高中信息技术选择性必修四人工智能初步教学设计：从图灵测试到大模型时代的发展脉络

高中信息技术选择性必修四人工智能初步教学设计：从图灵测试到大模型时代的发展脉络一、教学背景与课标定位本课选自高中信息技术选择性必修课程“人工智能初步”模块，对应《普通高中信息技术课程标准（2017年版2020年修订）》中“人工智能基础”内容要求第1条：“描述人工智能的概念与特征，列举人工智能的发展历程与应用领域。”该内容在学业水平合格性考试中属于必考基础知识点，在等级性考试中则常以情境化选择题或简答题形式出现。本课面对高二年级学生展开教学。学生经过必修模块的学习，已具备信息意识、计算思维的基本素养，能够运用数字化工具解决简单问题。但受限于年龄与阅历，他们对人工智能的认知普遍停留在“智能音箱”“人脸识别”等应用体验层面，缺乏对学科本源、历史脉络与内在逻辑的系统理解。同时，部分学生对人工智能存在“无所不能”或“威胁人类”的片面看法。因此，本课在设计上既要完成知识传授，也要承担科学精神与价值引领的双重使命。二、学情分析与教学重难点（一）学情前测发现课前通过在线问卷对两个教学班共86名学生进行前测。结果显示：91%的学生使用过生成式人工智能工具；78%的学生能说出两个以上人工智能应用场景；但仅12%的学生能准确说出“图灵测试”的基本含义；能列举三个以上人工智能发展历史里程碑事件的学生不足8%。这表明学生的经验层面丰富而知识层面薄弱，直观感受强而理性认知弱。（二）教学重点其一，人工智能的概念内涵与本质特征。需要厘清“智能”与“人工智能”的哲学边界，明确当前主流人工智能的技术路线——数据驱动、学习迭代、概率推理。其二，人工智能发展的三次浪潮及其标志性成果。尤其要讲清楚20世纪50年代符号主义、20世纪80年代连接主义、21世纪深度学习三条技术路线的演进关系。（三）教学难点其一，如何让学生理解“智能”的可计算性问题。这是人工智能学科的元问题，涉及哲学与数学的交叉，需要借助具体案例搭建认知阶梯。其二，如何辩证看待人工智能发展中的起伏波折。学生往往将技术发展视为线性上升，而事实上人工智能经历了两度寒冬，这背后涉及技术瓶颈、经费支持、社会预期等多重因素，需要引导学生建立历史唯物主义的技术发展观。三、教学目标设计依据课标要求与学情诊断，本课设定如下四条教学目标。第一，信息意识维度：能从生活场景中识别人工智能应用，辨析真实智能与自动化控制的区别。第二，计算思维维度：能描述图灵测试的基本流程，理解“以行为判定智能”的哲学立场；能解释神经网络“学习”的本质是参数调整。第三，数字化学习与创新维度：能通过时间轴工具梳理人工智能发展大事记，形成结构化知识网络。第四，信息社会责任维度：能对人工智能技术风险提出自己的见解，理解“以人为本”的人工智能发展原则。四、教学策略与课堂结构本课采用“问题链驱动＋任务群进阶”的教学策略。全课以“机器何以拥有智能”这一核心问题贯穿，下设五个子问题构成问题链：什么是智能→怎样判定智能→智能如何实现→发展经历了什么→我们如何面对。围绕问题链设计五个学习任务，分别对应课堂导入、新知探究、历史梳理、辩证讨论、总结升华五个环节。课时安排为1课时，45分钟。课堂结构如图1所示（此处以文字描述代替图示）：第一环节创设情境引出问题（5分钟）→第二环节概念建构与图灵测试探究（12分钟）→第三环节发展历程分组研读（15分钟）→第四环节思辨讨论与价值引领（10分钟）→第五环节课堂检测与总结（3分钟）。五、教学过程详案（一）情境导入：从一次“真假难辨”的对话开始上课伊始，教师打开两个对话框。左边对话框为真人客服在线交流，右边对话框为某生成式人工智能模型实时回复。教师不告知学生哪边是真人，请两位学生分别与两边对话各三个来回，随后全班举手表决认为哪边是真人。每次教学实验中，学生的判断结果略有差异，但通常有相当比例学生认错。此时教师追问：刚才我们进行了一场简化版的图灵测试。1950年，英国数学家艾伦·图灵在哲学期刊《心灵》上发表论文《计算机器与智能》，开篇就提出一个尖锐问题：“机器能思考吗？”但他随即指出“思考”这个概念过于模糊，于是设计了一个模仿游戏来替代这个问题。教师随即引出本课核心问题链条中的第一个问题：什么是智能？我们凭什么说一个对象具有智能？这一导入环节不追求学生给出标准答案，而是制造认知冲突，激发求知欲。（二）概念建构：人工智能的定义与特征辨析本环节教师采用“概念卡”分组活动。全班分为六个小组，每组获得一组卡片，卡片上分别写着不同的系统或行为描述，如：自动售货机根据投币金额输出商品；AlphaGo在围棋对弈中战胜李世石；扫地机器人根据碰撞调整行进路线；智能客服根据用户输入检索知识库回复；计算器执行平方根运算；人脸识别系统从照片中锁定目标人物。各小组讨论三分钟，将卡片分成“属于人工智能”与“不属于人工智能”两类，并说明理由。教师巡视收集典型分类方案，投屏展示后进行全班辨析。在辨析过程中，教师引导学生归纳人工智能的学科定义：人工智能是研究如何让计算机模拟、延伸和扩展人类智能的理论、方法和技术的一门科学。这里需要强调三个关键词——模拟（对人类思维过程的模拟）、延伸（超越人类能力边界的延伸）、扩展（在感知、决策、行动等维度的全面扩展）。接着，教师以“自动售货机”与“智能推荐系统”为例对比讲解人工智能与传统程序的本质区别。传统程序遵循“如果……那么……”的确定性规则，行为完全由程序员预设；而人工智能系统尤其是基于机器学习的人工智能，其行为是由数据驱动训练出来的，系统能从经验中自动改进性能。教师写出两个公式进行对比：传统程序：程序=算法+数据结构人工智能：智能=数据+模型+算力这一对比直观呈现了人工智能的“学习”本质——不是人类编写规则，而是机器从数据中发现规则。（三）历史溯源：三次浪潮中的关键人物与事件本环节采用“历史研读工作站”模式。课前教师将人工智能发展史裁剪为六个历史片段，分别打印在六张史料卡上。六个片段依次为：片段一：1950年图灵提出图灵测试，1956年达特茅斯会议正式命名“人工智能”学科。麦卡锡、明斯基、香农、西蒙等学者汇聚美国达特茅斯学院，计划用一个夏天解决机器模拟智能的问题，虽然预期未达成，但会议标志着人工智能研究作为一个独立领域的诞生。片段二：1956年至1974年，第一代人工智能浪潮。程序能证明数学定理、解代数应用题、进行简单对话。西蒙曾预言“十年内计算机将成为国际象棋世界冠军”，但实际进展远慢于预期。受限于算力与数据，机器翻译闹出“和尚喝牛奶”式笑话，研究遭遇瓶颈。片段三：1974年至1980年，第一次人工智能寒冬。英国与美国政府停止拨款，人工智能研究陷入低谷，但专家系统悄然兴起。费根鲍姆等人研制的DENDRAL系统能根据质谱数据推断化合物分子结构。片段四：1980年至1987年，第二次浪潮与专家系统繁荣。专家系统在医疗、地质、化学等领域产生商业价值。日本1982年启动第五代计算机计划，引发全球竞争。但专家系统依赖人工编写规则，知识获取成为瓶颈，维护成本高企。片段五：1987年至1993年，第二次寒冬。LISP机市场崩溃，日本第五代计算机计划未达预期目标。但1986年鲁姆哈特等人重新推广反向传播算法，为神经网络后续崛起埋下伏笔。1989年，杨立昆等将反向传播应用于手写邮政编码识别，卷积神经网络初见雏形。片段六：2006年至今，第三次浪潮。辛顿提出深度学习概念，2012年AlexNet在ImageNet图像识别竞赛中以巨大优势夺冠，标志深度学习全面爆发。2016年AlphaGo战胜李世石。2017年Transformer架构问世。2022年底ChatGPT发布，生成式人工智能进入公众视野。六个小组各领取一张史料卡，开展“角色代入”研读。每组需完成三个任务：用一句话概括该时期的核心成就；说出一个与该时期相关的关键人物及其贡献；判断该时期处于“热潮”还是“寒冬”并说明理由。研读八分钟后，各组派代表按时间顺序上台汇报。教师在黑板（或电子白板）上同步绘制时间轴，形成“波浪式发展”的视觉图谱。汇报完成后，教师引导学生观察时间轴的波动形态，抛出思辨问题：为什么人工智能的发展呈现波浪状而非直线上升？学生讨论后，教师总结三重因素——技术因素（算法与算力的客观限制）、经济因素（资本投入与产出的周期性波动）、社会心理因素（公众预期过高导致失望低谷）。这里自然切入唯物史观视角：技术发展受到生产力水平制约，同时又反作用于社会生产与生活方式。（四）深度学习：从感知到认知的跃迁在学生完成历史全景扫描后，教师将镜头拉近至当前第三次浪潮的关键技术——深度学习。教师以“识别猫咪”为情境展开讲解。教师展示一张猫的图片，询问学生：你如何确认这是一只猫？学生回答：有耳朵、有胡须、有毛、会喵喵叫。教师追问：如果机器看到这张图，它看到的是什么？学生回答：像素点。教师展示一张经过数值化处理的图像，上面密密麻麻排布着0到255的数字。教师指出：人类理解世界依赖概念与语义，机器理解世界依赖数字矩阵。深度学习的本质，就是建立从像素数字到语义标签之间的多层映射关系。教师在白板上画出一个简化的三层神经网络结构图，包含输入层（假设4个节点）、隐藏层（3个节点）、输出层（2个节点）。教师以中英文手写数字识别为例进行数学化演示。设输入向量为x，权重矩阵为W1和W2，偏置为b1和b2，激活函数为ReLU（记为f），则隐藏层输出为h=f(x×W1+b1)，输出层结果为y=f(h×W2+b2)。教师将这一计算过程展开写在白板上：h₁=ReLU(x₁w₁₁+x₂w₁₂+x₃w₁₃+x₄w₁₄+b₁)h₂=ReLU(x₁w₂₁+x₂w₂₂+x₃w₂₃+x₄w₂₄+b₂)h₃=ReLU(x₁w₃₁+x₂w₃₂+x₃w₃₃+x₄w₃₄+b₃)y₁=ReLU(h₁v₁₁+h₂v₁₂+h₃v₁₃+c₁)y₂=ReLU(h₁v₂₁+h₂v₂₂+h₃v₂₃+c₂)教师说明：训练过程就是通过大量标注数据不断调整权重w和偏置b的数值，使得当输入为“手写数字7”的图像时，输出y₁对应的概率值最大。这个过程叫做“学习”。所谓“智能”，在工程层面就表现为经过亿万次参数调整后，模型对新输入做出正确响应的能力。为帮助学生获得感性认识，教师播放一个三维动画演示视频：一个神经网络在训练过程中，权重连线由均匀灰色逐渐变为有明暗层次的花纹，对应的识别准确率从50%逐步上升到99%。视频时长约90秒，学生在观看中直观感受“从混沌到有序”的学习过程。教师接着简要介绍人工智能三大技术流派——符号主义、连接主义和行为主义。符号主义主张智能源于逻辑推理与知识表示，代表成果为专家系统；连接主义主张智能源于神经网络的连接权重调整，代表成果为深度学习模型；行为主义主张智能源于感知与行动的交织，代表成果为机器人控制中的强化学习。当前主流技术路线以连接主义为核心，同时融合其他流派思想。这一部分教师不展开详述，以表格形式呈现，为后续课程留出余地。表1：人工智能三大技术流派对比流派名称核心主张代表成果局限与挑战符号主义智能源于符号操作与逻辑演算专家系统、知识图谱知识获取难，缺乏泛化能力连接主义智能源于神经元连接权重的调整神经网络、深度学习可解释性弱，依赖海量数据行为主义智能源于感知与行动的闭环交互强化学习、智能机器人训练周期长，环境依赖性强（五）价值思辨：人工智能发展中的温度与边界历史梳理与技术解构之后，学生的认知从“人工智能很神奇”转向“人工智能是可计算、可实现的”。此时教师将讨论引向更为深层的价值层面。教师呈现三组矛盾情境。情境一：某医疗机构使用人工智能辅助诊断系统，一次漏诊导致医疗纠纷。请问是医生负责还是系统负责？情境二：某招聘平台使用人工智能筛选简历，训练数据中隐含了对特定性别的偏好。算法没有恶意，但结果存在歧视。问题出在哪里？情境三：班级里有人用人工智能代写作文并获高分，而独立完成写作的同学得分反而更低。这公平吗？学生以小组为单位任选一个情境进行五分钟讨论，随后全班交流。教师不急于给出定论，而是引导学生从技术侧、制度侧、个人侧三个维度梳理应对思路。在交流基础上，教师引入“人工智能伦理五原则”的框架——向善性（人工智能发展必须以增进人类福祉为目标）、可靠性（系统应保证安全可控可追溯）、公平性（算法不得固化或放大社会偏见）、透明性（关键决策应具备可解释性）、责任制（明确设计者、使用者与管理者的法律责任）。教师指出，这五条原则在《新一代人工智能治理原则——发展负责任的人工智能》以及联合国教科文组织2021年通过的《人工智能伦理问题建议书》中均有体现。教师最后强调：人工智能发展的历史告诉我们，每一项重大技术突破都会伴随社会关系的调整与重塑。蒸汽机重新定义了体力劳动，计算机重新定义了脑力劳动，人工智能正在重新定义“劳动”本身。面对这一变革，青年学子既不应盲目乐观，也不应无端恐惧，而应成为有知识、有判断力、有责任感的技术参与者与治理者。（六）课堂检测与知识巩固本环节设置三道阶梯式检测题，覆盖识记、理解、应用三个层次。第一题为基础题，采用选择题形式考查图灵测试的基本含义。题目如下：图灵测试的核心思路是（）A.通过脑机接口测量脑电波来判断机器是否具有意识B.让测试者通过对话无法分辨对方是人是机器C.检查机器是否能够通过逻辑推理解决数学问题D.观察机器是否表现出类似人类的情感反应第二题为理解题，要求学生在给定情境中判断系统是否属于人工智能，并说明理由。情境素材给出“基于规则模板的聊天机器人”与“基于大语言模型训练生成的智能助手”两个对比案例。学生需准确区分基于符号规则的自动回复与基于数据驱动的生成的本质差异。第三题为应用题，要求学生结合本课所学，用200字左右的时间轴短文描述人工智能从1950年到今天的三个关键转折点，并指出每个转折点背后的驱动因素。学生完成后同桌交换互评。教师选取典型答案进行投影讲评，重点点评第二题的判断依据是否准确、第三题的原因分析是否涉及多维因素。（七）课堂总结与作业布置教师用两分钟时间带领学生回顾全课逻辑主线：从图灵之问出发，明确人工智能的学科内涵与判定标准；沿着三次浪潮的历史线索，理解技术演进的内在动力；通过深度学习基本原理的解析，认识当下人工智能的技术本质；最后以伦理思辨收束，建立技术理性与人文关怀的统一视角。教师以一句结语收束全课：“图灵1950年问‘机器能思考吗’，今天我们的问题变成了‘我们想让机器思考什么、替我们做什么、以及我们不能让机器做什么’。技术的高度越高，人的选择就越重要。”课后作业分必做与选做两层。必做作业：完成学考一号配套练习中本节的单项选择题与填空题，并将课堂时间轴笔记整理为结构化思维导图上传至班级学习平台。选做作业：从“人工智能发展史中的启示”“我眼中的人工智能伦理困境”中选择一个话题，撰写一篇800字左右的科技评论。六、教学资源与环境准备本课在多媒体计算机网络教室开展，教室内配备教师控制端、电子白板、学生终端设备（每人一台）与高速网络连接。课前方需完成四项准备：第一，在教室主机预装两个对话应用，分别对应真人客服通道与生成式人工智能模型通道；第二，将六组史料卡打印为纸质材料，每组配发一张A3尺寸过程记录单；第三，在电子白板上预置空白时间轴模板与神经网络结构示意图底稿；第四，制作前测问卷二维码，确保学生能够快速扫码作答。深度学习的动画演示视频由教师提前录制剪裁，确保时长控制在90秒以内，避免挤占课堂讨论时间。所有数字资源通过学校内部学习平台统一发放，学生可于课后反复观看。七、教学评价设计本课教学评价采用过程性评价与终结性评价相结合的方式。过程性评价聚焦三个观测点：课堂导入环节学生对话参与度与判断依据表述；历史研读环节小组汇报内容的准确性、概括力与批判性；伦理讨论环节学生观点是否具有逻辑支撑与同理心表达。教师利用过程记录单对各小组表现进行等级评定，权重占总评的40%。终结性评价以课堂检测三条题目为主，权重占60%。其中基础题得分率目标在90%以上，理解题得分率目标在80%以上，应用题得分率目标在70%以上。课后学习平台同步推送两道拓展思考题供学