高一信息技术：人工智能初步教学课件

高一信息技术：人工智能初步感知·原理·应用·伦理高中信息技术6课时学科：高中信息技术

课时：6课时课程导览01走进人工智能从生活场景建立基本认知与概念边界02智能的来路梳理三次浪潮与两次寒冬的跌宕历程03机器如何学习拆解机器学习三大范式的核心原理04智能改变世界呈现医疗交通工业教育真实应用05与AI共处审视伦理挑战，确立科技向善的价值底线走进人工智能智能不是神秘天赋，而是可被工程化的问题从手机解锁到语音输入，AI就在身边01人工智能到底是什么机器能思考吗？这是七十多年前图灵提出的问题人工智能是研究开发用于模拟、延伸和扩展人的智能的技术，英文缩写为

AI因AI的本质人工智能=数据+算法+算力+场景数据AI学习与推理的基础素材算法处理数据、实现智能的规则算力支撑模型训练的硬件能力场景让技术落地的实际应用环境异AI≠VRAI与VR易混概念辨析VR强调构建一个虚拟世界AI强调关于人的智能的技术四类常见的智能识别类别生活实例关键动作语音识别语音输入法把语音转为文字字符识别拍照识字、手写输入把图像笔迹转为文字机器翻译在线翻译工具把一种语言转为另一种模式识别人脸支付、指纹解锁、以图搜图比对生物或图像特征一眼看穿真假智能判断标准只有一条：看其中是否存在识别过程有无识别过程，是区分真假智能的唯一标准不算AI语音聊天声音转信号原样传回全文检索数据库匹配，背后没有人工智能属于AI语音聊天长按语音转文字手写输入笔画笔顺识别为汉字手写输入属于字符识别智能的来路每一次寒冬之后，都埋着下一次爆发的火种七十年跌宕，三起两落终成大势02从图灵测试到达特茅斯1943神经网络起步二值神经元模型麦卡洛克与皮茨提出二值神经元模型，成为人工神经网络研究的起点。1950机器智能定义提出图灵测试图灵发表《计算机器与智能》，提出图灵测试，首次给出机器智能的操作性定义，被誉为人工智能之父。1956人工智能元年提出人工智能术语麦卡锡等学者在达特茅斯学院研讨会首次提出人工智能术语，这一年被公认为人工智能元年。1957感知机问世发明感知机罗森布拉特发明感知机，首个可识别简单图像的单层神经网络模型。三起两落的七十年阶段大致时期主流技术第一次浪潮1956年至1974年符号主义与逻辑推理第一次寒冬20世纪70年代算力不足，经费削减第二次浪潮20世纪80年代专家系统广泛落地第二次寒冬80年代末至90年代知识获取难，维护成本高第三次浪潮2012年至今深度学习与生成式AI两次寒冬留下了什么两次寒冬：AI发展的至暗时刻第一次寒冬算法简陋与算力匮乏程序只能处理定义完美的抽象问题，现实世界无从应对1969年

明斯基等人从数学上证明单层感知机连异或问题都解决不了，几乎重创神经网络研究1973年

莱特希尔报告促使科研经费大幅削减第二次寒冬专家系统由盛转衰第二次浪潮的主角是专家系统，把行业经验写成规则，在医疗诊断、工业检测等领域落地但维护成本极高，无法应对规则之外的状况，热潮随之退去1986年

辛顿提出反向传播算法，为复兴埋下伏笔深度学习点燃第三次浪潮25.8%2012年之前的图像识别错误率15%AlexNet将错误率大幅降低，宣告深度学习时代到来2016AlphaGo

击败围棋世界冠军2017Transformer

架构问世，成为所有大模型的底层基础图像识别错误率对比2012年之前2012年机器如何学习机器不是被教会规则，而是从数据中自己找规律三大范式，各有各的用武之地03机器是怎么学会的传统编程vs机器学习让计算机从数据中自动提取规律，而非靠人逐条写好规则传统编程输入规则

和

数据得到答案

局限只擅长处理见过的模式，超出训练范围表现即下降机器学习输入数据

和

答案总结自己总结

规则

局限只擅长处理见过的模式，超出训练范围表现即下降模型就是一堆可调旋钮模型就是一台带有很多旋钮的机器，每个旋钮就是一个参数开始时旋钮位置随机，模型基本是瞎猜训练就是根据误差不断转动旋钮，让输出越来越接近正确答案训练结束后的模型，本质上就是一套调好的参数组合，并没有什么魔法1第一步随机旋钮起点开始时位置随机，模型瞎猜2第二步按误差调旋钮训练训练中不断调整让输出越来越接近正确答案3第三步调好的参数组合完成训练结束后的模型，本质上就是一套调好的参数组合过拟合三大学习范式速览范式数据特点学习方式典型应用监督学习有标准答案对照答案调整参数人脸识别、垃圾邮件过滤无监督学习没有答案自己发现数据结构用户分群、异常检测强化学习无现成答案试错加奖励反馈围棋AI、自动驾驶决策三种范式的根本区别，在于机器学习时拿到的是什么样的指导信息监督学习

拿着答案学分类答案有限个类别例：判断邮件是否为垃圾回归答案连续数值例：预测房价工业应用3项风控评分疾病辅助诊断销量预测无监督学习

自己找规律没有标准答案，算法自己发现数据内部隐藏的结构现实中大量数据没有标签，算法需自主找出内在规律1步骤01撒中心点随机撒下若干中心点2步骤02就近分配计算每个数据点与中心的距离3步骤03更新中心不断更新中心位置，直到稳定应用场景2类深夜下单人群电商平台把行为相似的用户自动聚在一起只在促销时消费的人群电商平台把行为相似的用户自动聚在一起局限警示2条结果未必靠谱数据分三簇还是五簇数学上都成立难以评判孰优孰劣数学上都成立，难以评判孰优孰劣强化学习

在试错中成长像玩游戏一样学习，做对得分，做错扣分强化学习不靠现成答案，而是靠试错和奖励驱动——模型如同游戏中的主体，做对得分、做错扣分，在一次次交互中学会最优策略。“摆脱人类已有知识的束缚，最有可能突破人工智能上限”—AlphaGo的启示强化学习的核心机制2条试错和奖励强化学习不靠现成答案，而是靠试错和奖励，模型像玩游戏的主体，做对得分，做错扣分长期累积最高分目标是让长期累积的分数最高，反馈来得慢，却能解决没有明确对错、只能看最终结果的问题为什么近十年才爆发机器学习的核心概念很早就有了，真正爆发源于三个条件同时成熟核心概念很早就有了，真正爆发源于三个条件同时成熟爆发条件三者凑齐，机器学习才从实验室走进产品——如今刷到的推荐视频、地图的到达时间预测，背后都有它在运行数据量

足够大互联网和传感器让可供训练的数据变得极其丰富算力

足够强图形处理器让大规模并行计算成为现实算法

足够新深度学习能够处理更复杂的模式智能改变世界技术真正的价值，在于解决真实世界的问题从手术台到钢铁炉，AI正在落地生根04AI走进医院手术室以重症监护与诊疗辅助两条线展示医疗AI实效迈瑞医疗启元重症大模型提前识别脓毒症休克等危重风险，为抢救赢得时间窗口。应用后不增加人员编制。6小时提前识别脓毒症休克等危重风险13%重症患者出院人次提升12%平均住院日缩短01诊疗辅助线南方医院与华为共建医院通用人工智能平台统筹全院算力与数据资源AI算力利用率提升30%以上AI下沉

普惠基层02诊疗辅助线县域AI儿科医生汇聚300位专家临床经验已服务县域儿童10万人次AI下沉

普惠基层AI让城市交通更聪明闭环能力

全域感知·智能研判·精准管控·高效处置1全域感知2智能研判3精准管控4高效处置场景一：信控智能体——让信号灯学会思考过去的交通系统只能感知正在发生什么，如今借助大模型可以预测将会发生什么并主动决策。佳都科技的交通大模型融合二十余年行业数据，构建路口、路段、区域三级管控体系，让信号灯全天候自适应调节。50个广州五个主城区试点路口实现自适应控制时段24小时6.5%珠江新城重点区域高峰期拥堵指数平均下降约场景二：数字交通指挥系统——城市交通的智慧大脑28类交通数据资源广州数字交通指挥系统接入，构建全域感知、智能研判、精准管控、高效处置能力。AI在钢铁炉前当眼睛从火眼金睛到机器视觉，工业AI正在重塑钢铁生产的每一个环节。过去工人需戴着护目镜，直视上千摄氏度的炉内火焰，靠肉眼判断炉况。→现在机器视觉如同火眼金睛，精准识别炉况。核心案例：中冶赛迪视觉大模型精准识别喷溅、溢渣等冶炼异常情况99%以上平均准确率推广规模51家钢企推广1745套累计部署设备100+覆盖全流程场景98%平均识别准确率降本增效165万元皮带机监控年省成本500万元板材告警避免设备损失钢板异常告警——主动止损AI正在重塑课堂人工智能正重塑课堂：从单一教学工具走向完整教育生态江苏省智能体矩阵覆盖各学段主干学科上线双智能学伴及20个教学智能体为学生提供秒级响应的个性化学习支持无锡教育基地项目实践潮汐车道·真实情境学生用摄像头实时观测桥面车流通过调整车道开设潮汐车道缓解拥堵教育AI新形态从工具到生态教学智能体矩阵·真实项目实践江苏省自主研发覆盖基础教育各学段主干学科的智能体矩阵，让个性化学习触手可及。无锡人工智能教育基地以潮汐车道项目，把课堂延伸到真实交通情境中。智能学伴项目实践遇问题先想AI方案，才是数字时代最宝贵的能力与AI共处技术向善，是每一位使用者的必修课理解边界，才能驾驭未来05算法也会有偏见模型的局限：它学到的只是数据中像素与标签之间的统计关联，并非真正理解世界统计关联模型的局限：学到的只是数据中像素与标签之间的统计关联偏见的来源：训练数据不均衡时，模型会把偏见当作规律真正理解并非真正理解世界，只是拟合数据的表面模式数据不均衡时，会在现实中造成不公平的结果算法偏见争议案例招聘筛选场景中，曾出现算法放大既有偏差的争议信贷评分等场景中，也出现算法放大既有偏差的争议面对这类问题，可运用利益相关者分析框架，多方权衡利弊，再讨论自动化决策的责任该由谁承担眼见不一定为实生成式技术风险深度伪造：伪造图像、伪造声音变得前所未有地容易深度伪造一旦被滥用，将冲击新闻真实、个人名誉乃至公共信任技术对抗数字水印·溯源数字水印与溯源技术，为内容嵌入可验证标记，辅助识别真伪素养防线规范·