高中人工智能选修课 人工智能的起源教学设计_第1页
高中人工智能选修课 人工智能的起源教学设计_第2页
高中人工智能选修课 人工智能的起源教学设计_第3页
高中人工智能选修课 人工智能的起源教学设计_第4页
高中人工智能选修课 人工智能的起源教学设计_第5页
已阅读5页,还剩9页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

高中人工智能选修课人工智能的起源教学设计一、教材分析与课标定位本课选自浙教版2019版高中信息技术选择性必修课程“人工智能初步”模块第一章第一节。课标对本模块的要求是“通过人工智能典型案例的剖析,了解人工智能的概念、特征与历史渊源,认识人工智能对社会发展的深远影响”。本节“人工智能的起源”处于整个模块的逻辑起点,承担着激活认知、建立学科图景、铺垫伦理基调的三重功能。高二年级学生已具备一定的信息科技基础,对智能音箱、人脸识别、推荐算法等应用有直观体验,但对人工智能从何而来、为何当下爆发、核心思想如何演进缺乏系统认知。本课设计的核心策略是以“追问起源”为思维主线,将技术史转化为思想史,让学生在探究中理解人工智能不是横空出世的“黑科技”,而是数学、逻辑学、神经科学、计算机科学交叉演进的必然产物。教学过程中渗透“算法—算力—数据”三要素的分析框架,为后续章节(机器学习、神经网络、智能伦理)搭建概念支架。二、学情诊断与教学立意课前通过问卷星发布前测,围绕三个问题收集学情:第一,你第一次听说“人工智能”是在什么场景?第二,你认为机器“会思考”需要具备哪些条件?第三,列举一个你认为最接近“智能”的机器功能。从往届数据看,约65%的学生将人工智能等同于“语音助手”或“人脸识别”,约20%的学生认为人工智能是近几年才出现的新事物,只有不到10%的学生能提及图灵或达特茅斯会议。这一诊断结果揭示了本课需要突破的双重迷思:一是“应用即本质”的工具化认知,二是“新近出现”的历史虚无感。基于此,本课确立“溯源以明理,明理以致用”的教学立意。不追求史实的铺陈罗列,而是精选七个关键节点(莱布尼茨形式化理想、布尔代数、图灵测试、麦卡洛克皮茨神经元模型、达特茅斯会议、感知机与第一次寒冬、专家系统与第二次热潮),构建“思想奠基—理论突破—学科诞生—起伏演进”的四阶段叙事框架。每一节点均配备一个可操作的课堂活动,让历史“活”在学生的思维操作中。三、教学目标1.能说出人工智能发展史上的至少五个标志性事件及其时间坐标,理解“起源”不等于“起点”,而是一个多源汇流的过程。2.能用“符号主义”和“连接主义”两大范式解释早期人工智能研究的不同路径,辨析两者的核心分歧与互补关系。3.通过“纸上图灵测试”和“神经元模拟”两个课堂活动,体验人工智能核心思想的原始形态,建立“智能可计算化”的学科信念。4.分析人工智能两次寒冬的成因,能够从技术、资金、社会预期三个维度归纳技术发展的非线性规律,形成辩证的历史观。5.结合我国“新一代人工智能发展规划”及早期科学家的贡献,增强在中国语境下发展人工智能的使命感和理性批判精神。四、教学重难点重点:图灵测试的内涵及其思想革命性;达特茅斯会议作为学科诞生标志的意义;符号主义与连接主义的范式分野。难点:理解“形式化—机械化—自动化”的逻辑链条,即为何将人类思维转化为符号运算就能产生智能;感知机局限性导致的第一次AI寒冬其深层原因何在。五、教学准备教师准备:制作交互式时间轴页面(HTML+CSS+JavaScript,无外部依赖),包含七个节点的图文信息和视频片段;印制“图灵测试对话卡”(每小组一套,含真人对话记录与机器应答记录各三组);搭建离线版“感知机演示”Python脚本,用于课堂实时演示线性分类边界;准备达特茅斯会议原始提案(英文影印件)和中文翻译对照学案。学生准备:课前阅读教材第14页,完成“我身边的AI”观察记录表(至少记录三个生活场景中的人工智能应用);预习“图灵测试”概念,思考“如果机器在对话中无法被分辨,它是否就拥有了智能”这一问题并写下自己的立场和理由。六、教学过程第一环节情境唤醒:当“智能”遭遇“起源”(8分钟)上课伊始,大屏幕上播放一段经过剪辑的混剪视频:1956年达特茅斯会议的黑白照片、1997年深蓝击败卡斯帕罗夫的电视直播画面、AlphaGo与李世石对弈时现场的凝重气氛、以及当前大语言模型与用户自然对话的录屏。视频无旁白,仅配以时钟滴答的背景音。播放结束后,教师在黑板上写下一个巨大的问号,抛出本课的核心问题:“我们正在经历人工智能的时代,但你有没有想过——这一切是从哪一刻开始的?”请四位学生分享课前完成的“我身边的AI”观察记录。预设学生的分享集中在智能推荐、语音输入、人脸支付等应用层面。教师不急于评价,而是追问道:“你提到的‘智能’体现在哪里?是那个能认出你面孔的摄像头,还是摄像头背后那套你看不见的算法?”这一追问将学生的注意从应用表象拉向原理层面。随后教师展示一张故意“做错”的时间轴图,图中将“互联网诞生”标注为人工智能的起点,同时将“智能手机普及”标注为人工智能的起源。请学生以小组为单位进行30秒的快速判断,并用手势表决器给出“合理/不合理”的选择。多数学生能直觉感到不妥,但难以清晰表述理由。教师顺势揭示本课的学习路径:“要回答‘从哪里开始’,必须先回答‘什么是人工智能的本质’。今天,我们将沿着七位先驱者的足迹,回到一切尚未命名的时刻。”第二环节思想奠基:形式化之梦(12分钟)教师讲述莱布尼茨的故事:17世纪,这位德国哲学家怀揣一个狂野的梦想——“普遍文字”与“理性演算”。他设想要创造一种精确的语言,将一切人类知识转化为可计算的符号,争论双方只需说“让我们算一下”,而不必争吵。教师板书莱布尼茨的核心命题:“所有思想皆可符号化,所有推理皆可计算化。”随后展示莱布尼茨1679年手稿中关于“思维字母表”的构想图(提前扫描制作成高清图),引导学生观察其中类似数学公式的推理表达式。紧接着,时间跳跃到1854年。英国数学家乔治·布尔出版《思维定律的研究》,将逻辑推理从自然语言的模糊性中解放出来,建立了一套基于0和1的二值代数系统。教师在此处进行操作演示:在黑板上写出“命题A:今天下雨;命题B:地面湿滑”,请学生用布尔代数表达“如果下雨则地面湿滑”这一推理(A→B=¬A∨B)。这一数学变换看似轻巧,实则完成了思想史上最关键的一跃——将“如果……那么……”的人类推理模式转化为纯形式的符号运算。教师在此处融入课标语言,但不以引用方式出现:选择性必修课程要求“从信息科学的视角认识人工智能的核心思想”,莱布尼茨与布尔共同构筑的“形式化理想”,正是人工智能的第一块基石。教师提问:“为什么形式化对人工智能如此根本?没有这一步,后续的图灵机会是什么样?”引导学生认识到:形式化使得机械执行成为可能,因为机器不懂语义,只懂符号的句法操作。黑板上形成三条递进板书:“思维可符号化——符号可运算——运算可机械化”。转入微型活动“形式化接力”:每组领取五张卡片,每张卡片写有一句自然语言命题(例如“所有智能体都具有学习能力”“图灵是英国人”),小组需在3分钟内将命题改写为布尔代数表达式,并判断其真值。完成后各组交换卡片互检。这一活动既不增加认知负担,又让学生亲历“将思想翻译为符号”的过程,为后续理解知识表示奠定基础。第三环节理论突破:图灵的双重遗产(15分钟)1936年,年仅24岁的阿兰·图灵发表论文《论可计算数及其在判定问题上的应用》,提出“图灵机”这一抽象计算模型。教师不展开图灵机的完整形式定义,而是用“自动售货机”类比:图灵机是一条无限长的纸带和一个读写头,读写头根据内部状态和当前符号决定下一步动作。这个极简装置足以描述任何可计算过程。教师现场演示一段基于HTML5的图灵机模拟器(提前编写,网页中展示一个简单的二进制加法过程),学生清晰看到读写头逐格移动、状态切换的机械过程。教师重点讲述1950年图灵发表于《心智》杂志的论文《计算机器与智能》。开篇第一句:“我提议考虑这个问题——机器能思考吗?”图灵随即指出“思考”一词过于模糊,不如用一个操作性的判据来替代:如果一台机器能够在5分钟内通过文字对话让30%的人类评判者误判其为真人,那么就有理由认为这台机器具备智能。这就是著名的图灵测试。此处组织课堂核心活动“纸上图灵测试”。每小组领取一套对话卡,包含四段对话记录:两段来自真人之间(例如关于周末计划的闲聊、关于数学题的讨论),两段来自早期聊天机器人ELIZA或现代对话AI的实录。打乱顺序后,学生扮演评判者,根据对话内容判断“哪段是人机对话”,并写下判断依据。讨论时,教师引导学生关注:你是根据对话的“内容正确性”还是“交互流畅度”来判断的?如果一段对话看似答非所问但语气自然,你会如何判断?这一活动引发关于“智能的表征与本质”的初始争论,为后续“强人工智能与弱人工智能”的伦理讨论埋下伏笔。活动结束后,教师展示图灵论文中另一段常被忽略的预言:“在21世纪末,词语的使用和教育方式将发生改变,人们可以谈论机器思考而不担心被反驳。”学生结合当下大模型对话的体验,意识到图灵的远见。教师总结图灵的双重遗产:一是奠定计算的理论基础(图灵机),二是提供智能的判据路径(图灵测试)。前者回答了“机器能算什么”,后者追问“机器能否被当作思考者”。第四环节学科诞生:达特茅斯之夏(10分钟)时间来到1956年。教师展示一张达特茅斯学院所在地汉诺威小镇的夏季风景照,然后宣读会议提案中的关键词句:“本研究基于以下猜想:学习的每一个方面或智能的任何其他特征,原则上都可以被精确描述,并制造一台机器来模拟它。”教师强调提案中“原则上”这个词的分量——它宣告了一种信念:智能不是神秘的灵魂属性,而是可以被描述的物理过程。教师介绍会议的重要参与者:约翰·麦卡锡(提出“人工智能”这一命名)、马文·明斯基(神经网络研究的先驱)、克劳德·香农(信息论之父)、赫伯特·西蒙与艾伦·纽厄尔(逻辑理论家)。这些学者背景各异——数学、电子工程、心理学、经济学——他们的交汇本身就证明了人工智能是一门天然交叉的学科。两个月会议并未产生突破性成果,但确定了学科名称和研究纲领,后世将这一事件视为人工智能的“出生证明”。此处嵌入一个小组讨论任务:“为什么一次没有取得重大成果的会议,却被视为学科诞生的标志?”教师提供三个视点:学科建制的角度看,会议确立了研究共同体的成员网络和交流平台;范式形成的角度看,会议明确了“用机器模拟智能”这一统一目标;命名权的角度看,“人工智能”这一名称框定了研究边界,将其与“控制论”“复杂系统”等邻近领域区分开来。各组选取一个视点,用一句话陈述理由,教师在黑板上汇总为三角结构。第五环节范式分野:符号主义与连接主义(20分钟)达特茅斯会议之后,人工智能研究迅速分化为两条路径。教师用板书画出两条分支,左侧写“符号主义”,右侧写“连接主义”。符号主义分支:以纽厄尔和西蒙的“物理符号系统假说”为核心,主张智能的本质是符号的操纵与重组。教师用GPS(通用问题求解器)和专家系统DENDRAL为例展开——DENDRAL能够根据质谱数据推断有机分子的化学结构,其知识来自化学家的规则提取。教师展示一条典型的专家系统规则(用IFTHEN形式呈现,如“IF质谱峰在72处存在THEN分子可能含丁基”),并引导学生思考:这种系统凭什么被称为“智能”?学生的回答往往指向“它能做人类专家才能做的事”。教师追问:“如果规则足够多,是否就能覆盖全部智能?”学生渐生疑虑,这正是通向“知识获取瓶颈”的引线。连接主义分支:以麦卡洛克和皮茨1943年提出的神经元数学模型为起点。教师展示该模型的公式:y=f(w₁x₁+w₂x₂+…+wₙxₙθ)其中x₁到xₙ代表来自其他神经元的输入信号,w代表连接权重,θ代表阈值,f为激活函数。教师用Python脚本现场演示一个有四个输入、一个输出的简单感知机如何学习逻辑与运算。代码在屏幕上逐行展示,学生看到权重迭代调整的过程:起初输出错误,通过误差修正逐步逼近正确的分类边界。当感知机成功实现AND函数时,课堂产生一个小小的成就感时刻。但教师随即展示感知机无法学习异或(XOR)函数的数学事实——1969年明斯基与帕珀特在《感知机》一书中给出严谨证明。教师用几何方式在黑板上画出线性不可分的二维图示:圆形的四个点代表XOR的真值组合,两条对角线需要一条直线才能分割,但感知机只能画一条直线。学生直观看到一条直线无论如何旋转都无法将四类点正确分开。教师公布后果:1973年英国Lighthill报告评价人工智能研究“颗粒无收”,美国和英国政府大幅削减经费,第一次AI寒冬到来。这一环节的深层目标是让学生理解范式之争的内核:符号主义追求“透明可解释”,但面临常识知识难以形式化的困境;连接主义追求“自适应学习”,但受限于当时的计算能力和模型容量。教师引导学生得出结论:两种范式并非对错关系,而是各有优劣的互补路径。当今深度学习的繁荣,正是连接主义在算力和数据加持下的复兴,但符号主义的可解释性思想又在可解释AI(XAI)的研究中重新被重视。第六环节起伏演进:从寒冬到春天(12分钟)教师用时间轴快速梳理:1970年代的专家系统热潮(MYCIN医疗诊断系统、XCON计算机配置系统)带来第二波繁荣,但其脆弱性在使用中暴露——知识维护困难、规则冲突频发、应对边界情况的能力不足,导致1980年代末第二次AI寒冬。教师展示一组历史数据(以表格呈现):研究阶段|核心方法|代表性系统|主要局限|社会影响萌芽期(19431956)|神经元模型与图灵测试|逻辑理论家|问题规模受限|确立学科信念时期(19561974)|符号推理与搜索|GPS、ELIZA|常识缺失、组合爆炸|政府巨额投入第一次寒冬(19741980)|经费缩减、研究停滞|感知机被否定|线性模型理论瓶颈|公众信任危机繁荣期(19801987)|专家系统|MYCIN、XCON|知识获取瓶颈|商业资本涌入第二次寒冬(19871993)|硬件崩盘、AI撕裂|专家系统维护困难|规则脆弱性|学界深刻反思教师请学生观察表格中“社会影响”一列的变化,提出思考题:“市场期望与实际能力之间的落差,在两次寒冬中分别扮演了什么角色?”学生讨论后形成共识:技术发展的非线性是常态,过高的社会预期往往导致后续的失望与收缩。教师补充我国的发展脉络:1981年中国人工智能学会成立,2017年国务院发布《新一代人工智能发展规划》,将人工智能上升为国家战略。教师展示规划中“到2030年人工智能理论、技术与应用总体达到世界领先水平”的战略目标,并关联我国学者在深度学习、计算机视觉领域的贡献(如2015年ResNet在ImageNet竞赛中取得的突破),强调“后发追赶与原创引领并存”是我国人工智能发展的现实定位。第七环节反思沉淀:AI从哪里来,向何处去(8分钟)教师回到课始的“错误时间轴”,邀请学生重新修正:“现在你认为人工智能的起点是什么?”预设的回答从单一的“达特茅斯会议”转向更加多元的“思想准备期+学科诞生期”的整体图景。教师引导学生在时间轴右侧添加“未来”节点:基于大模型的生成式人工智能、具身智能、脑机接口,请学生选择其中一个方向,用自己的话说明它与本课所学哪位先驱的思想有承继关系。这一开放性任务促成知识的迁移和创造。最后教师进行课堂总结,不采用结论灌输式语言,而是呈现三个递进命题:“人工智能的起源不是一条直线,而是一张多源汇流的网;这张网的主线是从‘思可符’到‘符可算’到‘算可机’;理解起源,不是为了记住年份,而是为了更清醒地走向未来。”以大模型为例,它表面上像一种全新的智能形态,但其核心技术——注意力机制、反向传播、大规模特征表示——都扎根于连接主义者七十年前播下的种子。教师将“风险与机遇并存”落实为具体观察:“当我们赋予机器更多的自主性,我们更需要思考:究竟什么才是人类不可替代的智能?”随后布置分层作业。七、作业设计基础层(全体必做):绘制一张A4纸大小的人工智能起源思维导图,须包含本课涉及的七个关键节点、两大范式、两次寒冬及其因果关系,标注自己的理解性批注。提升层(小组合作):选择“图灵测试在今天还有效吗”或“符号主义会与深度学习融合吗”两个议题之一,撰写一份600字左右的论述短文,要求至少引用本课学习的三个人物或事件作为论据。挑战层(个人自愿):在本地运行教师提供的感知机演示脚本,尝试修改激活函数或学习率,观察分类边界的变化;或者阅读麦卡洛克皮茨1943年论文(教师提供中文翻译节选),撰写一篇200字的心得,探讨“生物神经元与人工神经元之间的距离”。八、教学反思本课设计的关键在于将人工智能的起源从“史料记忆”转化为“思想实验”。七个节点并非均等分配时间,而是依据其对学生认知结构的冲击力分配权重:图灵测试与感知机活动各占15分钟,思想上最艰深

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论