高中信息技术必修一 数据与计算 5.1人工智能的产生与发展 教学设计

高中信息技术必修一数据与计算5.1人工智能的产生与发展教学设计一、教材分析与课程定位浙教版（2019）普通高中教科书《数据与计算》模块作为必修系列的开篇，确立了“数据驱动、计算赋能”的核心逻辑。第五章“人工智能初步”引领学生从数据处理走向智能应用，5.1节“人工智能的产生与发展”则是该章的导入课，承担着建构学科观念、确立历史脉络、奠定伦理底色的三重任务。教材并未将人工智能史简单呈现为时间轴，而是通过“达特茅斯会议”“专家系统兴衰”“机器学习范式转移”“深度学习突围”四个关键节点，隐含地展现了符号主义、连接主义、行为主义三大流派的博弈与融合。这一编排意图明确：引导学生透过现象看本质，理解“数据—算法—算力”三要素协同演进的内在规律，而非死记硬背事件年表。依据《普通高中信息技术课程标准（2017年版2020年修订）》要求，本节课落实“信息意识、计算思维、数字化学习与创新、信息社会责任”四大核心素养。重点在于计算思维中“抽象与建模”能力的萌发——让学生体会从规则驱动到数据驱动的范式跨越；在于信息社会责任中“对人工智能技术发展及其应用的伦理规范有初步认识”。教学设计需摒弃“讲历史、背概念”的传统路径，转向“还原探索场景、复盘关键抉择、预判未来走向”的深度学习模式。二、学情分析与学习准备高一学生普遍具备初中信息技术基础，接触过Python编程、简单数据可视化，对“程序=算法+数据结构”有感性认知。但多数学生对人工智能的认知停留在媒体话语层面：或将其等同于AlphaGo、ChatGPT等现象级产品，或陷入“强人工智能威胁论”的科幻想象。他们缺乏对“感知机为何陷入僵局”“反向传播算法为何能突破层级限制”“专家系统为何难以规模化”等技术瓶颈与突破机制的理解。认知负荷理论提示，若直接抛出“符号主义与连接主义之争”“AI寒冬成因”等学术命题，极易超出最近发展区。因此，教学需搭建脚手架：利用学生熟悉的“识别手写数字”任务为载体，串联感知机、多层感知机、卷积神经网络的演进；引入“医疗诊断专家系统”案例，对比规则手工编码与数据自动学习的得失。预习任务设计为“时间胶囊”：学生以小组为单位，调研1956—2024年间某一年的标志性事件、核心人物、技术瓶颈与社会反响，制作电子卡片上传至班级协作平台，构建共享知识库，为课堂复盘提供素材支撑。三、教学目标与核心素养落实1.信息意识：能结合历史节点，辨析人工智能发展中“数据规模、算法模型、算力基础设施”三要素的制约与协同关系，形成“数据驱动智能”的初步认知框架。2.计算思维：通过复盘感知机到多层感知机的模型迭代，体会“分层抽象、特征自动提取”建模思想；利用可视化工具观察损失函数收敛过程，理解梯度下降优化机制，初步建立“模型—目标函数—优化算法”建模范式。3.数字化学习与创新：能使用TensorFlowPlayground等可视化平台搭建简单神经网络，调整超参数完成手写数字分类任务；能基于历史规律，对生成式人工智能、具身智能等前沿方向提出合理预判。4.信息社会责任：结合深度伪造、算法偏见、数据隐私等典型案例，分析技术双刃剑效应；能阐述“人机协同、技术向善”发展观，制定个人数字生活伦理准则。重点：人工智能发展三次浪潮的特征、驱动力及范式演进逻辑；神经网络从感知机到深度学习的关键技术突破。难点：反向传播算法的数学直觉与工程实现关联；“数据—算法—算力”协同演进的系统性认知；技术伦理判断的原则性与情境性统一。四、教学策略与环境准备采用“历史复盘—原理透视—工程实践—伦理审思”四维融合策略。历史复盘：引入“技术树”可视化工具，将零散事件结构化为“符号主义主干—连接主义支流—融合共生新生态”三条主线，师生共建动态概念图。原理透视：坚持“白箱教学”，拒绝黑箱演示。利用动态几何软件拆解感知机线性可分边界，用Excel模拟反向传播一步迭代，降低数学门槛，保留计算本质。工程实践：部署基于浏览器的TensorFlowPlayground与TeachableMachine，零代码门槛完成“螺旋线分类”“口罩佩戴检测”两个实验，聚焦超参数调节与数据质量对模型性能的影响。伦理审思：设置“技术法庭”辩论环节，引入利益相关者分析框架，从开发者、用户、监管者、弱势群体四视角多维研判。环境配置：智能交互平板、学生分组协作桌（每组4人，配1台高性能笔记本）、局域网共享资源库、TensorFlowPlayground离线镜像、TeachableMachine本地化部署包、数字化评价系统（支持实时弹幕、思维导图协作、过程性评价打分）。五、教学过程设计（共4课时）课时一：溯源——从图灵测试到达特茅斯会议：学科诞生的多元起点【情境导入：模仿游戏的现代回响】播放2023年图灵奖得主Hinton谈“图灵测试已过时”片段（1分30秒）。提问：图灵为何在1950年提出“模仿游戏”而非“智能定义”？学生结合预习素材：图灵规避了“思考”这一形而上学难题，将智能问题转化为可操作的行为观测——这是计算思维“问题重述”与“抽象建模”的经典范例。教师补充：图灵测试本质确立了“功能主义”哲学基石，即智能不依赖物理载体，而取决于输入输出映射关系。这一观点直接推演出后续符号操作系统与神经网络两条并行技术路线。【史料复盘：达特茅斯会议的“清单”与“盲区”】分组研读会议原始提案节选（McCarthy等，1955）。重点分析提案中“语言使用、概念形成、问题解决、自我改进”七大猜想。学生发现：提案默认“智能可被精确描述为符号操作”，预设了符号主义路线；完全忽视了感知、运动、情感等具身认知维度，也未预见数据获取与算力成本的工程瓶颈。教师引导：这种“理性主义自信”催生了早期辉煌（逻辑理论家、通用问题求解器GPS），也埋下了首次AI寒冬的伏笔——当现实世界的模糊性、不确定性无法用逻辑公式穷尽时，专家系统的知识获取瓶颈便不可避免。【核心任务：构建“第一次浪潮”特征向量】各组提炼关键词：符号主义、逻辑推理、专家系统、知识工程、脆弱性。利用协作白板绘制“MYCIN专家系统”知识库结构图：规则库（IFTHEN）、推理引擎、解释模块。体会“知识显性化、推理可解释、迁移极困难”三大特征。课堂小结：第一次浪潮确立了“知识驱动”范式，解决了封闭良构问题域（下棋、定理证明、特定诊断）的自动化，却在开放复杂环境中失效。【课后延伸】阅读《人工智能的季节》第一章，撰写300字反思：“若达特茅斯会议重来，你会在提案中增加哪条猜想？理由何在？”提交至数字化作品集。课时二：沉浮——专家系统的兴衰与连接主义的冬日坚守【案例深潜：XCON系统的生命周期】展示DEC公司XCON（R1）系统数据：1980年部署，1986年包含2500条规则，年节省4000万美元；1990年代因规则冲突激增、维护成本指数级上升、无法适应新硬件平台而退役。学生分组建立“规模—性能—成本”三维坐标图，拟合专家系统生命周期曲线。关键发现：规则数量与系统性能呈对数增长后饱和甚至下降，维护成本呈指数增长。教师点拨：这是“组合爆炸”在工程层面的显现——符号系统缺乏泛化能力，每个新情况都需人工添加规则，知识工程师成为稀缺瓶颈。【冷门坚守：感知机的兴衰与Minsky的“判决”】演示Rosenblatt感知机识别字母实验（1958MarkI感知机模拟器）。学生操作：调整输入向量，观察权重自动收敛分离超平面。引入Minsky与Papert《感知机》书中结论：单层感知机无法解决XOR等线性不可分问题。提问：这真的是连接主义的死刑判决书吗？学生查阅资料：书中同时证明“多层感知机可解决”，但当时缺乏有效训练算法、海量标注数据、大规模并行算力。教师强调：科学争论常被技术条件掩蔽。连接主义并未消亡，Hinton、LeCun、Bengio等人在“寒冬”二十年里坚持研发反向传播、卷积结构、无监督预训练，积累了关键算法储备。【思维可视化：绘制“AI寒冬”因果环路图】运用系统动力学工具Vensim构建因果回路：政府/资本预期→投入资金→论文/专利产出→媒体炒作→预期膨胀→实际应用落地困难→信心崩塌→资金抽离。学生识别两个平衡回路（技术瓶颈制约、商业模式不通）与一个增强回路（炒作自我强化）。讨论：如何避免当前生成式AI陷入第三次寒冬？引出“落地场景验证、开源生态共建、算力成本下降曲线”三个差异化变量。【课后延伸】小组制作“专家系统vs神经网络”对比海报，维度涵盖：知识表示、学习方式、可解释性、鲁棒性、适用场景、典型代表。张贴走廊文化墙，邀请全校师生贴便利贴提问。课时三：突围——深度学习：数据、算法、算力的三重共振【现场实验：TensorFlowPlayground螺旋线挑战】任务：用神经网络拟合螺旋线分类数据集。初始配置：2隐藏层、每层4神经元、Tanh激活、学习率0.03、批量10。学生观察：损失函数震荡不降，决策边界混乱。引导调优：增大隐藏层神经元数→改用ReLU激活→引入L2正则化→调整学习率衰减。记录每次调整前后的损失曲线、决策边界动画、权重分布热力图。关键体会：深度（层数）决定表达上限，宽度（神经元数）影响拟合精度，激活函数引入非线性使网络成为通用函数逼近器，正则化缓解过拟合。教师适时引入万能逼近定理直觉：单隐层足够宽即可逼近任意连续函数，但深度网络以指数级更少参数实现同等复杂度——这是“分层特征抽象”的计算优势。【原理透箱：反向传播的“链式法则”工程实现】拒绝公式推导堆砌，采用“计算图拆解法”。以单神经元为例：输入x→加权求和z→激活a→损失L。在Excel中构建前向计算表，学生手工填入数值完成前向传播。随后引入“误差信号δ”概念：δ=∂L/∂z。演示如何从输出层向输入层逐层回传δ，利用链式法则分解梯度计算。重点体会：反向传播将全局优化问题分解为局部梯度乘积累加，将计算复杂度从指数级降为线性级，使万亿参数模型训练成为工程可能。补充：自动微分技术在现代框架中的图执行优化（算子融合、内存复用、流水线并行）。【里程碑复盘：2012ImageNet时刻的三重奏】数据：FeiFeiLi团队构建1400万图像、2万类别ImageNet，解决了“数据饥渴”痛点。算法：AlexNet引入ReLU、Dropout、数据增强、GPU并行训练，Top5错误率降至15.3%，较传统SIFT+SVM绝对领先10个百分点。算力：双GTX580GPU（3GB显存×2）完成周级训练，验证了“摩尔定律向黄定律跨越”的可行性。学生以“三要素共振图”形式呈现：数据规模指数增长（互联网红利）、算法创新降低样本复杂度、专用硬件打破冯·诺依曼瓶颈。缺一不可。【迁移实战：TeachableMachine口罩佩戴检测】任务：采集戴口罩/未戴/戴错三类图像各50张，训练迁移学习模型（MobileNet骨干），部署网页端实时检测。学生体验全流程：数据采集偏差（光照、角度、背景）、类别不平衡处理、混淆矩阵分析错误模式、模型压缩量化（从20MB至2MB）适配移动端。重点讨论：为何仅需少量数据微调即可高效适配新任务？引出“预训练+微调”范式：底层通用特征提取器冻结，顶层任务相关分类器重训，实现了知识迁移与样本效率的平衡。【课后项目】“我的第一个深度学习模型”：自选分类/回归任务（垃圾分类、房价预测、古诗生成等），完成数据清洗、模型搭建、超参搜索、结果可视化、失效案例分析全流程，录制5分钟讲解视频上传平台互评。课时四：前瞻——大模型时代：涌现智能与人机共生的伦理边界【范式演进：从“训练专用模型”到“预训练大模型+提示工程”】展示BERT、GPT系列、LLaMA、Sora技术谱系图。核心转变：目标函数从“监督标签预测”转为“自监督下一词预测/掩码重建”；规模法则呈幂律关系——模型性能随参数量、数据量、计算量平滑提升，无饱和迹象（Kaplanetal.,2020）。涌现现象：在特定规模阈值下，模型突然获得少样本学习、思维链推理、工具调用等未显式训练的能力。学生分析：涌现非奇迹，而是高维参数空间中语义电路自组织的相变。类比物理学“更多即不同”，强调量变引发质变的系统论视角。【技术法庭：深度伪造治理的多方博弈】设定案例：某短视频平台出现某明星“带货”深度伪造视频，播放量破亿，引发消费者维权、平台被约谈、技术开源社区争论“模型开源责任”。四角色分组：开发者组：主张技术中性，开源加速创新，治理应在应用层而非模型层。平台方组：强调算法备案、水印溯源、实名认证三重防线，但面临计算成本与用户体验权衡。监管者组：引用《生成式人工智能服务管理暂行条例》，主张分级分类监管、安全评估备案、可追溯机制。弱势群体组：关注老年人防诈骗、女性形象权保护、方言低资源语言社区话语权缺失。辩论遵循“立论—质询—自由辩论—总结陈词”赛制，评委团（教师+学生代表）依据“事实依据、逻辑严密、价值平衡、方案可行”四维打分。教师总结：治理非单一主体之责，需构建“技术嵌入式合规—平台主体责任—法律刚性约束—社会协同治理”四位一体生态。【伦理建构：个人数字生活准则共创】每人起草“AI时代我的5条底线”，如：“不将生物特征数据输入无隐私协议应用”“辅助创作标注AI生成比例”“定期审算法推荐偏好标签”“拒绝深度伪造娱乐他人隐私”“保留关键决策人工复核权”。全班汇聚高频条目，形成《高一年级学生数字公民公约》发布于班级公众号。【课程总结与跃迁】回顾四课时脉络：符号主义确立“知识显性化”，连接主义实现“特征自动化”，深度学习达成“表示学习规模化”，大模型开启“通用智能雏形化”。每一次跨越，本质都是对“数据、算法,算力”约束边界的突围。布置期中项目预告：“基于大模型API的智能体应用设计”，要求跨学科融合（结合物理实验数据分析、历史文本挖掘、美术风格迁移等），考察综合实践能力。六、教学评价体系设计建立“诊断性—形成性—总结性”三位一体评价体系，覆盖知识、能力、素养三维度。1.诊断性评价（课前）：预习卡片完成度、知识库贡献度、概念图初稿质量。占比10%，用于分层分组与教学调整。2.形成性评价（过程性，占比60%）：实验日志（20%）：记录每次调参配置、现象观察、假设验证、失败复盘，要求“现象—解释—证据”三要素齐全。协作贡献度（15%）：基于Git提交记录、白板编辑历史、组内互评量化贡献值。辩论/汇报表现（15%）：逻辑结构、证据支撑、回应质疑、价值阐释四维度评分量表。数字化作品集（10%）：反思日志、对比海报、项目视频、公约条目等成长轨迹完整性。3.总结性评价（占比30%）：核心概念结构化测试（15%）：开放书本，考察“范式演进因果链构建”“关键技术瓶颈与突破对应”“伦理困境多方利益分析”三道大题，拒绝选择填空。迁移创新项目答辩（15%）：期中项目《智能体应用设计》现场演示与答辩，评审指标：问题真实性、技术路线合理性、原型可用性、伦理风险预案完备性、跨学科融合深度。评价工具数字化：所有过程性数据自动采集至学生成长画像系统，生成“计算思维发展雷达图