第1课《走进人工智能》教学课件 2025-2026学年浙教版初中信息科技八年级下册

《走进人工智能》教学课件 浙教版（2023版）初中信息技术 · 八年级下册 1.7.2013 同学们好！欢迎来到今天的信息技术课。在我们开始今天的主题之前，我想问大家一个问题：大家有没有想过，我们每天使用的手机、接触到的各种智能设备，它们背后隐藏着怎样的秘密？今天，就让我们一起走进一个充满魅力和无限可能的领域——人工智能。 ‹#› 生活中的“智” 手机人脸解锁 模仿人类“看”的能力 通过摄像头捕捉面部特征进行识别 智能语音助手 模仿人类“听”与“说”的能力 听懂指令并给予语音反馈和帮助 短视频智能推荐 模仿人类“思考”与“判断”的能力 分析你的喜好，精准推送你感兴趣的内容 超市无人收银 模仿人类“识别”与“计算”的能力 自动识别商品价格并计算总价，快速完成结算 AI 绘画生成作品 模仿人类“创造”的能力 根据文字描述，生成全新的、独一无二的画作 1.7.2013 请大家看屏幕上的这些场景，是不是都非常熟悉？从早上用手机人脸解锁，到和智能音箱对话，再到逛超市使用无人收银。这些看似平常的瞬间，其实都蕴含着一种强大的技术。它们都在模仿我们人类的某种能力。大家能看出来它们分别模仿了我们的什么能力吗？ ‹#› 这些机器在模仿人类的什么能力？ 视觉能力 人脸解锁模仿了我们的视觉能力，能像人眼一样“看”懂人脸。 听觉与语言能力 语音助手模仿了我们的听觉与语言，听懂指令并像人一样交流。 思考与决策能力 智能推荐模仿了我们的思考与决策，分析喜好并给出个性化建议。 这些能模拟、延伸和扩展人类智能的技术，就是我们今天的主角——人工智能 (Artificial Intelligence, AI) 今天，让我们一起走进人工智能的世界，揭开它的神秘面纱！ 1.7.2013 大家说得非常好！人脸解锁模仿了我们的视觉，语音助手模仿了听觉和语言，智能推荐则模仿了我们的思考和决策。这些能够模拟、延伸和扩展人类智能的技术，有一个共同的名字，那就是——人工智能，简称AI。今天，我们就将正式揭开它的神秘面纱。 ‹#› 一、什么是人工智能？ 💡 核心定义： 人工智能（Artificial Intelligence, 简称AI），是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。 模拟 MIMIC 模仿人类的智能行为，让机器具备感知和认知能力，如看、听、说、想等基础思维活动。 延伸 EXTEND 拓展人类生理和智力能力的边界，帮助我们完成难以独自完成的任务，如快速计算、海量记忆和精准识别。 扩展 EXPAND 突破人类的局限性，实现复杂场景下的高效决策与处理，如大数据分析、自动驾驶和新药研发等前沿领域。 1.7.2013 那么，到底什么是人工智能呢？它的定义听起来可能有点复杂，但我们可以抓住三个关键词来理解：模拟、延伸和扩展。简单来说，AI就是让机器去模仿我们人类的智能行为，比如看、听、说。同时，它还能延伸我们的能力，比如计算得比我们快，记得比我们多。更重要的是，它能扩展我们的能力，去完成一些我们人类很难做到的事情。 ‹#› 二、AI的四大核心特征 01 感知能力 模拟人类的视觉、听觉、触觉等感官系统，能够从环境中获取并处理各类信息。 实例：人脸识别解锁、智能音箱语音识别 02 推理与决策能力 模拟人类大脑的逻辑思维，对获取的信息进行分析、推理，从而做出判断和最优决策。 实例：电商平台智能推荐、AlphaGo 下棋AI 03 学习能力 基于数据积累和算法迭代，在使用过程中不断修正错误、优化模型，实现自主进化。 实例：智能输入法越用越懂你的表达习惯 04 自适应能力 能够感知外部环境的动态变化，主动调整自身的参数和行为模式，以适应新的场景。 实例：智能家居空调根据室温自动调节温度 1.7.2013 人工智能之所以强大，是因为它具备了四大核心特征。首先是感知能力，就像我们的眼睛和耳朵，让AI能听懂、看懂。其次是推理与决策能力，像我们的大脑在思考，能分析复杂问题并给出解决方案。第三是学习能力，它能像我们一样不断积累经验，变得更聪明。最后是自适应能力，能根据环境变化灵活调整策略。这四个特征共同构成了AI的智能基础。 ‹#› 三、辨析：人工智能 vs 普通软件 思考：计算器是人工智能吗？ 答案：不是！ 原因：计算器只能严格按照预设的固定程序和数学规则进行计算，它不具备感知、学习、推理和自适应的能力。它本质上只是一个高度自动化的“计算工具”。 再思考：智能音箱还是收音机？ 答案：智能音箱！ 原因：它能听懂你的语音指令（感知能力），并根据你的播放历史和习惯推荐你喜欢的音乐（具备学习和推理能力），符合AI的核心特征。而收音机只能被动播放节目。 1.7.2013 为了更好地理解AI，我们来做一个辨析。大家常用的计算器，是人工智能吗？不是。因为它只是按照固定程序工作。那智能音箱和普通收音机呢？显然是智能音箱。因为它能听懂我们说话，还能学习我们的喜好，这就是AI和普通软件的根本区别。 ‹#› 课堂互动：火眼金睛识AI 请观察下方应用场景，判断哪些真正属于人工智能 (AI) 范畴？ 01. 自动售货机 逻辑：扫码结算 + 机械出货 基于预设程序的自动化流程 02. 手机美颜功能 逻辑：人脸关键点检测 + 图像生成 基于卷积神经网络的AI算法 03. 在线翻译工具 逻辑：NLP自然语言处理 + 大模型 能够理解语境并生成译文 04. 电梯自动开关门 逻辑：红外传感器 + 电机控制 简单的物理感应与机械联动 05. AlphaGo (围棋AI) 逻辑：强化学习 + 蒙特卡洛树搜索 具备自我进化和决策能力的AI 💡 核心区别 AI ≠ 自动化 关键在于是否具备“学习与推理”能力 1.7.2013 现在，考验大家眼力的时候到了！这里有五个常见的应用场景，请大家快速判断一下，哪些真正属于人工智能？给大家几秒钟思考。 好，我们来揭晓答案： 真正的AI是：手机美颜、在线翻译工具和AlphaGo。它们的共同点是背后有复杂的AI算法支撑，比如美颜需要识别面部特征，翻译需要理解语义，AlphaGo更是具备自我强化学习的能力。 而自动售货机和电梯门，虽然看起来也是“自动”的，但它们仅仅是基于简单的传感器和预设逻辑的自动化设备，不具备智能学习和推理能力，所以严格来说不属于AI。 通过这个互动，我们可以记住一个关键点：AI的核心在于“学习与推理”，而不仅仅是“自动化”。 ‹#› 知识小结：定义与特征 01 / 一个定义 人工智能是一门旨在使计算机系统能够模拟、延伸和扩展人类智能的技术科学。 它不只是简单的程序指令，而是赋予机器类似人类的认知与行为能力。 02 / 四大特征 •感知：识别语音、图像、文本等信息 •推理：基于逻辑和规则分析解决问题 •学习：从海量数据中自动提取规律 •自适应：根据环境动态调整行为策略 03 / 核心区别 与普通软件最大的不同在于： 是否具备模拟人类智能的特征，即是否能够自主进行学习、推理和决策，而非仅执行预设的固定指令。 1.7.2013 好了，我们来小结一下第一部分的内容。我们学习了人工智能的定义，理解了它模拟、延伸和扩展人类智能的本质。我们还掌握了AI的四大核心特征：感知、推理、学习和自适应。最后，我们明确了AI与普通软件的核心区别。希望大家都能记住这些关键点。 ‹#› 四、人工智能的发展历程 人工智能的发展并非一帆风顺，它经历了一个漫长而曲折的过程，大致可以分为三个阶段。 萌芽期 1950 - 1956 理论奠基 · 学科诞生 这一时期，图灵测试提出了智能的定义标准，“人工智能”术语在达特茅斯会议上正式确立，标志着AI作为一门独立学科诞生，科学家们对AI的未来充满乐观与想象。 起伏发展期 1956 - 2010 “三起两落” · 技术探索 经历了两次“寒冬”与繁荣交替的波动。受限于计算能力和数据规模，早期符号主义AI难以突破瓶颈，但为机器学习、专家系统等后续核心技术的发展积累了宝贵经验与教训。 爆发期 2010 - 至今 技术突破 · 全面普及 深度学习算法的突破、算力的指数级增长和大数据的爆发式涌现，构成了AI发展的“三驾马车”。AlphaGo、ChatGPT等应用震撼世界，AI从实验室走向各行各业，全面融入社会生活。 1.7.2013 了解了AI是什么之后，我们再来看看它是如何发展到今天的。人工智能的发展之路并非一帆风顺，它经历了三个主要阶段：从最初的理论萌芽，到中间充满波折的起伏发展，再到近十年来的爆发式增长。接下来，我们将逐一回顾这三个阶段。 ‹#› 萌芽期：梦想开始的地方 (1950-1956) 1950年图灵测试 英国数学家艾伦·图灵提出了著名的“图灵测试”，旨在探讨“机器是否能思考”，这一开创性的设想奠定了整个人工智能领域的理论基石。 “如何判断一台机器是否具有智能？” 1956年达特茅斯会议 在美国达特茅斯学院，约翰·麦卡锡等先驱们召开了一次历史性的研讨会，并首次正式提出了“人工智能”（Artificial Intelligence）这一术语。 这一事件标志着人工智能正式作为一门独立的学科诞生。 1.7.2013 人工智能的梦想始于20世纪中叶。1950年，伟大的数学家艾伦·图灵提出了著名的“图灵测试”，探讨了如何判断机器是否具有智能，为这门学科提供了最初的哲学思考和理论框架。而在1956年的达特茅斯会议上，“人工智能”这个术语被首次提出，标志着这门学科的正式诞生，一群科学家从此踏上了探索机器智能的伟大征程。 ‹#› 起伏发展期：“三起两落”的探索 (1956-2010) 技术局限 早期算法逻辑简单，无法有效处理复杂多变的问题场景，导致模型能力存在明显天花板。 算力不足 受限于当时的计算机硬件水平，运算速度和处理能力有限，难以支撑大规模模型的训练需求。 数据匮乏 互联网普及度低，缺乏足够高质量、多维度的数字化数据，无法为AI模型的学习提供充足“养料”。 “这个时期的AI，就像一个有梦想但营养不良的孩子， 潜力巨大，却难以施展。” 1.7.2013 在接下来的几十年里，AI的发展可谓一波三折，经历了所谓的“三起两落”。这主要是因为当时技术、算力和数据都严重不足。我们可以把那个时期的AI想象成一个有梦想但营养不良的孩子，空有潜力却无法发挥。 ‹#› 爆发期：万事俱备，AI腾飞 (2010-至今) 大数据 互联网的全面普及，产生并积累了海量的数据资源，为AI的自我学习提供了取之不尽的“数字燃料”。 云计算 分布式计算架构提供了强大且廉价的算力支撑，解决了复杂算法训练过程中计算效率低、成本高昂的问题。 深度学习 神经网络算法的突破性进展，让AI具备了模拟人类大脑处理信息的能力，大幅提升了图像识别、语音理解的准确率。 AI应用全面爆发，落地生根 从智能手机的人脸识别到自动驾驶技术，再到能理解并生成复杂内容的大语言模型（如ChatGPT），人工智能正式走出实验室，深度融入社会生产与大众生活的方方面面。 1.7.2013 然而，进入21世纪第二个十年，情况发生了翻天覆地的变化。大数据、云计算和深度学习这三大引擎同时发力，为AI的腾飞提供了充足的动力。海量的数据成为了AI的“粮食”，强大的算力成为了它的“肌肉”，先进的算法则成为了它的“智慧”。从此，AI真正从实验室走进了我们的生活。 ‹#› 小组讨论：AI爆发的秘密 01人工智能发展“两落”的核心原因是什么？ 💡 提示：可以从数据、算法、算力这三大基石方面进行深度思考，分析当时的技术与社会环境局限。 02为什么2010年后人工智能能迎来爆发式增长？ 💡 提示：对比AI发展历史上“两落”的限制条件，结合当下的技术进步与产业环境，分析现在具备了哪些关键要素。 ⏱ 讨论时间：5分钟 🗣 每组选派一名代表进行观点分享 1.7.2013 现在，我想请大家分组讨论一下。结合我们刚才学习的内容，思考一下，人工智能发展早期为什么会遭遇挫折？而近十年来又为什么能迎来爆发？请大家围绕数据、算法和算力这三个方面展开讨论。给大家五分钟时间。 ‹#› 五、人工智能的三大技术基础 人工智能的飞速发展，离不开三大核心要素的支撑，它们共同构成了推动 AI 不断向前的“三驾马车”。 数据 · Data AI 的“燃料” 海量的高质量数据是模型训练的前提， 决定了 AI 所能学习的知识边界。 算法 · Algorithm AI 的“大脑” 是处理数据的逻辑与方法， 赋予了 AI 推理、学习和决策的能力。 算力 · Computing Power AI 的“动力” 高性能的硬件设施是物理基础， 为复杂的计算过程提供必要的速度支撑。 三者相辅相成，缺一不可，共同构筑了人工智能大厦的基石 1.7.2013 刚才大家讨论得非常热烈。总结一下，驱动AI发展的核心就是数据、算法和算力这“三驾马车”。 首先，数据是AI的“燃料”。就像汽车离不开汽油，AI模型的训练离不开海量的高质量数据，没有数据，AI就无从学习。 其次，算法是AI的“大脑”。它是一套处理数据的数学逻辑，决定了AI如何学习、如何思考以及如何做决策。 最后，算力是AI的“动力”。它代表了硬件的计算能力，能够快速处理复杂的算法和海量数据，是AI运行的物理基础。 这三者紧密相连，共同推动了人工智能的进步。下面我们来逐一了解它们。 ‹#› 数据：人工智能的“燃料” 核心定义 数据是AI学习的基础和原料，是赋予AI智能的“血液”。 就像人类需要从书本和经验中学习一样，AI模型的构建离不开大量数据的输入与训练。 关键价值 数据的数量和质量直接决定了AI的能力上限。 数据越丰富、标注越准确、来源越广泛，AI模型学习的效果就越好，泛化能力越强。 人脸识别技术 需要学习数百万甚至数亿张人脸照片，才能精准捕捉面部特征并完成识别。 智能翻译模型 需基于海量的书籍、新闻等双语文本数据进行训练，才能流畅、准确地进行跨语言翻译。 1.7.2013 首先是数据，它是AI的燃料。就像汽车需要汽油一样，AI的学习和成长离不开数据。我们给它的数据越多、质量越好，它学习的效果就越出色。比如人脸识别技术，就是通过学习了海量的人脸照片才变得如此精准。同样，像我们经常使用的智能翻译软件，背后也是靠海量的双语对照文本进行训练，才能准确地理解和转换不同语言。所以说，数据是人工智能产业发展的基石。 ‹#› 算法：人工智能的“大脑” 什么是算法？ 算法是AI解决问题的逻辑规则和步骤，它就像是AI的“思考方式”，决定了AI在面对问题时如何分析、处理并给出答案。 简单算法 vs 深度学习 同样是识别“猫”的图片：简单算法可能只能识别“特定颜色”或“特定位置”的猫；而深度学习算法能像人一样，准确识别各种姿态、颜色、环境下的猫。 深度学习神经网络示意 复杂的神经网络通过多层神经元连接， 模拟人脑处理信息的过程，让AI拥有更强的“理解力”。 1.7.2013 其次是算法，它是AI的大脑。算法决定了AI如何思考和解决问题。不同的算法就像不同的思维方式。比如，用简单的算法去识别猫，可能只会认特定样子的猫。但用更先进的深度学习算法，就能识别各种姿态、各种颜色的猫，这就是算法的力量。 ‹#› 算力：人工智能的“动力” 什么是算力？ 算力是计算机处理数据、运行算法的能力，它是驱动AI模型运转的核心能源。 算力的价值 算力越强，AI处理海量数据和复杂任务的速度就越快，能支持更精细、更复杂的模型训练与推理。 惊人的算力消耗 训练ChatGPT等大语言模型，需数千台高性能GPU服务器并行工作数月，远超普通个人电脑的极限。 AI 算力基础设施 高密度、高能耗的数据中心集群，是支撑人工智能发展的“数字粮仓” 1.7.2013 最后是算力，它是AI的动力。算力指的是计算机处理数据和运行算法的能力。算力越强，AI干活就越快。大家知道吗？训练一个像ChatGPT这样的大模型，需要动用几千台最顶级的服务器，连续工作好几个月，这是我们普通电脑想都不敢想的。 ‹#› 三者关系：就像做一道菜 数据 = 食材 食材的种类和新鲜度， 决定了菜肴的基础品质。 算法 = 菜谱 菜谱决定了如何处理食材， 最终做出美味的菜肴。 算力 = 厨具和厨师 好的厨具和熟练的厨师， 能让做菜的过程更高效。 💡 结论：只有优质的食材、精妙的菜谱和强大的厨具完美结合， 才能做出一道“智能”的大餐！ 1.7.2013 为了让大家更好地理解数据、算法和算力的关系，我们可以用一个生动的比喻：做一道菜。数据就像是食材，算法是菜谱，而算力则是厨具和厨师。只有当优质的食材、精妙的菜谱和强大的厨具完美结合时，我们才能做出一道美味的“智能大餐”。 ‹#› 六、人工智能与人类智能 人类智能 Human Intelligence ✨ 核心优势：具备复杂情感、原创创造力、自我意识与价值观，以及极强的环境适应性与灵活应变能力。 📉 相对局限：生理体力有限、记忆容易出错、数据处理与运算速度慢，且易受情绪影响。 人工智能 Artificial Intelligence 🚀 核心优势：拥有强大的并行算力、精准的海量记忆、毫秒级的信息检索与处理速度，且不知疲倦。 📉 相对局限：缺乏真实情感体验与自我意识，所谓的“创作”是基于数据的模仿，缺乏对世界的常识理解。 💡 结论：AI与人类智能各有所长，二者并非简单的“谁取代谁”的零和博弈，而是优势互补、协同进化的共生关系。 1.7.2013 了解了AI的技术基础，我们再来思考一个更深层次的问题：人工智能和我们人类的智能，到底有什么区别？这张对比图清晰地展示了两者的核心差异。 左边是我们人类，我们的核心竞争力在于“软实力”：我们拥有丰富的情感、能进行无中生有的创造、有自主意识和价值观，并且在陌生环境下拥有极强的应变能力。但是，我们也有明显的短板，比如体力有限、记东西容易忘、算得慢。 右边是人工智能，它的强项在于“硬算力”：海量数据处理、精确的记忆、极快的速度，而且可以连续工作不知疲倦。但它也有致命弱点：它没有真实的情感，没有自我意识，缺乏常识，它的“创作”本质上是数据的排列组合。 所以，这张图最想告诉大家的结论是：它们不是谁取代谁的关系，而是互补的关系。未来最好的模式，一定是“人类+AI”的协同模式，人类做人类擅长的，AI做AI擅长的。 ‹#› 七、AI的社会影响（积极篇） 提升生产效率 工业机器人不知疲倦地工作，能够实现24小时不间断作业，大幅提高了工厂的自动化水平和整体生产效率。 便利日常生活 智能助手、无人超市、智能家居设备等AI应用让生活更便捷，有效简化了繁琐的日常事务，让我们拥有更多时间享受生活。 推动医疗进步 AI辅助医生进行医学影像分析和疾病筛查，能够快速处理海量数据，显著提高诊断的准确率和效率，为患者争取宝贵的治疗时间。 促进教育公平 个性化学习平台打破了地域和资源限制，为不同背景的学生提供定制化辅导和高质量教育资源，推动教育机会更加均等。 1.7.2013 人工智能的发展给社会带来了巨大的积极影响。它在工业生产中提升效率，在日常生活中为我们提供便利，在医疗领域辅助医生诊断，在教育领域促进公平。可以说，AI正在让我们的世界变得更美好。 ‹#› AI的社会影响（挑战篇） 隐私安全风险 人脸数据、个人行为数据可能被泄露或滥用，用户的个人信息保护面临前所未有的严峻挑战。 就业结构调整 一些重复性、规律性的岗位可能被AI自动化替代，促使劳动力市场进行结构性调整与人才转型。 伦理道德争议 AI可能生成“深度伪造”的虚假信息，算法模型也可能因训练数据偏差而产生歧视，引发社会伦理争议。 1.7.2013 当然，任何技术都是一把双刃剑。AI在带来机遇的同时，也带来了新的挑战。比如我们的个人隐私可能面临风险，一些传统工作岗位可能会受到冲击，甚至还会出现虚假信息、算法偏见等伦理问题。这些都是我们需要正视和解决的。 ‹#› 思辨讨论：AI会完全取代人类吗？ 引导思考 ❓ AI能写出有情感的诗歌吗？ ❓ AI能像老师一样关心学生吗？ ❓ AI会创造新的工作岗位吗？ 理性应对 🛠️ 利用AI · 做助手 把AI作为提效工具，聚焦于高价值的创造性工作，而非重复性的体力与脑力劳动。 🌱 发展自己 · 练能力 深耕AI难以取代的领域：培养共情力、道德判断力、复杂问题解决能力及跨领域创新思维。 🛡️ 规范使用 · 守底线 树立负责任的AI伦理观，学会辨别信息真伪，在人机协作中守住数据安全与个人隐私底线。 1.7.2013 那么，回到一个大家可能都关心的问题：AI会完全取代人类吗？大家可以想一想，AI能写出真正有情感的诗歌吗？能像老师一样关心我们吗？答案显然是否定的。 面对AI，我们更应该做的是学会利用它，把它当作我们的工具，同时不断发展自己那些AI无法替代的能力，比如创造力和情感沟通能力。我们要学会利用AI做助手，发展自己独特的能力，同时树立正确的意识，负责任地使用AI，这才是我们应对人工智能浪潮的理性态度。 ‹#› 知识小结：对比与思辨 一个对比 AI与人类智能各有优劣，并非相互取代，而是互为补充、协同发展。 两方面影响 ✅ 机遇：提升生产效率，便利日常生活，推动社会进步与科技发展。 ⚠️ 挑战：个人隐私泄露风险，部分就业岗位调整，以及复杂的伦理争议。 一种态度 保持理性与开放的心态，善用AI作为工具赋能工作与生活，持续学习以发展自我。 1.7.2013 第四部分的内容我们也小结一下。我们对比了AI和人类智能，认识到它们是互补关系。我们也分析了AI带来的机遇和挑战。最重要的是，我们形成了一种理性看待AI的态度：善用AI，发展自我。 ‹#› 八、创新设想：未来的AI能做什么？ 课堂思考任务 结合本节课所学知识，联系你的生活实际体验，大胆思考：“未来人工智能还能应用在哪些场景？它又能帮助我们解决什么具体问题？” 智能环保 AI 自动识别各类垃圾并引导精准分类，实时监测空气与水质污染，通过大数据分析优化城市环保资源配置，助力建设绿色低碳的智慧生态。 智能助老 AI 作为AI伴侣陪独居老人聊天解闷，通过穿戴设备全天候监测老人健康体征，一旦发生摔倒或异常情况，立即向家属和医院自动触发紧急报警。 请写下你的 1-2 个创新设想！ 发挥你的无限想象力，描绘AI赋能未来的更多可能性！ 1.7.2013 学了这么多，现在轮到大家发挥想象力了。请大家思考一下，未来的人工智能还能做些什么？它还能在哪些领域帮助我们解决问题？比如，我们可以设想一个智能环保AI，或者一个智能助老AI。现在，请大家写下自己的创新设想。 ‹#› 课堂小结：本节课核心知识 01 / 一个定义 人工智能（AI）是一门旨在模拟、延伸和扩展人类智能的技术科学，致力于让机器具备类似人类的感知、认知、决策与学习能力。 02 / 一条脉络 经历了早期“逻辑推理”的萌芽期，走过了“专家系统”遇冷的起伏发展期，最终迎来了由大数据与深度学习驱动的爆发增长期。 03 / 三大基础 数据是AI的“燃料”，提供训练的原材料；算法是AI的“大脑”，决定逻辑与学习规则；算力是AI的“动力”，支撑海量并行计算。 04 / 一种思辨 AI与人类智能不是“取代”关系，而是互补协作。我们应理性看待技术变革，在享受科技红利的同时，积极思考并规避其潜在的伦理与社会影响。 1.7.2013 好了，我们今天的课程即将结束。让我们一起回顾一下本节课的核心知识。我们了解了AI的定义，梳理了它的发展脉络，掌握了它的三大技术基础，并且进行了关于AI与人类关系的思辨。希望这张思维导图能帮助大家更好地巩固今天所学。 ‹#› 核心数据与概念回顾 图灵测试 1950年 提出了判断机器智能的标准，开启了人工智能的讨论 达特茅斯会议 1956年 标志着人工智能作为一门正式学科的诞生 发展“两落”原因 1970s / 1980s 受限于早期算力不足、高质量数据匮乏以及当时算法的局限性 AI爆发三大引擎 2010年至今 海量的大数据、强大的云计算能力以及深度学习算法的突破 AI三大技术基础 核心支柱 数据是燃料、算法是大脑、算力是动力，三者缺一不可 1.7.2013 这里还有一张核心概念回顾表，列出了我们今天学习的关键事件和概念，包括图灵测试、达特茅斯会议、AI发展的起伏原因以及爆发的引擎等等。大家可以课后再仔细看一看，加深记忆。 ‹#› 参考资料与信息来源 教材核心依据 浙教版（2023版）初中信息技术 · 八年级下册教材 历史溯源 AI华山论剑之1956年达特茅斯会议 追溯人工智能学科诞生的标志性时刻，理解学科的初心与使命。 核心三要素 AI三要素：算法、算力与数据 深入解析三者之间如何协同驱动，共同构成人工智能技术大厦的基石。 发展全景图 图说人工智能简史 以可视化的方式梳理AI发展历程中的起起落落，把握技术演进的节奏。 1.7.2013 本节课的内容主要参考了我们的教材以及一些权威的网络资源。如果大家对人工智能感兴趣，想了解更多，可以参考屏幕上列出的这些资料。 ‹#› 感谢聆听！ 让我们一起拥抱人工智能时代！ 1.7.2013 今天的课程到此结束，感谢同学们的认真聆听！人工智能的时代已经到来，希望通过今天的学习，大家能对它有一个更清晰的认识，并以积极的心态拥抱这个充满机遇的新时代。现在是提问环节，大家有什么问题可以随时提出。 ‹#› $