证其走势依据。六、板书设计主板书呈心电图波形线，关键年份标注于波峰波谷；波形下方三列对应"问题—尝试—转折"：机器能思考吗→图灵测试；符号还是神经元→两条路线分野；规则穷尽不了世界→两次寒冬；机器自己学→数据算法算力会师。副板书保留学生生成的关键词，体现课堂的生成性。七、教学评