第二阶段第12课 AI大模型与智能体技术（课件）-初中信息科技人工智能课

该初中信息科技课件聚焦AI大模型与智能体技术，涵盖大模型定义、数据训练、生成原理及智能体感知-决策-行动机制，课堂导入通过回顾监督学习、无监督学习等旧知，搭建从基础到应用的学习支架，帮助学生衔接前后知识。 其亮点在于采用角色扮演（模拟微调、秋游规划）和生活观察（扫地机器人）等实践活动，结合计算思维（机制分解）与信息社会责任（数据伦理），培养学生数字化学习与创新能力。学生在实践中深化理解，教师可借助任务单与挑战题提升教学效率。

第12课 AI大模型与智能体技术 人工智能系列课程 · 第二阶段 项目主题 智慧小助手 温馨提示：小学生不要独自使用开放式内容生成功能。 01 02 03 04 05 06 学习目标 课堂导入 新知探究 AI兴趣园地 知识总结 智慧挑战 目录 项目学习目标 1. 能够用简单的语言描述大模型、智能体的工作原理； 2. 能够理解大模型的训练、生成机制以及智能体的三步工作循环：感知、决策、行动。 人工智能意识和思维能力 识别智能体与大模型的分工，并举例说明其在生活中的应用。 人工智能应用与创新能力 能举例说明大模型如何依赖数据，并认识到其数据不足或错误可能导致回答不准局限性。 人工智能伦理与社会责任 课堂导入 数据量大、种类多 用数据训练AI 大数据是什么？有什么特点？ 机器学习怎么工作？ 语音识别、作文评分怎么实现？ AI学习语音、文本规律 你还记得这些知识吗？ 监督学习 无监督学习 当这样的数据、分类、规律，积累到一定的规模，就形成了AI大模型。 新知探究 人工智能大模型通常是指由人工神经网络构建的一类具有大量参数的人工智能模型。大模型通常通过自监督学习或半监督学习在大量数据上进行训练。最初，大模型主要指大语言模型（Large Language Models, LLM）。随着技术的发展，逐渐扩展出了视觉大模型、多模态大模型以及基础科学大模型等概念。 大模型是人工智能技术发展路线上的一种技术手段。 大模型≠人工智能 大模型数据 收集数据 训练模型 预测生成 大模型训练前的数据收集是一个复杂且关键的过程： 要点 类比 操作方式 确定数据需求 知道学什么 语言模型需要多语言文本，视觉模型需要图像或视频 确定数据来源 去哪里找课本 公开数据库或者自建的数据库 数据清洗及预处理 整理课本 去除重复、统一格式、隐私处理、质量筛选 数据多样性覆盖 找不同学科的课本 覆盖多种语言、文化、地域和领域 法律与伦理考量 守规则 遵守数据隐私法规、获取数据使用授权 工具与技术 获取方式 数据管理、云存储、自动化标注 量大 复杂 大模型参数 由于参数众多，大模型可以捕捉和学习数据中非常复杂的模式和关系。 收集数据 训练模型 预测生成 大模型的“参数”有什么样的特征？ 大模型拥有大量的模型参数，这些参数可以是数十亿（Billions）甚至数千亿（Trillions）。一些先进的语言模型可能拥有超过100亿个参数。 大模型训练 计算资源大 训练和运行大模型需要大量的计算资源，包括高性能的GPU或TPU、大量的存储空间以及高效的计算框架。还需要耗费大量的电力。 收集数据 训练模型 预测生成 训练数据量大 大模型通常在大规模的数据集上进行训练，这些数据集可能包含数十亿个单词或更多，使得模型能够学习到丰富的语言知识和世界知识。 学习任务单 活动1 小组活动：通过角色扮演和游戏，模拟微调过程，完成学习任务记录。 一位同学扮演“机器人”，其他同学给指令，“机器人”同学尽快给出反应。 比如喊“苹果！”需要做出反应“这是红色的水果！”。 一开始“机器人”反应慢或出错，然后通过几次指令，反应变快、变准。 案例 正确反应 苹果 这是红色的水果 小猫 这是毛茸茸的动物 案例 正确反应 可乐 这是甜味的饮料 面包 这是松软的食物 大模型微调 知识继承 预训练大模型 特定领域大模型 特定领域相关数据 模型微调 多领域海量数据，上亿级别的数据、图片、算力，各领域通用知识 收集数据 训练模型 预测生成 大模型生成 收集数据 训练模型 预测生成 大模型通过收集数据和训练模型，已经学会了海量的知识。它能根据这些知识，预测你接下来想听什么或者是想要什么样的答案，然后把“猜”的结果生成出来。可能是文字，还可能是图片或者视频。 学了很多内容 01 看过无数本书、文章、对话，有一定的参数量，记住了这些知识的规律。 猜下一个词 02 提示“我爱吃……”，它会根据学过的知识，算出接下来最可能是“苹果”还是别的。玩接龙游戏一般，挑一个最合适的词或句子接下去 一步步生成 03 一次猜一个词或一小段话，然后连起来，变成完整的回答。 大模型生成 收集数据 训练模型 预测生成 预测生成的优势： 这种方式很好，但是它可能会猜错！ 快 灵活 像人 能在几秒内猜出很长的回答。 不管问什么样的问题，都能试着生成答案。 回答自然，越来越难以分辨与人类的区别。 大模型幻觉 地球被外星人访问了！ 2025年发生了什么大事？ 相信你也体验过大模型出现幻觉的情况。 胡说！你是不是看科幻书太多了？ 只靠猜 大模型不懂真实世界，只是根据数据和规律寻找最接近的“词”。 想说得顺 想让回答听起来流畅、完整，所以有时候会“补”一些细节，哪怕这些细节是错的。 数据有问题 在训练前进行了数据清洗，但无法完全避免错误，可能会把错误的内容当成正确的。 大模型幻觉 我的数据只包含2024年以前的知识。 我问的是2025年真实发生的事情！ 如何避免幻觉？ 检查答案 别全信大模型的输出结果，查查书或找找权威资料，看它说的是不是真的。 问清楚 问题模糊，大模型会“乱编”。尽量问具体点。比如“7月28日的北京天气”比“昨天的天气”更清楚。 知道它的局限 大模型很聪明，但是它不是万能的，它并不是真的“懂”一切。 诚实就是好孩子。 多模态大模型 单模态大模型 多模态是指利用多种不同形式或感知渠道的信息进行表达、交流和理解的方式，通常包括视觉、听觉、文本、触觉等多种感官输入和输出方式。 多模态大模型 功能：处理文字、图片、声音 优点：功能多，应用广泛 缺点：需要更多计算资源，更加容易出错 功能：只处理单一数据类型，比如文字 优点：文字处理快，计算简单 缺点：不能看图片、听声音 智能体是什么 智能体（Agent）是指能够感知环境并采取行动以实现特定目标的代理体。它可以是软件、硬件或一个系统，具备自主性、适应性和交互能力。智能体通过感知环境中的变化，比如通过传感器或数据输入，根据自身学习到的知识和算法进行判断和决策，进而执行动作以影响环境或达到预定的目标。 智能体是人工智能技术在实际场景中的具体应用形式。 学习任务单 活动2 小组活动：通过角色扮演和游戏，体会感受智能体的“主动做事”，完成学习任务记录。 简单规划一次秋游，每组选一个“思考者”，其他成员扮演“执行者”，根据“思考者”的信息，主动规划步骤、分配任务。 思考者 姓名：_______________ 规划1 秋游去哪里 规划2 要做哪些准备 …… …… 执行者 姓名：_______________ 执行1 去北海公园 执行2 水、零食、集合地点 …… …… 感知 决策 行动 智能体机制 智能体（Agent）是一个能像人一样“看、想、做”的系统，基于大模型但更主动，能自己完成任务。 定义：看图片、听问题，收集信息 案例：看到森林图片有树和湖，听到“明天去哪儿？” 定义：分析信息，制定计划 案例：知道晴天，决定去森林野餐，计划带水、食物 定义：执行计划，完成任务 案例：写野餐计划，提醒买东西 配图为学科网智能客服 配图为问界汽车辅助驾驶界面 配图为学科网个性化学习报告 智能体应用 智能体无处不在，或许你未曾感知。智能体进入我们生活的方方面面： 智能客服 个性化学习报告 辅助驾驶 学习任务单 活动3 课后观察家用扫地机器人如何规划路径、避开障碍物。分析其感知、决策、行动的具体行为。 活动:智能体应用——扫地机器人 过程 具体行为 感知 决策 行动 AI兴趣园地 2024年，诺贝尔奖的一些奖项与人工智能领域密切相关，尤其是在化学和物理领域。其中化学奖授予了开发AI工具预测蛋白质结构的科学家，他们用领域微调模型与智能体技术大幅提高了生物医学研究的效率，提升了药物开发速度。未来，AI在科学中的应用会越来越重要。 微调模型 智能体技术 知识总结 AI大模型与智能体技术 大模型定义 大模型数据 数据收集 大模型参数 大模型训练 训练方式 模型微调 大模型生成 智能体机制 智能体应用 大模型幻觉 多模态大模型 智慧挑战 智慧挑战 1.关于AI大模型，以下哪个描述是正确的（ ） A. 大模型通常指参数量较小、适用于特定任务的模型 B. 大模型可以通过预训练和微调处理多种任务 C. 大模型不需要大量数据进行训练 D. 大模型无法用于自然语言处理 答案：B 解析：AI大模型通过大规模数据预训练，具备处理多种任务的能力，经过微调可适配特定场景。 智慧挑战 智慧挑战 2.以下哪个技术常用于AI大模型的训练？（ ） A. 监督学习 B. 无监督学习 C. 强化学习 D.以上都可能使用 答案：D 解析：AI大模型训练通常结合多种学习方式：监督学习用于标注数据任务，无监督学习用于预训练，强化学习用于优化模型行为。 智慧挑战 智慧挑战 3.智能体与传统AI模型的主要区别是什么？（ ） A. 智能体不使用机器学习 B. 智能体具有自主性和环境交互能力 C. 智能体无法处理复杂任务 D. 智能体仅用于图像处理 答案：B 解析： 智能体通过感知、推理和行动与环境交互，具备一定自主性，而传统AI模型更专注于特定任务的预测或分类。 智慧挑战 智慧挑战 4.以下哪个应用更可能由AI大模型驱动？（ ） A. 简单计算器的运算 B. 自动生成文章 C. 控制家用电器的开关 D. 测量房间温度 答案：B 解析： AI大模型擅长处理复杂任务，如自然语言生成。A、C、D更适合简单规则系统或小型嵌入式设备，而非大模型。 感谢聆听 THANKS $$