《人工智能技术与应用》 教案全套 潘作圣 第0-7章 导论AI认知革命 你的第一个AI助手 - AI伦理与跨界应用 责任与赋能

第0章导论教案项目内容课程名称人工智能应用与实践章节名称导论：AI认知革命——你的第一个AI助手授课对象大专一年级新生（各专业）课时安排4课时（每课时45分钟，共180分钟）授课形式理论讲授+课堂互动+上机实操一、课程基本信息二、教学内容与目标概览本章是整门课程的“第一扇门”，承担着激发兴趣、建立认知、消除恐惧、引导入门的核心功能。包含三节内容：1.1数字时代的AI素养；1.2课程学习地图与资源；1.3实战：15分钟生成第一篇AI作品。教学目标：知识：能列举AI在日常生活中的应用场景，能解释AI素养的含义，能说出课程四阶段学习路径。能力：能独立操作国产大语言模型完成一次人机对话，能运用“角色+任务+要求”框架下达有效指令。素养：树立“人机协作”的积极心态，培养科技自信，初步建立AI伦理意识。三、学情分析与教学对策学生特点：专业背景多元，普遍无编程基础；对AI既好奇又陌生，可能存在“技术恐惧”；偏好直观、可操作的学习方式。教学对策：用生活化类比降低认知门槛；用快速实践建立成就感；用问题驱动代替知识灌输；优先使用国产工具降低访问门槛。四、教学重点与难点重点：AI的普遍性与AI素养的内涵；课程学习路径与国产工具资源；大语言模型的基本操作。难点：克服“技术恐惧”心理；引导学生从模糊指令转向清晰有效的指令输入。五、教学方法案例导入法（小雅的案例引发共鸣）问题驱动法（以问题串联各环节）类比讲解法（生活化比喻解释概念）任务驱动法（“AI雷达”观察任务、实战任务）演示教学法（教师投屏示范操作）分组讨论法（专业融合讨论、作品分享）六、教学过程设计（4课时，160分钟）第一课时：认知唤醒——AI就在你身边（40分钟）环节一：课堂导入（8分钟）教师活动：以讲故事的口吻呈现“小雅的早晨”案例：“周一清晨，小雅的智能音箱在她起床前5分钟自动调低了空调温度……她不禁想：这些App怎么好像比我自己还懂我？”故事讲完后，面向全班提问三个层次的问题：第一层：“在座的同学，谁有过类似的体验？比如被音乐App猜中了喜好，或收到了一条好像‘知道你在想什么’的推送？”邀请2-3位学生简短分享。第二层：“你们觉得，这些‘懂你’的服务背后，究竟是什么在起作用？”引导学生说出“AI”“算法”“大数据”等关键词。第三层：“如果有一天，你能主动和这个‘看不见的智慧’对话，让它帮你写作业、做海报、整理资料，你觉得怎么样？”以此制造悬念和期待。引出本课主题：“今天，我们就来揭开这个‘隐形助手’的面纱，而且——每个人都能在15分钟内拥有自己的第一个AI作品。”学生活动：倾听故事，回忆自身经历，回应提问，进入学习状态。设计意图：从生活经验切入，建立“AI与我有关”的情感连接；用层层递进的提问激发好奇心。环节二：AI无处不在（13分钟）教师活动：展示“AI在我们生活中的全景图”（以学生一天为时间线的信息图）：7:00起床智能音箱播报天气→8:00通勤地图APP避开拥堵→10:00课堂在线翻译→12:00休闲短视频推荐→15:00学习文献摘要整理→20:00创作AI生成海报草图。逐场景讲解时，每讲一个场景就抛出一个互动提问：“每天早上醒来第一件事是看手机的同学举下手——你们觉得手机锁屏上的新闻推送，是怎么知道你感兴趣什么的？”“刷短视频时，是不是经常一刷就停不下来？你们知道那个‘猜你喜欢’是怎么猜的吗？”“用地图导航时，它怎么知道哪条路最快？”

让学生意识到——这些“习以为常”的功能背后都有AI在运作。展示“AI发现者”清单（信息获取、娱乐休闲、出行生活、沟通交流、校园生活五个类别），每类请学生补充1-2个自己用过的具体APP或功能。总结核心观点：“AI已经像水电煤一样，成为数字时代的‘新基建’。它不是科幻电影里的机器人，而是你手机里每一个‘懂你’的功能。”学生活动：观看信息图，对照自己的生活经验，积极回应提问，补充身边案例。设计意图：可视化+互动提问，让“AI无处不在”从抽象概念变为学生的具体感知。环节三：AI素养与竞争力（12分钟）教师活动：展示“传统技能vsAI增强技能”对比表（PPT制作、数据分析、报告撰写三个维度），逐一讲解：“以前，会用Office软件就是竞争力；现在，会用AI辅助完成工作才是真正的竞争力。”展示招聘市场需求案例（新媒体运营、咨询分析师、科研助理等岗位JD中对AI工具能力的要求），引导学生观察：“这些岗位没有一个是‘AI工程师’，但都要求‘会用AI工具’。这意味着什么？”引导学生思考并简要讨论：“你未来的理想职业中，有哪些工作可以交给AI做，哪些必须亲自完成？”邀请2位学生发言。总结：“AI素养不是让你成为AI科学家，而是让你成为会使用新工具的现代人。”学生活动：观看对比和案例，参与讨论，思考自身专业与AI的关系。设计意图：用对比和真实招聘数据说明“为什么要学”，激发学习动机。环节四：树立正确AI观（8分钟）教师活动：用幽默的方式列举两种极端心态：“有人觉得AI是神，啥都能干；有人觉得AI是魔鬼，马上要抢饭碗。这两种都不对。”讲授三个核心观点，每讲一个配合一个生活类比：“AI是增强智能，不是替代人类。就像计算器没有取代数学家，反而让数学家能做更复杂的计算——AI是你身边的‘超级副驾驶’。”“AI是需要驾驭者的工具。就像再好的车也需要司机，AI的输出质量取决于你输入的指令质量。”“AI有局限性。它可能‘一本正经地胡说八道’——这叫‘幻觉’，需要你来把关。”简要小结：“好奇它、尝试它、批判它——这是我们对待AI的正确姿态。”学生活动：倾听、思考，反思自己是否曾有过两种极端心态。设计意图：建立理性认知，为后续学习奠定正确的价值观基础。环节五：课堂小结（2分钟）教师活动：简要回顾：“今天前半段我们学了三点——AI已无处不在、AI素养是新的竞争力、AI是需要你驾驭的工具。”布置课间休息。第二课时：课程地图与AI雷达实践（40分钟）环节一：复习与承上启下（3分钟）教师活动：快速提问：“上节课我们讲了AI的普遍性，谁能告诉我一个让你印象最深的AI应用场景？”请2位学生回答。自然过渡：“你已经知道了AI是什么、为什么重要——现在该回答‘怎么学’了。这节课我们来看看未来几周的学习旅程。”学生活动：回答问题，进入新课状态。设计意图：温故知新，建立内容连续性。环节二：课程特色与学习地图（15分钟）教师活动：用一句话概括课程特色：“这门课不是让你背理论，而是让你动手做。你的每一个学习阶段，都有一个看得见的作品产出。”展示“四段式学习旅程地图”（升级打怪风格），逐一讲解四个阶段：第一关·工具实践（第1-4章）：“这阶段你就像拿到了一套新装备——学会用大模型写东西、用AI画画、做视频，产出你的第一个AI作品集。”第二关·应用开发（第5-6章）：“这阶段你要学怎么把不同的AI能力串起来，让AI自动完成一套工作流程。”第三关·伦理反思（第7章）：“学会了用，还要学会负责任地想。这一阶段我们要讨论AI的偏见、造假、版权等真问题。”第四关·综合创新（第8章）：“最终的挑战——以小组为单位，解决一个校园里的真实问题，进行项目路演。”每讲一关，在黑板上画出简化的路径图（四个方块+箭头串联），并在每个方块旁边标注产出物：“AI作品集”→“自动化流程”→“伦理倡议书”→“创新项目方案”。强调：“旅程终点不是知识的堆积，而是解决真实问题的能力。”学生活动：观看地图，跟随教师在黑板上的路径图做笔记，有疑问可随时提出。设计意图：建立课程整体认知，让学生“心中有数、眼里有光”。环节三：国产工具资源（10分钟）教师活动：展示国产AI工具清单（分类呈现），用一句话介绍每个工具的特点：“大模型四巨头——文心一言、通义千问、Kimi、智谱清言，你选哪个都行，风格略有不同，中文理解都很棒。”“AI绘画——文心一格、通义万相，说句话就能生成海报。”“视频音频——剪映、腾讯智影、魔音工坊，配音剪辑一条龙。”“零代码平台——飞桨EasyDL，可以不用写代码就训练一个自己的分类器。”强调选择国产工具的三条理由：“中文理解更深、免费额度友好、也更符合信息安全的要求。”指导学生现场操作：在浏览器中创建“AI学习工具”书签文件夹，至少收藏3个工具的网址。学生活动：浏览工具清单，建立自己的工具书签库。设计意图：建立“工具在手”的踏实感，为后续实操做准备。环节四：实操任务“AI雷达”布置与启动（10分钟）教师活动：向学生讲解任务：“现在你已经知道了AI无处不在——但‘知道’和‘发现’是两回事。接下来24小时，请你化身‘AI观察员’，有意识地发现并记录身边的AI。”投影展示记录表模板，逐一说明填写要求：“场景/产品”——你在用什么APP或设备？“AI可能扮演的角色”——它是在推荐、识别、还是预测？“带来的体验”——是让你觉得方便、贴心，还是有点困扰？“你的一个疑问”——比如‘它怎么知道我喜欢看猫的视频？’举一个具体的记录示例帮助学生理解（如用淘宝搜索“运动鞋”后首页出现相关商品推荐）。安排：“这个任务我们在课上先启动——你现在就可以打开手机，回忆今天用过的APP，先记录1-2条。课后继续观察，下节课分享。”学生活动：现场开始记录，提出对任务要求的疑问。设计意图：将课堂认知延伸到课外真实生活，培养“有意识的观察”习惯。环节五：课堂小结（2分钟）教师活动：总结本课要点——“我们看清了前路（学习地图），配齐了装备（工具清单），还领了一个探索任务（AI雷达）。下节课，真正动手！”布置课后继续完成AI雷达记录。第三课时：实战——15分钟生成第一篇AI作品（40分钟）环节一：课前准备（5分钟）教师活动：“上课前最重要的一件事——确认大家都能用上工具。能登录文心一言、通义千问或Kimi的同学举下手？”对尚未注册的学生，现场指导快速注册（手机号验证即可），安排已注册的同学帮助身边同学。投屏展示自己已登录的工具界面，作为后续演示的准备。提醒：“今天没有标准答案，没有对错，唯一的任务是——让AI为你产出一样东西。”学生活动：确认登录状态，互相帮助完成注册。设计意图：扫清技术障碍，确保实操环节顺利进行。环节二：任务介绍（5分钟）教师活动：展示两个可选任务：任务A·写诗：“请为我创作一首关于[你的主题]的现代诗。主题可以关于春天、毕业、梦想、城市夜晚等。请让诗歌简短优美，富有画面感。”任务B·旅行计划：“我是一名在[你的城市]的大学生，想利用周末进行一天的短途旅行。我喜欢[自然风光/历史文化/美食探索]。请为我推荐目的地并规划行程。”引导学生选择：“这两个任务都不难——选一个你更感兴趣的。写诗可以很感性，旅行计划可以很实用。”提示学生准备自己的指令：先想好主题或目的地，再动手输入。学生活动：选择任务，构思自己的指令内容。设计意图：给予选择权，降低焦虑感。环节三：教师演示（6分钟）教师活动：投屏演示完整的操作流程：第一步：在对话框中输入指令（以任务A为例，主题选“深夜图书馆”）。第二步：按下发送，等待AI生成（观察“正在思考”的状态）。第三步：阅读生成结果，逐句点评：“这里它用了‘书页翻动如潮汐’——这个意象还不错。但结尾有点平淡，可以修改。”第四步：发起第二轮对话，输入优化要求：“第二段我很喜欢，但第一段能不能更激昂一些？”观察AI如何修改。展示“我的第一篇AI作品”记录表，边讲解边示范如何填写：“实践日期：今天”“使用的AI工具：文心一言”“选择的任务：A写诗”“输入的具体指令：大家看我屏幕”“AI生成的作品：复制最精彩的两句”“我的第一印象：有点惊喜，超出了预期”“第二轮对话：我提了什么要求，AI改得怎么样”强调一个核心体验：“关键不在于AI能生成什么，而在于你通过调整指令，能让它生成得更好。”学生活动：观看演示，理解操作流程和记录要求。设计意图：直观展示降低操作焦虑，同时渗透“指令优化”的初步意识。环节四：学生实操（15分钟）——核心活动教师活动：巡视指导策略：重点关注三类学生：①迟迟不动手的，轻声鼓励“大胆试，随便写什么都行”；②输入后AI生成结果不理想的，引导“试试把指令改得更具体一些”；③已完成第一轮并填写记录表的，鼓励发起第二轮优化对话。现场捕捉值得分享的案例：“我看到有位同学让AI写一首关于‘食堂’的诗，写得挺有意思——记下来，一会儿请他分享。”“这位同学的第一轮指令很简单，第二轮加了要求之后质量明显提升——这个对比很好。”时间节奏把控：0-8分钟：学生完成第一轮对话并填写记录表前半部分。8-14分钟：鼓励学生进行第二轮对话，优化或修改作品，填写记录表后半部分。14-18分钟：提醒学生完成最终记录，准备作品分享。学生活动：输入指令，等待AI生成。仔细阅读生成内容，评估其质量。发起第二轮对话，尝试优化。完整填写“我的第一篇AI作品”记录表。设计意图：让学生在亲身实践中体验“指令→生成→优化”的完整循环，建立“我能驾驭AI”的信心。环节五：作品分享与即时点评（7分钟）教师活动：邀请3位学生自愿展示作品（或教师巡视时提前锁定2-3个有亮点的案例，私下征得同意后邀请分享）：“第一位同学让AI写了一首关于‘食堂烟火气’的诗，来，读给大家听听——”“第二位同学做了一个周末去古镇的旅行计划，大家觉得这个安排合理吗？”在学生分享后，引导全班简短讨论：“他输入了什么指令？和你自己的有什么不同？”“AI输出的哪部分最让人惊喜？哪部分还可以更好？”引出关键认知：“大家有没有发现——指令越具体、越清晰，AI生成的东西就越符合你的预期？这就是我们第三章要学的内容：提示词工程。”学生活动：分享作品，倾听同伴的体验，参与讨论。设计意图：同伴展示形成正向激励；从对比中自然引出后续课程内容。环节六：课堂小结（2分钟）教师活动：“今天你完成了一件很重要的事——不是‘看了AI怎么工作’，而是‘指挥AI为你产出了一件作品’。你已经是AI的使用者了。”布置整理记录表。第四课时：深化理解与综合练习（40分钟）环节一：复习导入（5分钟）教师活动：三个快速提问串联前序内容：“谁还记得课程四个关卡分别是什么？”（工具实践→应用开发→伦理反思→综合创新）“上节课实战你用的是哪个AI工具？它帮你做了什么？”“通过这次体验，你最大的感受是什么？”请2-3位学生简答，教师顺势总结：“我们已经有了体验——现在来把体验‘沉淀’为认识。”学生活动：回答问题，回顾前序内容。设计意图：串联三节课内容，建立认知连贯性。环节二：深度讨论——“AI与我的专业”（10分钟）教师活动：展示讨论主题：“AI+你的专业=？”呈现各专业AI应用案例，每个用一句话说明：新闻传播：“AI能自动生成体育赛事快讯。”法律事务：“AI能辅助检索相关法条和判例。”艺术设计：“AI能根据描述生成海报草图。”教育：“AI能生成教案初稿和练习题。”商务：“AI能分析销售数据并自动生成报告。”组织分组讨论（按相近专业分组，每组4-5人）：讨论题目：“结合你的专业，设想一个可以用AI辅助完成的具体任务。”每组推选一位记录员，记录组员的想法。全班分享：每组用1分钟汇报一个最有代表性的想法，教师在黑板上记录关键词。学生活动：分组讨论，汇报分享。设计意图：将AI学习与个人发展建立直接联系，激发持续学习的意义感。环节三：综合练习（18分钟）教师活动：分发综合练习题（纸质或投屏展示），包含：5道单选题、5道判断题、2道问答题。明确要求：“独立完成，不会的可以先跳过，但一定要自己思考。完成后我们逐题讲解。”巡视学生答题情况，注意共性问题。逐题讲解：单选题：每题请一位学生回答，追问“为什么选这个不选那个”。判断题：每题请学生判断后，教师解释对错原因。问答题：选取1-2份有代表性的答案进行匿名展示点评，强调“答案没有标准，但要有自己的思考”。附：综合练习题一、单项选择题本教材的核心特色之一是“场景驱动”，这主要是指（B）

A.专注于AI的数学理论和算法原理

B.从学生的生活、学习和未来职业中的真实问题出发组织内容

C.要求学生必须具备编程基础

D.主要介绍国外最新的AI研究成果在当今数字时代，个人拥有“AI素养”最主要的意义在于（B）

A.成为AI领域的算法工程师

B.将AI作为一项基础技能提升学习与工作中的竞争力

C.能自己从头训练大型AI模型

D.防止所有工作被AI取代本课程鼓励优先使用国产AI工具，以下哪项不是主要原因？（C）

A.国产工具在中文理解上更有优势

B.符合国家信息安全与技术自主可控的方向

C.国产工具已全面超越国外同类产品

D.许多国产工具提供了对教育用户的免费额度“15分钟生成AI作品”的实战主要体验了哪一类AI的能力？（B）

A.判别式AI（如图像识别）

B.生成式AI（如大语言模型）

C.行为驱动AI（如机器人控制）

D.规则驱动AI（如专家系统）本教材倡导的AI与人类关系的核心理念是（C）

A.AI终将取代大部分人类工作

B.AI是万能的，可以完全依赖它做所有决策

C.AI是增强智能，人类应学会驾驭它进行协作

D.AI风险过高，学生应尽量远离二、判断题学习本课程的主要目标是成为AI理论专家，深度掌握神经网络原理。（×）AI已能完全独立进行艺术创作和科学发现，不需要人类干预。（×）在课程学习地图中，“伦理反思”是独立且重要的阶段。（√）输入模糊指令（如“写点东西”）通常比具体指令（如“写一封感谢导师的邮件”）能得到更高质量的输出。（×）百度飞桨EasyDL等平台无需编写代码即可训练简单模型，适合初学者。（√）三、问答题通过本章学习，你对“人工智能”的印象发生了哪些改变？请结合自身专业，谈谈希望通过本课程解决什么具体问题？（至少两点）假设学生会宣传部要为“校园歌手大赛”做预热宣传，请分析：（1）可以用哪些AI能力协助完成哪些子任务？（2）针对任一子任务，你会选择什么国产AI工具？为什么？学生活动：独立答题，参与讲解讨论，订正错题。设计意图：检验学习效果，巩固核心知识点，通过讲解澄清模糊认识。环节四：本章总结（5分钟）教师活动：展示“核心要点回顾”四格总结：“AI已无处不在——从隐形助手到创造伙伴”“AI素养是竞争力——‘会用新工具’是现代人的基本功”“课程路径清晰——工具实践→应用开发→伦理反思→综合创新”“实践是起点——你已经有了第一篇AI作品”用一句话收束全章：“推开这扇门之后，后面的每一章都会让你离‘AI创造者’更近一步。”学生活动：倾听、记录，完成课程内容的整体回顾。设计意图：形成完整的认知闭环。环节五：课后任务布置（2分钟）教师活动：布置三项任务：任务一：完成“AI雷达”24小时观察记录（纸质或电子版），下节课提交或分享。任务二：完善“我的第一篇AI作品”记录表，如有条件可用另一工具做对比尝试。任务三：预习第一章《理解人工智能：从概念到应用逻辑》，带一个问题来课堂。预告下节课内容：“第一章我们要回答一个更大的问题——AI到底是怎么工作的？自动驾驶汽车怎么‘看见’路？我们下节课见。”学生活动：记录课后任务。设计意图：延伸课堂学习，保持学习的连续性和主动性。七、课后作业与评价（一）课后作业“AI雷达”观察记录：24小时内记录至少5个身边的AI应用场景，填写记录表。完善“我的第一篇AI作品”记录表：如有条件可用另一个AI工具做对比。预习第一章：阅读教材第一章，准备一个课堂问题。（二）评价方式评价维度评价内容权重课堂参与讨论发言、互动积极性30%实操完成“AI雷达”观察记录表完成度30%作品质量“我的第一篇AI作品”记录表完整度20%综合练习导论综合练习题完成情况20%本章重在“体验”与“参与”，不追求“完美答案”。综合练习题以“完成并订正”为基本要求。八、教学反思要点（课后填写）反思维度记录要点教学目标达成情况学生是否达成了知识、能力、素养三方面目标？教学环节有效性哪个环节最受欢迎？哪个环节需要调整？学生参与度是否全体参与？是否有学生掉队？如何改进？技术保障网络、平台、设备运行是否顺畅？改进方向下次授课需要优化哪些内容？第一章：理解人工智能：从概念到应用逻辑一、课程基本信息项目内容课程名称人工智能应用与实践章节名称第一章：理解人工智能——从概念到应用逻辑授课对象大专一年级新生（各专业）课时安排4课时（每课时40分钟，共160分钟）授课形式理论讲授+课堂互动+上机实操二、教学内容与目标概览本章是课程“工具实践”阶段的开篇，承担着建立AI认知框架、理解基本概念、消除技术神秘感、连接专业应用的核心功能。包含五节内容：1.1智能的本质——感知、决策与行动；1.2AI发展简史——故事中的里程碑；1.3技术流派——三种实现路径；1.4AI技术架构——硬件、算法与应用；1.5AI与我的专业——融合的起点。教学目标：知识目标：能够用自己的话复述“感知-决策-行动”智能三步循环模型，并以此为框架分析至少2个日常AI应用的工作流程。能够列举AI发展史上的至少5个关键里程碑事件（图灵测试、达特茅斯会议、深蓝、AlexNet、AlphaGo、ChatGPT等），并说明其历史意义。能力目标：能够区分规则驱动、数据驱动、行为驱动三种技术流派的核心思想与适用场景，并能根据给定案例判断其所属流派。能够运用“硬件层-算法层-应用层”三层架构模型，分析一个AI产品（如智能音箱、人脸识别）的技术组成。素养目标：建立“AI是赋能工具而非神秘黑箱”的理性认知，形成“知其然也知其所以然”的探究习惯。初步形成“AI+专业”的融合思维，能够从自身专业角度发现AI的应用可能性。三、学情分析与教学对策学生特点：已完成导论学习，对AI有了初步的感性认识和操作体验，但对AI“为什么能这样做”仍缺乏系统理解；对“感知”“算法”“模型”等术语既陌生又好奇；部分学生开始思考“AI和我专业有什么关系”。教学对策：用“过马路”“智能音箱”等生活化案例贯穿理论讲解；用大量类比替代术语堆砌；每节配套简短的实操体验，让学生在“做”中理解“理”；第五节结合各专业分组讨论，建立个人连接。四、教学重点与难点重点：智能的三步循环模型；三大技术流派的核心思想与区别；AI三层技术架构。难点：区分三大技术流派（特别是数据驱动与行为驱动的边界）；理解“算法框架-模型-API”之间的关系。五、教学方法讲授法——系统讲解核心概念与知识框架，配合类比、案例、信息图表。任务驱动法——每节配套实操任务，让学生在完成具体任务的过程中内化知识。六、教学过程设计（4课时，每课时40分钟，共160分钟）第一课时：智能的本质（40分钟）环节一：复习导入（5分钟）教师活动：快速提问复习导论内容：“上两节课你们已经亲手让AI写过诗、做过旅行计划了。谁能告诉我——你用的是哪个AI工具？你输入了什么指令？AI给了你什么结果？”请2位学生简答。顺势过渡：“导论课我们体验了AI是‘什么’——它是一个能和你对话、帮你创作的伙伴。今天这堂课，我们要回答一个更深的问题：AI‘为什么’能做到这些？它的‘智能’究竟是怎么来的？”学生活动：回答提问，回顾导论课的操作体验。设计意图：温故知新，从“是什么”自然过渡到“为什么”。环节二：导入案例——清晨的智能之旅（5分钟）教师活动：用讲故事的口吻呈现“小林的早晨”：“周一早上7点，小林被智能音箱唤醒……小爱同学，今天天气如何？……骑共享单车去教室的路上，地图APP说前方拥堵，已重新规划路线，预计节省8分钟……晚上用人脸识别开门……”故事结束后，逐次抛出三个问题引导学生思考：“小林的早晨，出现了哪些智能设备或服务？”（音箱、地图、短视频推荐、人脸识别）“在这些场景中，机器‘感知’到了什么？”“它做了‘决策’吗？最后‘行动’了什么？”引出本节核心：“这些看似神奇的智能，其实都可以用一个简单的模型来解释——感知、决策、行动。”学生活动：听故事，回应问题，初步尝试用“感知-决策-行动”框架分析场景。设计意图：用熟悉的校园生活场景引发共鸣，激活前备知识。环节三：智能的三步循环模型（10分钟）教师活动：板书或投影展示“感知-决策-行动”循环图（三个节点形成环形箭头）。用“过马路”这个最日常的场景逐环讲解：“感知——你过马路时，眼睛看到什么？”（红灯、车流）“决策——大脑怎么处理这些信息？”（红灯+有车→“不能走”）“行动——你做了什么？”（停下脚步）“然后呢？红灯变绿了——你又看到了什么？新一轮感知开始了。这就是循环。”将“过马路”模型迁移到AI场景，以智能音箱为例逐环拆解：“智能音箱怎么感知？通过麦克风——听到你说‘今天天气如何’。”“它怎么决策？三步走：先把声音转成文字（语音识别），再理解你在问天气（自然语言理解），然后去调用天气服务获取数据。”“怎么行动？通过扬声器——把结果‘说’给你听。”再快速以自动驾驶为例印证：“摄像头和雷达是感知→路径规划和避让判断是决策→转向和刹车是行动。”强调核心：“任何一个智能行为，无论是人类的还是机器的，都离不开这个三步循环。”学生活动：观察循环图，跟随教师逐环理解，思考身边其他应用是否符合这个框架。设计意图：用生活类比降维复杂概念，通过重复（过马路→音箱→自动驾驶）强化记忆。环节四：专用智能与通用智能（5分钟）教师活动：提问：“人脸识别门禁能不能帮你规划旅行路线？推荐算法能不能帮你开车？”——学生答“不能”。引出概念：“我们身边99%的AI都属于‘专用人工智能’——它只会做一件事，但做得很好。就像一个只会做番茄炒蛋的顶级厨师，换一道菜就不会了。”简单对比“通用人工智能”：“人类为什么智能？因为我们可以用同一套大脑学习开车、学做菜、学数学——能跨领域学习。科学家正在努力让AI也具备这种能力，但还差得远。”强调一个关键认知：“当前AI的智能是‘窄’的、是有边界的。它没有意识、没有情感、不理解自己在做什么——这就是它和人类的根本区别。”学生活动：倾听，反思AI的局限性。设计意图：建立AI的能力边界认知，避免过度神化。环节五：实操——体验身边的AI三步循环（13分钟）教师活动：布置任务：“现在请大家拿出手机，选一个你最常用的AI应用——可以是地图导航、语音助手、扫一扫翻译、甚至相册的人脸分类——亲身经历一次完整的‘感知-决策-行动’过程。”投影展示记录表模板，逐一说明填写要求。举一个填写示例（以地图导航为例）帮助学生理解。巡视指导：观察学生操作，对选不出应用的学生提供建议（“你手机里有语音助手吗？对它说一句‘明天早上7点叫我起床’试试”），对记录有困难的学生进行引导。时间节奏：2分钟选应用→6分钟操作体验→5分钟填写记录。学生活动：打开手机APP操作体验，边操作边填写记录表。实操记录表：AI应用名称你的指令/输入感知（获取了什么信息？）决策（可能做了什么处理？）行动（输出是什么？）是否智能？你的理由示例：高德地图“去南昌西站”GPS位置、语音指令、实时路况路径计算、避开拥堵显示路线、语音播报是，综合多种信息给了最优解你的记录最后2分钟，请1-2位学生简要分享记录（“你选了什么应用？它的‘感知’环节用了手机的哪个硬件？”）学生活动：分享记录结果，倾听同伴发现。设计意图：将抽象的三步循环模型具象化到学生自己的操作体验中，实现“做中学”。环节六：课堂小结（2分钟）教师活动：“今天我们学了一个核心模型——感知、决策、行动。记住：任何一个AI应用，你都可以用这三个词来拆解它。下节课我们来看看，AI的这些能力，经历了怎样的发展历程才走到今天的。”学生活动：回顾核心内容，记录要点。第二课时：AI发展简史（40分钟）环节一：复习与导入（5分钟）教师活动：快速提问：“上节课的核心模型是什么？用三个词概括。”学生答“感知-决策-行动”。追问：“谁能用这个框架，简单分析一下手机地图导航是怎么工作的？”请1位学生回答。过渡：“今天我们知道了AI‘怎么做’——但这套感知-决策-行动的能力，可不是一天练成的。AI从概念诞生到今天，走了将近70年。这条路，并不平坦。”学生活动：回答问题，回顾上节课内容。设计意图：温故知新，自然过渡到AI发展史。环节二：早期奠基——图灵与达特茅斯（8分钟）教师活动：投影展示时间轴（从1950年起始），标注两个节点。讲述图灵测试：“1950年，英国数学家图灵提出一个问题——机器能思考吗？他设计了一个‘模仿游戏’：如果一台机器和人对话，人分辨不出对面是机器还是人，那这台机器就算有智能了。这后来被称为‘图灵测试’。”用幽默的口吻补充：“直到今天，还没有哪个AI能100%通过图灵测试——我们离真正‘像人’的智能还有距离。”讲述达特茅斯会议：“1956年夏天，一群年轻科学家在美国达特茅斯学院开了两个月会，第一次提出了‘人工智能’这个词。这群人里后来出了好几位图灵奖得主。这个会议被公认为AI作为一门学科的诞生标志。”强调一个细节：“当时他们很乐观，觉得二十年之内就能造出和人类一样聪明的机器——事实证明，他们太乐观了。”学生活动：倾听历史故事，感受AI诞生之初的理想主义。设计意图：用人物和故事替代干巴巴的时间线，增强趣味性和记忆点。环节三：两次寒冬与两次复苏（8分钟）教师活动：投影展示“AI发展波浪图”（波峰与波谷交替）。在第一段波峰处标注“专家系统”：“1960-70年代，研究者相信，把人类专家的知识编成规则输给计算机，它就能变聪明。比如编写‘如果发烧且咳嗽→可能是感冒’这类规则。这叫‘专家系统’——在一定领域内确实管用。”讲述第一次寒冬：“但很快发现——世界上的规则太多了，根本写不完。比如‘水是湿的’这种常识，机器理解不了。承诺没有兑现，政府大幅削减经费，AI进入了第一个冬天。”简要提及第二次浪潮与第二次寒冬：“80年代再次兴起，又再次因预期过高而破灭。”总结这一段的核心教训：“AI的发展不是一帆风顺的，它经历了大起大落。关键转折来自一个思路的转变——与其‘教’机器规则，不如让机器自己去‘学’。”学生活动：观察波浪图，理解AI历史的起伏性。设计意图：让学生理解技术进步的非线性，培养对AI发展的客观认知。环节四：现代AI崛起——深蓝、AlexNet、AlphaGo（10分钟）教师活动：投影展示三个递进的里程碑图标（阶梯式排列）。讲述深蓝（1997）：“1997年，IBM的‘深蓝’计算机在国际象棋上战胜了世界冠军卡斯帕罗夫。当时全球轰动。但其实深蓝主要是靠‘算’——它每秒可以算2亿步棋，相当于把棋局的各种可能性都算了一遍。这是靠‘蛮力’，不是‘智慧’。但它极大地提振了公众对AI的信心。”讲述AlexNet（2012）：“2012年有一个事件，在学术界之外知道的人不多，但在AI领域是革命性的——一个叫AlexNet的模型，在图像识别大赛中，以压倒性优势夺冠，错误率比第二名低了超过10%。它用的就是后来大名鼎鼎的‘深度学习’。从此，AI在‘看’这件事上，超越了人类。”讲述AlphaGo（2016）：“2016年，谷歌的AlphaGo在围棋上战胜了世界冠军李世石。围棋比国际象棋复杂太多——棋盘上可能的变化比宇宙原子总数还多，不能靠‘算’取胜了。AlphaGo的神奇之处在于，它通过跟自己下棋，不断学习，走出了很多人类棋手从未想到的妙招——甚至被评价‘像神一样’。这是AI在决策智能上的里程碑。”提问互动：“这三个事件，你觉得哪个意义最大？为什么？”请1-2位学生简答。学生活动：倾听三个标志性事件，思考其各自意义，参与互动讨论。设计意图：用三个“高光时刻”串起现代AI崛起的脉络，每个故事都有明确的意义提炼。环节五：大模型时代（5分钟）教师活动：投影展示“2022ChatGPT发布”为最新节点。讲述：“2022年底，OpenAI发布了一个叫ChatGPT的聊天应用。它和之前的AI有什么不同？以前的AI大多是‘判别式’的——给它一张图，它告诉你这是猫还是狗；给它一句话，它帮你翻译。而ChatGPT是‘生成式’的——它不仅能分析，还能‘创造’。你让它写首诗、写个代码、写份商业计划书，它都能生成。”补充国产进展：“几乎同时，百度发布了文心一言、阿里发布了通义千问、月之暗面发布了Kimi。国产大模型在中文理解和应用场景上很有特色。”用一个数据强化冲击力：“ChatGPT上线5天，用户突破100万；2个月，突破1亿。这是历史上用户增长最快的应用——没有之一。”学生活动：倾听，感受AI最新发展的冲击力。设计意图：把历史拉到“当下”，让学生意识到自己正亲历AI的大时代。环节六：实操——制作“AI历史卡片”（4分钟）教师活动：布置任务：“请大家从今天讲的里程碑中选一个你印象最深的——图灵测试、达特茅斯会议、深蓝、AlphaGo、ChatGPT都可以——用手机备忘录或一张纸，制作一张‘AI历史卡片’。”投影展示卡片模板，说明包含要素：事件名称、时间、核心人物/团队、一句话核心突破、影响。如果课上时间有限，可简化为只写事件名称+核心突破+影响，课后完善。课上最后2分钟请1位学生分享其卡片内容。学生活动：快速制作卡片，或记录模板以便课后完成。设计意图：用整理和输出代替被动听讲，加深记忆。环节七：课堂小结（2分钟）教师活动：“AI从1956年得名到今天，走了近70年——有高光也有寒冬。关键转折在于从‘教机器规则’转变为‘让机器自己从数据中学习’。下节课我们要问一个更根本的问题：‘让机器从数据中学习’——到底有几种学法？”学生活动：记录小结要点。第三课时：技术流派与技术架构（40分钟）环节一：复习与导入（5分钟）教师活动：提问回顾：“上节课我们讲到AI发展的一个关键转折——从‘教规则’转向‘让机器自己学习’。谁能用一句话说清楚这个转变为什么重要？”请1位学生回答。过渡：“今天我们深入一步——让机器‘学习’，到底有哪几种不同的学法？好比要教会一个孩子‘不要碰开水’——你可以给他写一本安全手册（规则），也可以让他看很多被烫伤的例子（数据），还可以让他自己去摸一下、被烫一次然后记住（试错）。这三种方法，就对应了AI的三大技术流派。”学生活动：回答问题，进入新课状态。设计意图：用比喻建立直观认知，降低理解门槛。环节二：三大技术流派——规则驱动、数据驱动、行为驱动（18分钟）教师活动：投影展示三大流派对比表（如下图），逐一流派讲解：特征维度规则驱动派数据驱动派行为驱动派核心理念智能=符号运算与推理智能=从数据中学习模式智能=在与环境交互中适应生活类比编写《世界运行说明书》分析海量案例的学霸在实践中摸索的学车人典型技术专家系统、知识图谱机器学习、深度学习强化学习典型应用早期语音助手、税务软件人脸识别、推荐系统、ChatGPTAlphaGo、自动驾驶决策优势透明、可控、可解释善于处理复杂模式擅长动态序列决策局限性知识写不完、僵化依赖大数据、黑箱、有偏见训练成本高、有安全风险讲解规则驱动时，用“ATM取款机逻辑”举例：“如果输入正确密码→允许取款；如果连续输错3次→锁卡。这就是最基础的规则——清晰、可解释、可控。但如果让你用规则写一部法律的全部条款，那规则就写不完了。”讲解数据驱动时，用“教孩子认猫狗”举例：“给他看一万张猫和狗的图片，每张都告诉他‘这是猫’或‘这是狗’。他自己就总结出了猫和狗的差别。这就是现在最主流的AI实现方式。”讲解行为驱动时，用“学骑自行车”举例：“没有人给你写骑车规则书，也没有大数据可以分析——你直接上车，摔倒了就知道‘这个动作不对’，保持平衡就知道‘这样是对的’。你是在试错中学会的。AlphaGo就是这么学会下棋的——自己跟自己下了几千万盘。”强调三个流派的关系：“它们不是谁淘汰谁的关系，而是各有适用场景。现代AI系统常常是融合使用的——比如自动驾驶：感知行人用的是数据驱动，遵守交通规则用的是规则驱动，复杂路况博弈用的是行为驱动。”提问检查理解：“人脸识别用的是哪个流派？智能客服回答标准问题用的是哪个？”请学生回答，及时纠正偏差。学生活动：观看对比表，跟随比喻理解各流派核心思想，记录关键区别，参与问答。设计意图：用三组生活类比让抽象概念变得可感可知，用对比表建立结构化认知。环节三：AI三层技术架构（10分钟）教师活动：投影展示“三层金字塔图”（硬件层-算法层-应用层），并在黑板上同步绘制简图。用“智能手机拍照美颜”的类比逐层讲解：“硬件层——相当于手机本身的芯片、摄像头、传感器。没有这些物理设备，AI什么也干不了。GPU（图形处理器）就是最重要的AI硬件，因为它擅长并行计算，跑深度学习模型特别快。”“算法层——相当于手机里的美颜算法。它接收摄像头传来的原始像素数据，通过模型计算出‘哪里是脸’‘哪里该磨皮’‘哪里该提亮’，输出处理后的图像数据。这一层是AI的‘智慧’所在。比如我们用的文心一言，它的背后就是一个大语言模型。”“应用层——就是用户面对的APP或功能界面。你打开美颜相机APP按一下快门，背后有硬件采集、算法处理，但你不关心这些，你只看到了好看的照片。人脸解锁、智能推荐、自动驾驶系统都是应用层。”讲解“API”概念：“你可能会问——我们自己没有服务器、没有海量数据，能不能调用这些强大的AI模型？可以，通过API。API就像一个‘插座’，模型方把模型部署在云端，你按照格式把输入‘插’进去，就能获取输出。就像你不用自己建发电厂，插上插座就能用电。”用“三层架构”回扣本课所学：“感知-决策-行动的循环是在算法层完成的；硬件层提供计算支撑；应用层是用户看到的样子。”学生活动：观看金字塔图，跟随类比理解三层架构和API概念，在笔记本上画出简易三层结构。设计意图：建立AI技术的系统性认知框架，为理解后续章节的实践操作提供概念基础。环节四：实操——体验三层架构（5分钟）教师活动：布置任务：“打开文心一言或通义千问，输入这个提示词：‘请解释什么是人工智能，用适合大学生理解的语言，200字左右。’观察整个过程中，你作为用户感知到的是什么、背后可能发生了什么？”请学生快速填写简易记录：应用层（你做了什么？）：_________________________________算法层（可能发生了什么处理？）：_________________________硬件层（谁在提供算力？）：_____________________________请1位学生分享记录。学生活动：快速操作并记录。设计意图：将三层架构理论与学生已有的实践操作建立连接。环节五：课堂小结（2分钟）教师活动：“今天我们学了两个重要框架——三大流派告诉你AI‘怎么学’，三层架构告诉你AI‘怎么做出来的’。下节课我们把AI能力和你们自己的专业联系起来——AI到底能为你的专业做什么？”学生活动：记录要点。第四课时：AI与专业融合及综合练习（40分钟）环节一：复习导入（5分钟）教师活动：两个快速提问：“三大技术流派中，目前最主流、应用最广泛的是哪个？”（数据驱动）“AI三层架构从下到上分别是什么？”（硬件层—算法层—应用层）请2位学生回答。过渡：“前面三节课，我们学了AI的基本原理、发展历史、技术流派和系统架构。但还有一个最重要的问题没有回答——这一切，和你有什么关系？今天这堂课，咱们就专门讨论这个。”学生活动：回答提问，回顾前三节核心概念。设计意图：快速串联前序内容，为“AI+专业”讨论做知识准备。环节二：思维转变——从“学习者”到“AI赋能者”（5分钟）教师活动：提出核心观点：“对于非计算机专业的你们，学习AI的目标不是成为算法工程师，而是成为‘AI赋能者’——也就是说，你不需要会造AI，但你要会用AI解决你专业领域的问题。”展示三个关键词：“懂AI能做什么”——了解AI能力边界“懂专业痛点在哪里”——知道本领域哪里低效、哪里费时“懂如何连接”——把AI能力匹配到专业痛点用一句话总结：“你的竞争力不在于和AI比谁算得快，而在于比AI更懂你的专业——然后用AI放大你自己的专业能力。”学生活动：倾听，思考自身定位。设计意图：建立正确的学习定位，消除“我不是技术专业，学AI有什么用”的困惑。环节三：案例深潜——AI如何赋能各专业（10分钟）教师活动：投影展示“AI+专业”案例库，每个专业用1-2句话说明，并配一个具体例子：专业领域典型AI应用案例具体说明电子商务智能推荐、AI生成商品文案淘宝“猜你喜欢”；用大模型一键生成商品详情页描述新闻传播AI自动生成新闻快讯体育赛事、财经快报可自动成稿，记者专注于深度报道法律事务AI辅助法条检索与判例匹配输入案件描述，AI快速匹配相关法条和类似判例艺术设计AI生成海报草图和配色方案输入主题和风格，AI生成多个设计方向供选择教育AI辅助教案生成与习题设计输入知识点，AI生成教案初稿和分层练习题商务/金融智能数据分析与报告生成自然语言描述分析需求，AI自动生成数据透视表和报告重点深挖一个具体案例（以电子商务“AI商品文案生成”为例），演示其操作流程：“假设你有一款新产品——‘智能运动手环’，你需要写5条不同风格的小红书推广文案。传统方式：自己憋一下午。AI方式：输入‘请为一个智能运动手环生成5条小红书风格的推广文案，目标用户是大学生，每条不超过60字’。”“这就是AI赋能——不是替代你，而是把你的效率提升10倍。你从‘写文案的人’变成了‘评估和选择文案的人’。”提问：“如果你是学电商的，你觉得还有哪些环节可以用AI提效？其他专业的同学也可以想一想。”学生活动：观看案例库，倾听案例拆解，思考自身专业的AI应用可能。设计意图：用真实案例建立“AI与我有关”的具体感知，激发学生的连接思考。环节四：分组讨论——“我的专业+AI”（13分钟）教师活动：按专业相近原则分组，每组4-6人。对专业较杂的班级，可按“文经管类”“艺术类”“理工类”大致分组。提出讨论题目，投影展示：“在你所学专业中，找出2个可以用AI辅助完成的具体任务。”“这个任务目前是怎么做的？AI来做会有什么改进？”“你需要学习什么AI工具才能实现它？”讨论要求：“每组5分钟讨论，5分钟整理，最后3分钟每组派代表做1分钟发言。我会把大家的想法记录在黑板上。”巡视各组讨论情况，必要时提供启发：“学会计的——数据录入、报表生成能不能用AI？学旅游管理的——行程规划、导游词生成能不能用AI？学学前教育的——儿歌创作、故事生成能不能用AI？”各组代表发言，教师在黑板上分类记录“专业—AI应用想法”。学生活动：分组讨论，记录讨论结果，派代表发言分享。设计意图：将AI知识与学生个人专业建立直接连接，激发持续学习的内驱力。环节五：综合练习（5分钟）教师活动：快速发放或投影展示本章综合练习题（5道单选题+3道判断题），要求学生快速独立作答（3分钟）。逐题核对答案，对正确率较低的题目做简要解析（2分钟）。附：综合练习题一、单项选择题在“智能三步循环”中，手机地图根据实时路况重新规划路线，属于（B）

A.感知B.决策C.行动D.反馈1950年提出图灵测试的科学家是（A）

A.艾伦·图灵B.约翰·麦卡锡C.马文·明斯基D.杰弗里·辛顿能够从海量猫狗图片中自行总结特征从而学会区分的AI方法，属于（B）

A.规则驱动B.数据驱动C.行为驱动D.符号驱动AlphaGo通过自我对弈学习下棋策略，其核心技术属于（C）

A.规则驱动B.数据驱动C.行为驱动D.知识工程在AI技术架构中，GPU（图形处理器）主要属于（C）

A.应用层B.算法层C.硬件层D.网络层二、判断题目前通用人工智能（AGI）已在所有领域达到或超越人类智能水平。（×）专家系统是数据驱动流派的典型代表。（×）API的主要作用是降低AI模型的使用门槛。（√）学生活动：独立答题，核对答案，纠正错误。设计意图：检验学习效果，巩固核心知识点。环节六：本章总结与课后任务（2分钟）教师活动：展示“本章核心要点回顾”四格总结：“智能=感知+决策+行动”“AI历史=70年、起伏中前进”“三流派=规则编、数据学、行为试”“三架构=硬件+算法+应用”布置课后三项任务：任务一：完成“AI历史卡片”制作（电子或手绘），下节课分享。任务二：完成“体验AI三步循环”记录表（如课上已完成，则完善补充）。任务三：思考“我的专业+AI”的3个应用设想，下节课继续讨论。预告第二章内容：“下一章，我们要真正走进AI的‘大脑’，看看它是怎么从数据中学习的——机器学习。会有一个实操：亲手训练一个能区分猫和狗的分类器。不用写代码，零代码平台就能做到。”学生活动：记录课后任务，回顾本章要点。设计意图：形成完整认知闭环，保持学习延续性。七、课后作业与评价（一）课后作业AI历史卡片：选择一个AI里程碑事件（图灵测试、达特茅斯会议、深蓝、AlexNet、AlphaGo、ChatGPT等），制作介绍卡片（电子或手绘），包含：事件名称、时间、核心人物/团队、一句话核心突破、历史影响。AI三步循环记录表：完成或完善课上“体验AI三步循环”实操记录表。“我的专业+AI”设想：结合本节讨论，思考并写出3个AI与本专业结合的应用设想。（二）评价方式评价维度评价内容权重课堂参与讨论发言、小组参与度30%实操任务AI三步循环记录表+AI历史卡片完成度35%课后思考“我的专业+AI”设想质量与具体性15%综合练习本章综合练习题完成情况20%八、教学反思要点（课后填写）反思维度记录要点教学目标达成情况学生是否达成知识、能力、素养三方面共6条目标？各环节时间把控40分钟课时下各环节是否紧凑？哪个环节需要调整？学生参与度小组讨论是否充分？是否有专业背景较弱的学生感到边缘化？重难点突破三大流派的区分、三层架构的理解——学生掌握情况如何？改进方向下次授课需要优化哪些内容？第二章：AI如何学习？——从基础模式到强大引擎一、课程基本信息项目内容课程名称人工智能应用与实践章节名称第二章：AI如何学习？——从基础模式到强大引擎授课对象大专一年级新生（各专业）课时安排4课时（每课时40分钟，共160分钟）授课形式理论讲授+课堂互动+上机实操二、教学内容与目标概览本章是课程“工具实践”阶段的核心章节，承担着揭示AI运作机理、建立机器学习知识框架、通过实操获得深度学习体验的核心功能。包含五节内容：2.1监督学习——有“参考答案”的训练；2.2深度学习——推动AI发展的引擎；2.3无监督学习——发现数据的内在结构；2.4强化学习——在试错中成长；2.5实战——打造我的第一个校园场景分类器。教学目标：知识目标：能够用自己的话解释监督学习、无监督学习、强化学习三种范式的核心思想，并分别列举至少2个典型应用场景。能够说明深度学习的基本原理（层次化特征提取）及其与监督学习的关系。能力目标：能够使用国产零代码平台（百度飞桨EasyDL）完成一个图像分类模型的训练、评估与测试全流程。能够根据一个具体问题场景，初步判断应采用哪种机器学习范式，并说明理由。素养目标：建立“AI是通过数据学习的，数据质量决定AI能力上限”的理性认知，理解数据在AI发展中的核心地位。形成“先理解原理、再动手实践、后反思总结”的学习习惯，培养技术应用的系统思维。三、学情分析与教学对策学生特点：已完成导论和第一章的学习，对AI有了感性认识和基本概念框架，但机器学习仍是一个较为抽象的新领域；学生可能听说过“深度学习”“神经网络”等术语，但不清楚其具体含义；对“训练模型”“分类器”等概念缺乏直观感受。教学对策：以“吃货朋友”的生活类比贯穿全章导入，降低认知门槛；每个范式配套一个简短的实操体验，让学生在“做”中理解“理”；2.5节作为综合实战，安排较充裕的时间让学生完整体验从数据到模型的流程。四、教学重点与难点重点：监督学习的核心思想与分类任务；深度学习的基本原理（层次化特征提取）；三大范式的区别与联系。难点：区分三大范式的核心逻辑（特别是无监督学习与监督学习的根本区别——有无标签）；理解深度学习的“层次化特征提取”机制；理解深度学习与监督学习是“工具与方法”的关系。五、教学方法讲授法——系统讲解核心概念，配合生活类比、示意图、对比表格。任务驱动法——每个小节配套实操任务，2.5节安排完整项目实战。六、教学过程设计（4课时，每课时40分钟，共160分钟）第一课时：监督学习——有“参考答案”的训练（40分钟）环节一：复习与导入（5分钟）教师活动：快速提问复习第一章核心概念：“上两节课我们学了智能的三步循环——是哪三步？”“三大技术流派中，目前最主流的是哪个？”“AI三层架构从下到上分别是什么？”请学生回答。过渡：“前面我们了解了AI‘是什么’和‘怎么做出来的’。今天这堂课要回答一个更核心的问题——AI究竟是怎么‘学会’做这些事情的？它的学习方式和人类有什么异同？”引入导入案例：“我们先从一个故事开始。小林有个朋友是个美食家——第一次吃云南菜，分不清烤乳扇和炸乳扇。你告诉他：奶香浓郁、烤得微焦的是烤乳扇；金黄酥脆、蘸糖吃的是炸乳扇。下次再去，他就能准确辨认了。他甚至吃多了还能自己总结出傣味和滇中菜的区别。这像不像一个学习过程？AI的学习，走的也是类似的路径。”学生活动：回答问题，倾听导入案例，思考人类学习与机器学习的关系。设计意图：以“吃货朋友”案例激活学生经验，用类比建立“人类学习→机器学习”的桥梁。环节二：监督学习核心思想（10分钟）教师活动：投影展示“教幼儿识物”的类比图，逐环节讲解：“准备教材——你准备了很多动物图片，每张都贴好标签：这是‘猫’，那是‘狗’。这对应AI中的什么？带标签的训练数据。”“教学与纠错——孩子认错了你纠正他。这对应AI中的什么？模型训练，通过调整内部参数减少错误。”“小测验——你拿出一张全新的、没标签的图片问他，他能判断了。这对应AI中的什么？模型的预测。”板书三个关键词：训练数据（带标签）→训练（调整参数）→预测（新数据）。强调监督学习的核心理念：“监督学习的核心就是——给机器大量‘有参考答案’的例子，让它自己找出输入和输出之间的规律。‘监督’的意思就是有人在旁边拿着标准答案纠错。”介绍分类与回归两种任务类型：“分类——预测的是类别。这封邮件是垃圾还是正常？这张图是猫还是狗？”“回归——预测的是一个数值。明天温度多少度？这套房子估价多少？”用一个问题检查理解：“预测明天会不会下雨，是分类还是回归？”（分类——因为答案是“会”或“不会”两个类别）学生活动：跟随类比理解核心概念，记录三个关键词，参与问答。设计意图：用生活类比降维理论，配合板书建立清晰的知识锚点。环节三：实操——15分钟打造猫狗分类器（20分钟）教师活动：布置任务：“现在，我们亲手来实践一次监督学习——用一个零代码平台，训练一个能区分猫和狗的分类器。整个过程不需要写一行代码，你只需要上传图片、打标签、点按钮。”投屏展示完整操作流程，分步演示：访问EasyDL：打开浏览器，进入百度飞桨EasyDL官网（easyDL.），使用百度账号登录。演示时同步展示登录后的控制台界面。创建项目：点击“创建项目”，选择“图像分类”，项目名称输入“我的第一个猫狗分类器”。数据准备：上传平台提供的示例猫狗数据集（或教师提前准备好的数据集），或现场从本地文件夹拖入图片。为每张图片打上“猫”或“狗”的标签。强调：“这一步就是在提供‘标准答案’——告诉AI这张图是猫，那张图是狗。”开始训练：点击“开始训练”，观察进度条。说明：“这个过程中，AI在反复查看这些图片，不断调整内部的参数，目标是让自己判断得越来越准。”测试模型：训练完成后（约3-5分钟），进入“模型体验”，上传一张全新的猫或狗的照片，观察AI识别结果。巡视指导：在学生实操过程中巡视机房或教室，帮助遇到技术困难的学生（如登录问题、找不到数据集等）。时间节奏把控：前8分钟跟随教师投屏同步操作；中8分钟自主操作、互相帮助；后4分钟完成测试和观察。提示学生用手机或电脑截图保存三个关键画面：数据标注完成界面、训练完成界面、测试识别成功界面，作为本课产出。学生活动：跟随教师操作，完成从数据准备到模型测试的全流程，截图保存关键画面。实操记录提示：我的模型准确率：______%我上传的测试图是什么？AI判断是什么？是否正确？我的感受：（惊喜/一般/哪里没想到？）设计意图：通过亲手训练一个模型，将“监督学习”从抽象概念变为直观体验。环节四：实践反思（3分钟）教师活动：提问引导思考：“如果上传一张‘猫和狗在一起’的图片，你的模型会怎么反应？为什么？”请1-2位学生回答。总结：“这个模型只能回答‘这是猫’或‘这是狗’——它无法说‘既有猫又有狗’。这反映了监督学习模型的一个重要特点：它只学会了你教过它的内容，超出这个范围它就不知道怎么处理了。”引出2.2节的伏笔：“那如果任务更复杂——比如要识别各种姿态、各种光线下的猫狗，传统方法就力不从心了。下节课我们要讲一个让AI能力飞跃的技术——深度学习。”学生活动：参与讨论，思考模型的局限性。设计意图：用课堂实践中的真实体验引出深度学习的必要性。环节五：课堂小结（2分钟）教师活动：“今天我们学了监督学习——核心是‘带标签的数据，让AI学习规律’。关键词：训练数据、标签、分类、预测。你还亲手训练了一个识别猫狗的分类器。下节课我们看看，当问题变得更复杂时，AI是怎么应对的。”学生活动：记录小结要点。第二课时：深度学习——推动AI发展的引擎（40分钟）环节一：复习与导入（5分钟）教师活动：提问回顾：“上节课我们训练了一个猫狗分类器。它的学习方式叫什么？核心特点是什么？”学生回答“监督学习”“带标签的数据”。追问：“如果现在让你把这个分类器升级一下——不仅要识别标准姿势的猫狗，还要能识别黑夜里的猫、躲在角落只露半张脸的猫、和背景融为一体几乎看不清轮廓的猫。你觉得上节课的简单方法还行不行？”过渡：“当问题变得复杂，传统机器学习方法就开始吃力了。这时候需要一种更强的技术——这就是我们今天要讲的‘深度学习’。”学生活动：回答问题，思考复杂场景下简单模型的局限性。设计意图：从学生亲身体验出发，自然引出深度学习的技术需求。环节二：深度学习的基本思想（10分钟）教师活动：投影展示“深度神经网络层次化特征提取示意图”（以识别猫为例），逐层讲解：“第一层——基础特征。神经网络先看到的是最基础的东西：边缘、角点、色块。就像把图片拆成无数线条和颜色区域。”“第二层——局部特征。把第一层的边缘和色块组合起来，形成眼睛的轮廓、耳朵的形状、毛发的纹理。”“第三层——抽象概念。再往上组合，形成完整的猫脸、猫的身体，最后综合判断——这是一只猫。”板书画出三层结构（输入层→隐藏层→输出层），并用箭头标注信息流动方向，同时在每层旁边标注特征层级：输入层（原始像素）→隐藏层1（边缘/色块）→隐藏层2（眼睛/耳朵）→输出层（“猫”）用一句话总结：“深度学习的神奇之处在于——你不需要告诉它‘猫有尖耳朵、胡须’，它自己从数据中学到了这些特征。这就是‘自动特征提取’。”强调深度学习与监督学习的关系，在板书上画一个包含关系图：“深度学习不是与监督学习并列的第四种范式——它是一种实现机器学习的技术方法。它和监督学习是‘工具和方法’的关系：监督学习描述了‘怎么学’（有标签地学），深度学习提供了‘用什么工具学’（深度神经网络）。”板书画出关系图，并在下方标注关键词：text机器学习├──范式（学习方法）│├──监督学习←我们现在讲的内容│├──无监督学习│└──强化学习└──技术（实现工具）├──深度学习←其中一种强大工具└──传统机器学习（如SVM、决策树等）强调：“当前绝大多数令人惊艳的AI应用——人脸识别、语音助手、机器翻译——其训练过程都属于监督学习范式，而底层用的技术正是深度学习。”学生活动：观察示意图，跟随讲解理解层次化特征提取的机制，在笔记本上画出三层结构简图，记录“深度学习=自动特征提取”的核心认知。设计意图：用层次化图解将“深度学习”这个黑箱打开，让学生看到内部结构。环节三：案例对比——传统方法vs深度学习（5分钟）教师活动：用表格对比传统方法和深度学习的差异：对比维度传统机器学习（如SVM）深度学习（如CNN）输入数据需要人工提取特征后输入直接输入原始像素特征工程需专家设计（如颜色、纹理等）模型自动学习精度复杂任务上有限复杂任务上大幅领先数据需求少量数据即可需要大量数据举一个具体例子说明，强化学生的直观感受：“比如让你区分一个‘有斑点的苹果’和一个‘有斑点的梨’——传统方法需要人为规定‘什么算斑点’、‘怎么比较颜色’等等；深度学习直接把图片像素给它，它自己找出区别。”强调：“这也是为什么深度学习在2012年AlexNet出现后开始爆发——当数据足够多、算力足够强时，这种‘自动学习’的方式远远超过人工设计特征的方式。”学生活动：倾听对比，理解深度学习在大数据时代的优势。设计意图：用对比帮助学生理解深度学习“好在哪”。从历史角度理解“为什么现在是深度学习时代”。环节四：实操——体验深度学习的“视觉洞察力”（15分钟）教师活动：布置任务：“为了直观感受深度学习对复杂概念的理解能力，我们现在用一个AI绘画工具——即梦AI或可灵AI——体验从文字描述生成图像的过程。它的底层正运行着深度学习模型。”投屏演示操作流程：打开即梦AIAPP或可灵AI网页。输入一个精细提示词（示例）：“一只可爱的布偶猫，戴着宇航员头盔，坐在火星表面，仰望星空，电影质感”。点击生成，等待约30秒。展示生成结果，点评：“注意看，模型理解了‘布偶猫’的品种特征、‘宇航员头盔’的形状、‘火星表面’的红色地貌、‘星空’的背景、‘电影质感’的色彩风格——它把这些概念组合成了一张合理的图像。”学生自主操作（10分钟）：让学生在自己的手机或电脑上打开即梦AI或可灵AI。自选一个包含3个以上元素的提示词（如“一只穿着汉服的熊猫，在竹林里弹古筝，水墨画风格”）。生成图像，观察结果。引导思考（2分钟）：“模型为什么能理解这么多概念的组合？——因为它学习过海量的图片和对应的描述文本。它知道‘宇航员头盔’长什么样、‘火星表面’长什么样。这就是深度学习层次化理解能力的体现。”“它有时也会出错——比如猫长六条腿。这说明它的理解还不完美，这也是当前深度学习的一个局限。”学生活动：输入提示词生成图像，观察模型对复杂语义的理解能力，记录生成结果截图。设计意图：用生成式AI的体验，让学生从“创造”维度感受深度学习的强大能力。环节五：课堂小结（3分钟）教师活动：“今天我们学了深度学习的两个核心要点：第一，它通过层次化特征提取自动学习——从边缘到局部到整体；第二，它是实现机器学习的技术方法，而非与监督学习并列的范式。记住了：深度学习不是第四种学习方式，它是一套更强大的‘学习工具’。”学生活动：记录要点，确认理解。设计意图：强化学生对“深度学习≠第四种范式”这一关键概念的理解。第三课时：无监督学习与强化学习（40分钟）环节一：复习与导入（5分钟）教师活动：提问回顾：“上节课我们学了深度学习。它的核心机制是什么？”——学生回答“层次化特征提取”。追问：“深度学习是一种学习方式还是一种技术工具？”——学生回答“技术工具”。过渡：“今天我们回到‘学习方式’的层面，讲另外两种范式——无监督学习和强化学习。它们和监督学习一样，都是机器学习的范式，只是学习方式不同。打个比方——监督学习像老师带着标准答案教学生；无监督学习像学生自己整理笔记找规律；强化学习像在训练宠物——做对了给奖励，做错了不奖励。”学生活动：回答问题，进入新课状态。设计意图：以复习承上，以比喻启下。环节二：无监督学习（12分钟）教师活动：投影展示“无监督学习示意图”（无标签数据→聚类结果），讲解核心思想：“无监督学习最大的特点是：数据没有标签。你只给AI一堆照片，不告诉它谁是谁，让它自己找出其中的规律和结构。”用“自动整理相册”的类比讲解：“手机相册里几千张照片，没人标注。AI自动把相似的照片归到一类——有人物的归人物，有风景的归风景。这就叫聚类。”讲解典型任务：聚类：“把相似的东西归到一起。电商平台把用户分成不同群体——‘数码爱好者’‘美妆达人’——就是聚类。它不知道这些群叫什么名字，只是发现有人总买数码产品，有人总买化妆品。”降维：“把复杂的数据简化。一个学生可能有上百个维度的数据——成绩、出勤、消费……降维就是把最重要的信息提取出来，便于观察。”强调无监督学习与深度学习的联系：“深度学习也为无监督学习提供了强大工具。生成式AI——比如上节课用的即梦AI——它的训练过程就大量使用了无监督学习的思想。模型通过学习海量图像的潜在分布规律，然后才能‘生成’新的、不存在的图像。”小结对比：“监督学习回答问题是有标准答案的，比如‘这是猫还是狗’。无监督学习没有标准答案，它只能告诉你‘这些照片比较像，那些不太一样’。”学生活动：倾听讲解，记录聚类与降维两个概念，对比理解“有标签”与“无标签”的根本区别。设计意图：用“自动整理”的生活场景讲清无监督学习的核心思想。环节三：实操——用AI发现新闻中的主题（5分钟）教师活动：布置任务：“我们用一个简单的实验来体验无监督学习的思想——用大模型分析一段混合文本，让它自动提炼出主题。这模拟了聚类的逻辑。”投屏或口头提供一段混合文本（包含科技、体育、娱乐新闻的混合段落）。演示操作：打开文心一言或豆包，输入指令：“请帮我分析下面这段文本，提炼出它主要涉及了哪几个主题或领域，并用列表形式总结出来。”粘贴文本，观察输出。请学生自己操作一次（可以在课后完成，课上先演示）。提问：“AI是怎么找出这些主题的？它背后模拟了无监督学习中的什么过程？”——学生回答“聚类”。总结：“对，它通过分析词与词之间的关系、哪些词经常一起出现，把文本‘聚’成了几个主题类别。”学生活动：观看演示，课后自行操作，理解“主题发现”与聚类的关联。设计意图：用文本分析体验无监督学习的“发现结构”逻辑。环节四：强化学习（12分钟）教师活动：用“训练宠物”的类比引入强化学习：“想象一下教小狗‘坐下’——它做出‘坐下’的动作，你给它零食（奖励）。它做出‘趴下’，你不给（或不奖励）。经过多次尝试，它明白了：做这个动作有吃的。这就叫强化学习。”板书画出强化学习核心循环图，标注三个关键要素：智能体（狗/AI程序）环境（你和房间/棋盘）奖励（零食/赢棋得分）箭头形成闭环：状态→行动→奖励→新状态→……用AlphaGo作为典型案例讲解：“AlphaGo的‘环境’是什么？围棋棋盘和对手。”“它的‘行动’是什么？在某一个位置落子。”“它的‘奖励’是什么？最终赢下比赛。”“它怎么学习的？和自己下了几千万盘棋。赢了的路径被强化，输了的路径被弱化。”介绍深度强化学习：“当围棋棋盘的状态太多了——比宇宙的原子还多——普通方法处理不了。这时候结合深度学习，用神经网络来近似判断‘这个局面是好是坏’，这就是深度强化学习。”强化学习在生活中的应用：“游戏AI、自动驾驶决策、机器人控制、甚至资源调度——都用到强化学习。”与学生互动：“如果你要教一个AI玩‘跳一跳’，只奖励‘跳到盒子上得1分’，可能会有问题。比如AI可能只挑最近的盒子跳，不会走远。那该怎么设计奖励函数？”引导学生思考“连续跳中加分”“跳得远加分”等优化方案。学生活动：倾听讲解，参与互动讨论，记录强化学习三要素。设计意图：用宠物训练类比讲清强化学习核心，用AlphaGo案例展示其威力，用“跳一跳”互动加深理解。环节五：三大范式总结（4分钟）教师活动：投影展示三大范式对比表（包含“核心思想”“数据要求”“典型任务”“生活类比”四个维度），逐行快速讲解：模式核心思想数据要求典型任务生活类比监督学习从带标签数据中学习映射大量带标签数据分类、回归老师教学生（有答案）无监督学习发现无标签数据的内在结构大量无标签数据聚类、降维学生自己整理笔记（找规律）强化学习在交互中试错，根据奖励学习无需静态数据，需环境交互游戏AI、机器人控制训练宠物（试错得奖励）再次强调深度学习与这三者的关系，指着图示：“深度学习是横跨这三个范式的强大工具——它和它们不在同一个维度。记住了吗？它是一套更强大的‘学习方法’。”学生活动：观看对比表，确认理解三大范式的区别。设计意图：用对比表格帮助学生建立完整知识框架。环节六：课堂小结（2分钟）教师活动：“今天我们学了两种新的学习范式——无监督学习（自己从无标签数据中找规律）和强化学习（在试错中根据奖励学习）。加上上节课的监督学习，你已经集齐了机器学习的‘三件套’。下节课我们把它们综合运用起来——自己训练一个校园场景分类器。”学生活动：记录小结。第四课时：实战——打造我的第一个校园场景分类器（40分钟）环节一：课前准备与导入（5分钟）教师活动：展示课前准备要求：“今天这节课是综合实战课。我们要把前三节课学到的知识用起来——训练一个能识别校园场景的分类器。”展示目标：“我们要区分四类场景——教室、图书馆、食堂、运动场。这四类场景大家每天都能见到，数据容易获取。”说明整体流程：“流程分为三步——数据准备（找照片打标签）、模型训练（让AI学习）、模型测试（验收成果）。整个流程在EasyDL平台上完成，不需要写代码。”提醒关键注意事项：“数据多样性很重要：每种场景要拍不同角度、不同光线下的照片。”“每种场景至少15-20张照片，太少学不出来。”“数据决定了模型的上限——你给什么样的数据，AI就学到什么样的能力。”学生活动：了解实战任务和目标，记录注意事项。设计意图：明确任务流程和标准，让学生对30分钟的实战有清晰的预期。环节二：分步实操——数据准备（12分钟）教师活动：分步演