第8课《人工智能中的算法》教学课件-2025-2026学年浙教版初中信息科技八年级下册

《人工智能中的算法》教学课件 2025-2026学年浙教版（新教材）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。大家有没有想过，为什么导航APP能帮我们规划最优路线？为什么手机能识别出我们拍的花？这些“智能”背后，都隐藏着一个共同的秘密——算法。今天，就让我们一起揭开人工智能中算法的神秘面纱。 ‹#› 情境对比：手动规划 vs 智能规划 场景一：手动规划上学路线 描述：每天走固定的路线，遇到堵车只能自己临时想办法绕路，耗时费力且无法预知前方路况。 特点：路线固定单一 · 被动等待 · 依赖人工干预与经验 场景二：使用导航APP规划路线 描述：输入目的地，APP自动规划多条路线并推荐最优解；实时监控路况，遇拥堵自动计算并推荐新路线。 特点：动态计算 · 数据驱动 · 自主优化路径 · 实时反馈 同学们，对比一下这两种方式，导航APP为什么这么“聪明”？它背后隐藏着什么秘密？ 1.7.2013 我们来看两个场景。一个是手动规划路线，另一个是使用导航APP。大家有没有发现，导航APP非常“聪明”，它能实时规划路线，避开拥堵。这背后到底隐藏着什么秘密呢？这就是我们今天要探讨的主题——算法。 ‹#› 今天的探索目标：人工智能中的算法 导航APP的“聪明才智”，来源于它内置的人工智能算法。算法，就是人工智能的“大脑”和“决策核心”。本节课，我们将一起揭开AI“思考”与“决策”的神秘面纱。 01 理解算法本质 从定义出发，理解算法是如何一步步解决问题、处理信息并做出判断的逻辑过程。 02 区分两类算法 对比传统编程算法与人工智能算法的核心差异，明白AI算法“学习进化”的独特能力。 03 掌握核心三要素 认识数据、算力与算法如何共同构成人工智能大厦的基石，理解三者的协同作用。 04 理性看待影响 辩证分析算法对社会与生活的积极赋能与潜在风险，学会做一个负责任的技术使用者。 1.7.2013 没错，导航APP的聪明才智，就来源于它内置的人工智能算法。算法，就是AI的大脑。本节课，我们将一起揭开AI“思考”和“决策”的神秘面纱，理解技术背后的逻辑。 ‹#› PART 01 新知探究 算法的世界 1.7.2013 现在，让我们进入新知探究部分，一起走进算法的世界。 ‹#› 算法的定义：解决问题的“超级菜谱” 核心定义：算法是指解决特定问题的、明确的、有限的、可执行的步骤与规则。它是解决问题的思路和方法，是程序的灵魂。 明确的 (Clear) 每一步做什么，都清清楚楚，指令精准，不存在任何歧义或模棱两可的地方。 有限的 (Finite) 无论多复杂，算法必须在有限的步骤和时间内完成并得出结果，不能陷入无限循环。 可执行的 (Executable) 每一步骤都必须是物理上或逻辑上可操作的，能通过机械或人工的方式完成任务。 算法 = 解题思路 / 菜谱 抽象的逻辑与思考，指导我们“怎么做” 程序 = 解题过程 / 烹饪 具体的代码实现，是算法的载体 1.7.2013 那么，到底什么是算法呢？简单来说，算法就是解决问题的一系列明确、有限、可执行的步骤。它就像一份超级菜谱，告诉你每一步该做什么。 首先，它必须是“明确的”，每一步指令都精准，不能模棱两可；其次，它是“有限的”，必须在有限步骤内结束，不能无限循环；最后，它必须是“可执行的”，每一步都必须是物理或逻辑上能做到的。 为了更好地理解，我们可以做一个类比：如果把解决问题比作做饭，那么“算法”就是菜谱上的步骤说明，是一种抽象的思路；而“程序”就是你按照菜谱实际动手操作的过程，是算法的代码实现。算法是程序的灵魂，程序是算法的躯壳。 ‹#› 生活处处有算法（一） 算法并不是高深莫测的概念，它就在我们身边。 01 / 煮一碗方便面 1. 打开包装，取出面饼和调料。 2. 往锅里加入适量的水，加热至沸腾。 3. 放入面饼，煮3-5分钟。 4. 加入调料包，搅拌均匀。 5. 关火，盛出享用。 02 / 组装乐高模型 跟着说明书的步骤，一步步拼接零件，最终完成模型。每一步都有明确的指令，只要严格执行，就能得到正确的结果。 1.7.2013 其实，算法离我们并不遥远。比如煮一碗方便面，我们需要按照固定的步骤来操作。再比如组装乐高模型，我们需要跟着说明书一步步来。这些步骤都符合算法“明确、有限、可执行”的特点。 ‹#› 生活处处有算法（二） 案例3：数学解题 1. 审题，理解题意，明确问题核心。 2. 找出已知条件，圈出未知量。 3. 联想相关知识，选择合适的公式或定理。 4. 严谨列式，分步计算求解。 5. 代入验算，确保答案准确无误。 案例4：去超市购物 1. 梳理家中物品，列出详细的购物清单。 2. 依据超市布局，规划最优的行走路线。 3. 按清单挑选商品，分类放入购物车。 4. 选择最短的队伍，排队完成结账。 无论是学习、工作还是日常生活，我们都在有意或无意地使用算法来解决问题。 1.7.2013 同样，我们做数学题、去超市购物，也都遵循着一定的步骤和规则。这些其实都是算法在生活中的体现。可以说，算法无处不在。 ‹#› 两种算法的对决：传统算法 vs 人工智能算法 传统规则算法 💡 核心逻辑：人工编写固定的、明确的规则和执行步骤，计算机只需机械执行即可。 🔧 主要特点：按部就班、“按规办事”。逻辑清晰可控，但仅能解决人类预设好边界的固定问题。 📌 典型场景：计算器运算、红绿灯固定切换、数学公式计算。 人工智能算法 🧠 核心逻辑：不直接编写规则，而是从海量数据中自动学习、归纳规律，建立模型进行预测。 🚀 主要特点：自主优化、“自主判断”。无需人工定义规则，能应对复杂、不确定且动态变化的场景。 📱 典型场景：手机拍照识物、电商个性化推荐、地图实时避堵导航。 1.7.2013 算法家族有两大分支。一种是传统规则算法，它像一个听话的执行者，严格按照人类编写的固定规则办事。另一种是人工智能算法，它更像一个会学习的思考者，能从大量数据中自动学习规律，自主做出判断。 ‹#› 案例分析：如何让机器识别苹果？（传统算法） 识别场景 目标：让一台机器从一堆混杂的水果中，精准地找出所有的“苹果”。 传统算法：人工编写逻辑规则 if (颜色 == "红色" && 形状 == "圆形" && 顶部有凹陷) { 判定为苹果 } 局限性：规则僵化且维护困难 一旦遇到青苹果或黄苹果，程序就会判定错误。面对复杂多变的现实世界，我们需要不断人工修改和增加规则，效率极低。 1.7.2013 我们来看一个例子。如果用传统算法让机器识别苹果，程序员需要编写非常具体的规则，比如“红色、圆形、顶部有凹陷”。但这样一来，当遇到青苹果时，程序就会判断错误。规则需要不断人工修改，非常麻烦。 ‹#› 案例分析：如何让机器识别苹果？（AI算法） 从“人工编程”到“数据驱动”的思维转变：利用机器学习发现事物本质 01 / 海量数据投喂 工程师小红准备了10000张包含不同特征的苹果图片作为“训练数据”。 这些图片涵盖了红、青、黄不同颜色，大、小不同尺寸，甚至不同光照角度，保证了数据的多样性。 02 / 算法自主学习 使用成熟的图像识别算法，让机器处理并分析海量图片。 无需人工编写“如果是红色圆形就是苹果”的具体规则，而是让机器自己从数据中归纳、总结和“学习”苹果的共同本质特征。 03 / 泛化识别能力 机器成功掌握了苹果的特征，具备了强大的泛化能力。 不仅能准确识别出任何颜色的苹果，甚至能认出它在训练数据中从未见过的新品种。这正是AI算法的核心优势。 1.7.2013 而如果使用人工智能算法，我们不需要编写具体规则。我们只需要给机器提供大量各种苹果的图片作为数据，让它自己去学习。机器会从中发现苹果的本质特征，从而能够准确识别出任何颜色的苹果。 ‹#› 传统算法 vs AI算法：核心差异 规则来源 🔧 传统规则算法 依赖人工编写的固定规则，逻辑由人定义。 🧠 人工智能算法 从海量数据中自动学习潜在规律，无需人工定义。 解决问题类型 🔧 传统规则算法 擅长解决逻辑清晰、边界明确、结果可预测的固定、简单问题。 🧠 人工智能算法 擅长处理逻辑复杂、数据量大、结果不确定、且环境动态变化的问题。 动态调整能力 🔧 传统规则算法 缺乏灵活性，无法自主进化，遇到新情况必须由工程师人工修改代码。 🧠 人工智能算法 具备自适应能力，通过持续学习新数据可以实现自主优化和迭代升级。 核心运行逻辑 🔧 传统规则算法 严格按照预设的逻辑和步骤执行，本质是“按规办事”的流水线。 🧠 人工智能算法 通过挖掘数据规律进行概率推理和决策，本质是具备“自主判断”能力。 💡 记忆口诀：传统算法是“听话的执行者”，AI算法是“会学习的思考者” 1.7.2013 通过对比，我们可以清晰地看到两种算法的核心差异。传统算法依赖人工编写的固定规则，按部就班地解决简单确定的问题，像是一个“听话的执行者”。而AI算法则通过数据驱动，从海量信息中自动学习规律，能应对复杂多变的场景，就像一个“会学习的思考者”。这不仅是技术实现的不同，更是解决问题思维方式的根本转变。 ‹#› 拓展案例：从“棋谱”到“大师” 传统算法：循规蹈矩的“棋手” • 程序员将所有已知的棋谱和走法规则，手动输入程序作为“知识库”。 • 只能机械执行预设逻辑，遇到没见过的局面便会“死机”，缺乏应变能力。 AI算法：自我进化的“大师” (如AlphaGo) • 先学习数百万份人类棋谱，快速掌握基本策略与逻辑。 • 通过自我对弈数千万局，不断探索人类未知的新走法，最终实现水平超越。 1.7.2013 下棋也是一个很好的例子。传统算法下棋，就像一个只会背棋谱的棋手，遇到没见过的局面就没辙了。而像AlphaGo这样的AI算法，不仅学习了海量的人类棋谱，还通过不断的自我对弈、自我进化去探索新的策略，最终成为了超越人类的围棋大师。这也体现了人工智能“学习与进化”的核心优势。 ‹#› PART 02 核心要素 AI的三大支柱 1.7.2013 了解了算法的基本概念，我们再来看看构建一个强大的AI，还需要哪些核心要素。它们就像AI的三大支柱，缺一不可。 ‹#› 人工智能的三大核心要素 一个强大的AI，离不开三大核心要素的协同合作 算法 (Algorithm) AI 的 “大脑” 负责思考、判断和决策， 是人工智能的逻辑核心。 数据 (Data) AI 的 “燃料” 为算法提供学习的素材和依据， 决定了模型的知识边界。 算力 (Computing Power) AI 的 “动力” 负责高效执行算法、处理海量数据， 是模型训练和运行的物理基础。 1.7.2013 这三大要素分别是：算法、数据和算力。算法是AI的大脑，负责思考；数据是AI的燃料，提供学习的素材；算力是AI的动力，保障快速运转。三者协同合作，才能构成一个完整的人工智能系统。 ‹#› 要素一：算法（大脑） 核心作用 🧠 思考：处理海量数据，从中寻找隐藏的模式与规律。 ⚖️ 判断：基于已学习到的规律，对陌生或新的输入情况进行推理和判断。 🎯 决策：综合分析结果，为AI体输出下一步行动的指令。 典型案例 以日常使用的地图导航为例： 算法持续分析海量的实时路况数据（如车速、拥堵、事故等），在毫秒级时间内进行计算，为用户动态规划并推荐“最短距离”或“最快到达”的路线方案。 核心意义 算法直接决定了AI的 “智商水平” 它定义了AI能够处理问题的复杂程度、准确性以及效率上限。 1.7.2013 首先是算法，它是AI的大脑。算法负责思考、判断和决策。它决定了AI聪不聪明，能解决什么样的问题。比如在导航中，就是算法在分析路况，计算最优路线。 ‹#› 要素二：数据（燃料） 核心作用 🔍 学习素材 AI的算法模型本身不会产生知识，它需要通过“阅读”和分析海量数据来学习、模仿并掌握特定的知识和技能。 ⚖️ 质量决定效果 在数据驱动的AI中，数据的数量越丰富、质量越高、标注越准确，AI最终产出的判断结果就越精准、越可靠。 黄金法则 “垃圾进，垃圾出” (Garbage In, Garbage Out) AI的输出质量完全取决于输入数据的质量。如果用来训练的数据本身存在错误、缺失、偏差，或者逻辑不一致，那么AI学到的模型也会继承这些问题，导致最终给出错误的、带有偏见的甚至有害的结论。 直观示例 🎯 目标：训练识别“猫”的AI •输入：我们需要给AI模型“投喂”成千上万张包含不同品种、不同姿态、不同背景的猫的图片。 •输出：只有经过了海量高质量图片的训练，AI才能在面对一张全新的、从未见过的照片时，准确地告诉你：“这是一只猫”。 1.7.2013 其次是数据，它是AI的燃料。算法需要通过分析数据来学习。数据的数量和质量直接决定了AI的学识水平。这里有一个重要原则叫“垃圾进，垃圾出”，意思是如果输入的数据是错误的，那么AI的输出也必然是错误的。 ‹#› 要素三：算力（动力） 核心作用 • 执行算法：提供高速运算能力，支撑复杂模型与算法的实时运行。 • 处理数据：快速读取、分析和处理海量非结构化数据，挖掘价值。 算力载体 • 端侧算力：我们每天使用的手机、电脑中的 CPU 和 GPU 芯片。 • 云端算力：数据中心里成千上万台高性能服务器构成的计算集群。 价值体现 以围棋AI为例，没有强大的算力支撑，想要训练出能匹敌人类顶尖棋手的AI模型，可能需要花费数年甚至更长的时间，极大地阻碍了技术进步。 1.7.2013 最后是算力，它是AI的动力。算力负责执行算法，处理海量数据。我们手机里的芯片，数据中心的服务器，都提供了强大的算力。没有算力，再聪明的算法也无法运行。 ‹#› 缺一不可的协同关系 数据 海量的图片、文本等 AI训练与学习的“素材库” 算法 图像识别、深度学习模型 AI进行“思考”的逻辑规则 算力 高性能CPU/GPU与服务器 支撑AI高效运行的“动力引擎” 结果 精准识别内容并输出 AI能力落地的最终价值 🤔 如果只有算法和数据，但算力很差，会发生什么？ ➡️ 处理速度极慢，甚至无法在有效时间内完成任务，体验极差。 🤔 如果只有算法和算力，但没有数据，会发生什么？ ➡️ AI就像没有课本的学生，无法学习和进化，最终只能输出随机结果。 💡 结论：算法、数据、算力三者相互依存，协同作用，共同构成了人工智能的基石。 1.7.2013 这三者是相互依存、缺一不可的。数据提供素材，算法负责思考，算力保障运行。只有三者协同工作，才能让AI发挥出强大的能力。缺少任何一个，AI都无法正常工作。 ‹#› 案例分析：拍照识花背后的三要素 场景：用手机拍下一朵不认识的花，APP立刻告诉你花名。这背后是哪三种力量在协同？ 算法：智能识别的“大脑” 基于计算机视觉的图像识别算法，对拍摄画面进行特征提取，再通过高效的匹配算法，在数据库中找到对应的答案。 数据：海量资源的“宝库” 服务器中存储了数百万张不同品种、不同形态、不同环境下的花卉高清图片，以及对应的结构化特征数据，为比对提供基础。 算力：高效运算的“引擎” 手机端芯片负责图像的初步压缩和特征提取，将任务分发至云端服务器，利用云端强大的算力资源完成毫秒级的复杂匹配运算。 1.7.2013 我们来看一个具体的例子：拍照识花。当我们用APP拍照时，背后就有算法、数据和算力在协同工作。算法负责识别特征，数据是服务器里存储的海量花卉图片，算力则由手机和云端服务器提供。 ‹#› 案例分析：智能语音助手背后的三要素 典型场景：对手机说“明天天气怎么样？”，语音助手就能快速听懂并给出准确的回答。 算法 (Algorithm) 核心包括语音识别(ASR)、自然语言处理(NLP)与语音合成(TTS)。它们负责将声音转为文本、理解用户意图并生成语音反馈，是“大脑”。 数据 (Data) 海量人类语音与文本对话样本用于训练模型；同时结合实时天气等第三方动态数据，确保回答准确、实时且符合语境，是“燃料”。 算力 (Computing Power) 依托高性能手机本地芯片进行快速响应，或连接云端服务器进行复杂的并发计算，为流畅的实时交互提供底层物理动力，是“引擎”。 1.7.2013 再比如我们每天都在使用的智能语音助手。它背后其实是算法、数据、算力三者紧密配合的结果。 首先是算法，它需要语音识别算法把你说的话转成文字，再通过自然语言处理算法理解你的真实意图，最后通过语音合成算法把结果“说”出来。 其次是数据，为了让它听得懂、答得准，背后需要海量的语音和文本数据来训练模型，同时还需要实时接入天气、新闻等外部数据。 最后是算力，无论是本地的手机芯片，还是云端的服务器集群，都为这一系列毫秒级的复杂计算提供了必不可少的动力支持。 所以，一个看似简单的语音交互，实际上是数字技术的综合产物。 ‹#› PART 03 拓展思考 算法的双面性 1.7.2013 了解了算法的原理和应用，我们还需要理性地看待它。任何技术都有两面性，算法也不例外。接下来，我们就来探讨一下算法的双面性。 ‹#› 算法带来的便利与进步 提高效率 通过算法实现自动化处理大量重复性工作，例如智能客服全天候响应、自动化生产线的高效运转，大幅节省人力成本与时间。 解决复杂问题 突破人类计算能力的极限，在海量数据中寻找规律。无论是精准预测极端天气、加速新药分子的发现过程，还是辅助探索浩瀚宇宙，算法都发挥着关键作用。 个性化服务 基于用户画像与行为分析，为每个人提供“千人千面”的定制体验。从推荐喜欢的电影、音乐，到智能匹配购物需求，让数字生活更加贴心、便捷。 推动科技进步 作为人工智能的核心驱动力，算法持续推动各前沿领域的突破性创新，从自动驾驶技术的落地，到医疗领域辅助诊断、基因测序分析，不断拓展人类的能力边界。 1.7.2013 首先，算法给我们带来了巨大的便利和进步。它提高了生产效率，帮助我们解决了很多复杂问题，提供了个性化的服务，并推动了科技的飞速发展。 ‹#› 警惕算法的“副作用”（一）：算法偏见 算法偏见(Bias) AI系统在训练过程中吸收了人类社会既有数据中的历史偏见，导致输出结果带有系统性的歧视与不公平，是人工智能伦理中的首要挑战。 数据成因 · Cause 训练数据集本身存在严重的样本不平衡或历史歧视，AI 只是忠实地“学习”并放大了这些偏见，最终导致输出判断的不公。 典型案例 · Case 知名招聘AI因学习了过去以男性为主的工程师简历，在自动筛选环节对女性候选人产生系统性低分，造成职业性别歧视。 潜在影响 · Impact 技术黑箱可能使歧视变得隐蔽化和常态化，不仅无法解决社会不公，反而可能固化甚至加剧现有的社会不平等。 1.7.2013 但是，算法也有潜在的风险。首先是算法偏见。如果训练数据本身就带有偏见，那么AI学习到的结果也会是有偏见的。比如，一个招聘AI可能会因为历史数据的原因，对女性候选人产生歧视。 ‹#› 警惕算法的“副作用”（二）：算法滥用 01 / 算法滥用之因 根本原因在于企业为了商业利益，在未经严格限制的情况下，过度收集和使用个人数据，将算法变成了数据收割的工具。 02 / 典型滥用案例 某些APP在未获用户明确同意的情况下，非法收集位置轨迹、浏览历史、通讯录等敏感信息，用于精准广告推送，甚至发生大规模数据泄露事件。 03 / 带来的负面影响 严重侵犯了用户的个人隐私权，不仅造成精神困扰，更可能因敏感数据被不法分子利用，给个人财产和人身安全带来巨大隐患。 1.7.2013 其次是算法滥用。一些APP可能会过度收集我们的个人数据，用于精准广告推送，甚至可能导致隐私泄露。这是我们需要警惕的。 ‹#› 警惕算法的“副作用”（三）：算法黑箱 成因：决策不透明 以深度学习为代表的复杂AI算法，其内部逻辑和决策路径极度隐蔽，人类难以解释和理解其“思考”过程。 案例：拒绝贷款申请 当AI系统拒绝了你的贷款申请时，你无法得知是收入、征信还是其他具体原因导致，只能收到一个冷冰冰的“拒绝”结果。 后果：信任崩塌与追责难 公众对不透明的算法系统产生天然的信任危机；当算法出现错误或歧视时，责任主体难以界定，受害者很难进行有效申诉和追责。 1.7.2013 还有一个风险是算法黑箱。一些复杂的AI算法，其决策过程非常不透明，我们很难理解它为什么会做出某个决定。比如，AI拒绝了你的贷款申请，但你却不知道原因。这种不透明性不仅让用户难以信任技术，更严重的是在出现错误或歧视性结果时，我们很难去追究责任，维护自身权益。 ‹#› 理性看待算法，做负责任的数字公民 💡 讨论与思考 1. 你在生活中遇到过“算法偏见”或“信息茧房”吗？有什么感受？ 2. 作为中学生，我们应该如何保护自己的隐私，避免个人数据被算法滥用？ 3. 在享受算法便利的同时，如何避免过度依赖，保持独立思考？ 保持理性 辩证看待算法的推荐与判断，不盲从、不偏信，保持独立思考能力。 保护隐私 谨慎授权APP权限，不随意在网络上泄露个人敏感信息，守好数字防线。 提升素养 主动学习基础算法知识，增强对网络信息的辨别能力，做智慧的数字公民。 1.7.2013 那么，我们应该如何应对这些风险呢？我们要学会理性看待算法，不盲目相信它的推荐。同时，要注意保护自己的隐私，谨慎授权APP权限。更重要的是，要不断学习，提升自己的数字素养。 ‹#› PART 04 课堂总结与练习 1.7.2013 课程接近尾声，让我们通过一些练习来巩固今天所学的知识。 ‹#› 知识巩固：课堂练习 01 / 填空题 · 算法定义 算法是指解决特定问题的、______、______、______的步骤与规则。 02 / 填空题 · AI核心要素 人工智能的三大核心要素是______、______和______。 03 / 判断题 传统算法和人工智能算法的核心区别在于，AI算法能从数据中学习。（ ） 请在括号内填写 “对” 或 “错” 04 / 简答题 请列举并简要描述一个生活中应用人工智能算法的例子。 提示：如推荐系统、语音助手、人脸识别等 1.7.2013 请大家完成这几道练习题。第一题是关于算法的定义，第二题是关于AI三要素，第三题是判断，第四题是简答。看看大家掌握得怎么样。 ‹#› 学以致用：课堂练习 思考题目： 结合“导航APP实时规划路线”这个生活中的经典案例，请大家分组讨论并详细分析，其中的算法、数据、算力分别发挥了什么关键作用？ 算法 Algorithm 核心逻辑的“大脑” • 路径规划模型 (Dijkstra/A*) • 动态避堵与最优解计算 • 地图匹配与路线引导规则 数据 Data 精准决策的“原料” • 静态地图数据 (路网/POI) • 实时路况数据 (车速/拥堵) • 用户位置与行为数据 算力 Computing 高效运转的“心脏” • 云端大规模并行计算能力 • 边缘端/移动端实时渲染与定位 • 支撑亿级用户的高并发响应 1.7.2013 接下来是一道提升题。请大家结合导航APP的例子，分析其中的算法、数据和算力分别发挥了什么作用。可以分组讨论一下。 ‹#› 本课核心知识回顾 01 1个核心定义：什么是算法？ 算法是为解决特定问题而设计的一系列**明确、有限、可执行**的计算步骤与规则，是计算机处理信息的底层逻辑。 02 2种算法模式对比 传统算法：遵循固定逻辑与规则，输入即得确定结果，侧重“按规办事”。 AI 算法：基于海量数据训练模型，自主归纳规律，侧重“数据驱动与学习”。 03 3个核心要素：AI“铁三角” •算法（大脑）：处理数据、做出决策的逻辑核心。 •数据（燃料）：用于训练模型、提供输入的基础原料。 •算力（动力）：支撑海量计算、保障运行速度的硬件基础。 04 1个核心意识：理性看待算法 认识算法的“双刃剑”特性：它极大便利了生活，但也可能带来隐私泄露、算法歧视等风险。我们应善用算法、监督算法，努力成为**负责任的数字公民**。 1.7.2013 最后，我们来回顾一下本节课的核心知识。我们学习了算法的定义，对比了两种算法，认识了AI三要素，并树立了理性看待算法的意识。希望大家都能掌握这些知识。 ‹#› 算法——改变世界的力量 算法是人工智能的灵魂，它让机器从“工具”变成了“伙伴”。从生活琐事到科技前沿，算法无处不在，深刻地影响着我们的世界。 理解原理 掌握算法的基础知识，夯实编程与逻辑思维的地基，理解每一步计算背后的逻辑与意义。 善用技术 主动利用算法解决生活与学习中的实际问题，将技术转化为创造价值的工具，赋能身边的人与事。 坚守底线 时刻警惕算法偏见与滥用风险，在技术发展中，始终维护社会的公平、正义与人类的伦理底线。 未来已来，让我们一起拥抱算法，用智慧和责任塑造一个更美好的智能时代！ 1.7.2013 算法是改变世界的力量。它让机器从工具变成了伙伴。希望同学们能理解原理，善用技术，并坚守底线。未来已来，让我们一起用智慧和责任，塑造一个更美好的智能时代！ ‹#› 感谢聆听！ 期待与您的再次相遇 1.7.2013 今天的课程到此结束，谢谢大家！ ‹#› $