第3课《人工智能技术基础》教学课件-2025-2026学年浙教版初中信息科技八年级下册

《人工智能技术基础》教学课件 浙教版(2023版)1初中信息技术八年级下册 情境导入：我们身边的AI 场景一：短视频APP 场景二：手机拍照识花 场景三：智能音箱 打开短视频APP,它总能精准推荐你喜 用手机拍下一朵不认识的花，它能 对着智能音箱说一句话，它就能听 欢的视频内容，懂你所爱。 刻告诉你花的名称和详细信息。 指令，为你播放音乐、查淘天气。 思考与讨论 这些A应用给我们带来了极大的便利，大家有没有想过： 它们为什么能实现这些“智能”功能？ 它们背后到底依靠什么技术来支撑呢？ ●小 互动时刻：请同学们自由发言，分享你的猜测和想法 本节课主题：人工智能技术基础 大家的猜测都非常有道理！这些智能功能的实现，离不开人工智能的三大核心技术基础。今天，我们就将一起深入学习 ,揭开A背后的技术奥秘。 数据(Data) 算法(Algorithm) 算力(Computing Power) A的燃料“与“原料” A1的“大脑“与“灵魂“ A的“肌肉”与”引擎 海量高质量数据是模型训练的基础 决定了模型如何学习与处理信息 强大的计算能力支撑复杂模型的运算 新知探究一：数据一一人工智能的“燃料 |如果把AI比作一辆汽车 那么数据就是驱动它前进的“燃料“。人工智能的学习、判断 和预测，都离不开海量数据的支撑。 核心类比：万物生长皆需“养分” DATA=AI FUEL 汽车→汽油 人类→食物 A1→数据 数据是人工智能的动力之源 案例分析：智能花卉识别 核心目标：构建数据模型，实现手机拍照自动识别花卉种类并提供详细信息。 01输入海量数 据 02数据标注 O3A1模型训练 收集并导入数百万张涵盖不同种类 人工或半自动化地为每张图片打上标 将标注好的数据集输入到A1算法模型中 角度、光照条件的花弃高清图片，构 签，精确标注花卉名称、所属科属， 进行深度学习，让A掌握不同花卉的视 建一个丰言、多样的图像数据集，为A 以及花漏形状、颜色、叶片纹理等关 觉特征与标签之间的对应关系，从而 学习提供基础。 键特征，让数据可读“。 具备在拍照时准确识别花卉的能力。 互动讨论：生活中的数据 核心问题：除了花卉识别，大家想想生活中还有哪些A应用需要海量数据支撑？这些数据又是从哪里 来的呢？ 语音识别 智能推荐 人脸识别 需要大量不同年龄、性别、 依赖用户的浏览、点赞、收 需要海量在不同角度、光线 地域的语音样本数据，以适 藏及购买记录，构建个人行 、妆容下拍摄的人脸图像数 配各类发音习惯。 为画像数据。 据。 常见数据来源：用户主动产生的使用记录|各类设备传感器实时采集|科研机构公开数据集」企业政府 的专业采集与合作 关键点：数据的“质”与“量” 量.Volume 质·Quality 海量数据积累 准确·完整·有标注 深度学习算法的核心在于“见多识广”。A模型需要从海量 数据质量直接决定模型上限，业界公认原则：“垃圾进，垃圾出 (Garbage In,Garbage Out)". 的、多样化的数据中，归纳出客观世界的普遍规律和特征 例如：若训练集中将玫瑰“错误标注为“牡丹“，A1很可能在实际应用 ,从而具备强大的泛化能力，应对复杂多变的现实场景。 中发生严重的识别错误。 数据时代的“燃料”：随着物联网)、智能手机、智能穿藏设备的全面普及，我们正处于一个“数据爆炸“的时代 。 这些海量产生的数据，只要经过科学的清洗与标注，就能转化为整动！飞速发展的优质“燃料” 小结：数据是A的"燃料” 数据是基础 数据需海量 数据需优质 没有数据，A1就无法学习和工作。 庞大的数据量是A发现规律的前提 准确、完整、有标注的数据才能训 数据是人工智能系统赖以生存和发 。数据越丰富，模型越能学习到复 练出聪明的Al。否则只会导致“垃圾 展的基石。 杂多变的特征。 进，垃圾出”。 新知探究二：算法一一人工智能的"大脑” 过渡思考 有了数据作为A1运行的“燃料“，还需要一个核心部件米分析 数据、做出判断。这个驱动A1思考的”大脑”，就是算法。 算法定义 算法是为解决特定问题而设计的一系列明确、可执行的步骤 和规则，它是人工智能系统的核心逻舞引整。 ALGORITHM 核心价值 Al Decision Engine 从海量无序的数据中挖掘信息，发现规律、预测结果，并最 终为A!提供逻辑支撑以做出科学决策。 人工智能的思考中枢，智能决黛的底层逻辑 案例拆解：短视频智能推荐 算法是如何工作的？ 01 02 03 收集用户数据 分析数据规律 根据规律推荐 通过算法模型分析处理，提炼出你 系统从海量视须库中筛选出与你的 你看了哪些视频？看了多久？点赞 的偏好标签：比如你更喜欢“科技类 偏好高度匹配的内容，并按照预估 了哪些？跳过了哪些？这些细微的 ”内容，且偏爱“5分钟以内”的短视 的喜欢程度，个性化地推送到你的 行为都会被记录。 频。 首页。 对比分析：两种推荐算法 简单算法（如：按发布时间推荐） 智能算法如：协同过滤推荐) 「规则：最新发布的视频排在前面，不涉及复杂计算。 |规则：深度挖掘用户行为数据，通过算法匹配口味相似 “的用户，推荐他们喜欢的内容。 |特点：不考虑用户历史行为和喜好，呈现“千人一面的 |特点：不断学习并适应用户偏好，实现“千人千面的个 结果，缺乏针对性。 性化分发，更懂用户的需求。 思考：为什么智能算法更贴合我们的需求？ 拓展思考：AlphaGo的"大脑" CASE/核心案例 AlphaGo如何战胜世界围棋冠军？ 选择最优解 学习海量数据 总结下棋规律 在对弃中快速计 学习了人类历史上 算 从海量数据中提炼 数百万局国棋棋诗， 策路模式，形成 所有可能性，模 建立基础认知。 超越人类的“直觉” 定 胜率最高的走法 线AiphaGa-e5ed AlphaGo vs李世石 结论：算法的优劣，直接决定了A的“聪明程度” 2016年，五局四胜，人工智能里程障之战 小结：算法是AI的"大脑 算法是核心 算法有优劣 算法需创新 算法是A1系统的“大脑”，负责接收 算法的质量直接决定AI能力的强弱 机器学习、深度学习等复杂算法的 数据、逻辑分析，并最终做出思考 ,优秀的算法能让A模型更精准、 持续演进与技术创新，是推动A不 与决策。 更“聪明“地解决复杂问题。 断发展和突破的关键引擎。 新知探究三：算力一一人工智能的“动力” 有了数据“燃料”和算法“大脑”，A还需要强大的“动力"来快速 运转。而支撑这一切高效运作的底层基石，就是算力。 I什么是算力？ 简单来说，算力就是指计算机的运算能力。它是衡量系统性能 的重要指标，主要包含系统的数据运算速度与海量数据存储容 量等核心要素。 算力的核心作用 AI核心动力引擎 算力是人工智能产业发展的底座与引整，更是支撑A1模型进行 Computing Power 复杂训练、推理并实现高效运行的根本保障。 案例展示：强大的算力 器算力挑战 关键方案 零大国重器 A技术需要处理海量级数据（如百万级 为了支撑A的高效运行，我们需要依苹 我国自主研发的高性能计算系统为A!发 人脸图像)，并运行高复杂度的深度学 具备超强并行处理能力的超级计算机与 展奠定坚实基础： 习算法，普通个人电脑的计第能力难以 专门优化的1专用芯片，提供源源不断 。“神威太湖之光“超级计算机 满足需求。 的强大算力支持 ·"天河二号”超级计算机 天河 “神威太湖之光"超级计算机 “天河二号"超级计算机 互动讨论：算力不足会怎样？ 核心问题 如果算力不足，A会出现什么问题？结合生活中的真实例子，和同桌说说你的想法 运行卡顿、反应 无法运行复杂功 慢 ☑处理数据不完整 能 语音识别半天出不来结果， 算法米不及分析所有用户数 老手机配置太低，根本打不 Σ 手机A修图功能加载很久， 据，导致推荐的视频、商品 开需要大量算力的A1特效、 体验越极差。 一点都不准。 大模型聊天等功能。 算力=处理速度 算力不足，就像水从沙漏中流走一 样慢，所有A1服务都会被"瓶后图” 联系生活： 其实我们手机、电脑里的CPU和GU就是提供算力的引擎”。就像汽车发动机越强 跑得越快，处理器越高端，运行A1功能就越流畅！ 关键点：算力的“硬支撑” 算力是基础建设 如同国家的交通、电力一样，算力是数字经济时代的新 型基础设能，为各行各业的数字化转型提供源源不断的 动力。 自主研发的重要性 我国高度重视算力技术研发，自主研发的A芯片、超级 计算机已达到世界先进水平，突破核心技术壁垒，掌握 数字经济·算力基石 发展主动权。 DIGITAL ECONOMY CORNERSTONE 科技自立自强 构建算力基础设施体系 强大的自主算力，是保障A产业供应链安全、推动高厨 夯实国家发展的数字底座” 量发展的关键，是科技自立自强的重要体现。 小结：算力是AI的“动力” 算力是保障 算力需强大 算力是国力 为海量的数据处理和复杂的算法模 从训练大模型到处理复杂A任务， 构建自主可控的算力基础设施，已 型运行提供源源不断的动力与坚实 都离不开超级计算机和先进A芯片 成为衡量国家科技竞争力与综合国 基础 的强大算力支持， 力的重要标志 新知探究四：三大技术的协同关系 数据、算法、算力不是孤立存在的，而是相互依赖、相互促进、缺一不可的协同关系。 它们共同构成了人工智能技术的“铁三角“核心支柱。 算法Algorithm 智能系统的“大脑与逻铝核心，负 责挖据数据价值，指导算力工作， 数据Data 算力Computing Power A发展的“燃料”与基石，为算法提供训练素材，决 A!运行的“引擎与动力，为算法处理海量数据提供 定了智能的上限。没有海量数据，A1就无法“学会 强大的硬件计算能力，是实现实时智能响应的保障 技能， 关系梳理：三大技术协同工作 数据1燃料 算法！大脑 算力1动力 核心作用 核心作用 核心作用 为智能系统提供最基础的学习素材 负责分析海量数据，挖掘内在规律 提供强大的计算资源，支撑数据处 与分析原料，是所有智能活动的起 理与模型运行，确保智能应用在现 点。 ,并基于逻辑规则做出决策或预测 ,是智能的“灵魂”。 实世界中的高效落地。 相互关系 相互关系 相互关系 算法需要高质量的数据进行“训练” 杂乱的数据需要通过算法来提炼价 数据和算法最终都需要依靠强大的 以优化模型：算力则需消耗大量数 值：算力则是运行复杂算法、实现 算力来实现价值，算力是连接理论 据进行实时处理，转化为可用信息 实时推理的必要条件。 模型与现实应用的物理基础。 案例串联分析：人脸识别打卡 三者如何协同工作？ 01.数据（燃料） 采集员工的人脸图像，标注身份 信息，形成基础人脸数据库，是 系统运转的原料“。 协同结论 数据、算法、算力三者缺一不可， 02.算法（大脑） 人脸识别算法学习数据库中的数 只有紧密协同，才能实现毫秒级响 据，提取每个人险的独特特征规 应、准确率极高的人脸识别打卡休 律，是系统的“智慧核心”， 验 "缺了猫强不动，缺了大防变百月， 03.算力（动力） 缺了动力寸步碰行， 打卡机中的A芯片快速运行算法 将抓拍人脸与数据库比对，提 供强大的”计算动力”。 深度思考：缺少一项会怎样？ 核心问题：“如果缺少其中一项，人脸识别切卡能实现吗？为什么？” 廿◇ 缺少数据 缺少算法 缺少算力 算法虽然能运行，但比对速度极慢， 算法没有素材可学习，就像一个没有 有一堆人脸数据，但不知道如何分析 打一次卡可能需要儿分钟，完全失去 见过人脸的竖儿，无法识别任何人。 和比对，数据只是一堆无用的图片。 了实用价值。 自主举例：智能语音助手 请同学们尝试用今天所学的知识，分析智能语音助手（如S引i、小 爱同学)背后的数据、算法、算力三者之间的协同关系。 思考框架 ·数据：系统是基于什么“原材料“进行学习和响应的？ 算法：声音如何变成文字？文字又如何被“理解“并给出回答？ ·算力：是依靠你的手机还是云端服务器来支撑这些计算？ 参考答案解析 DATA ALGORITHM COMPUTE ·数据：收集并处理的海量人类语音录音数据、文字对话记录 ·算法：语音识别(ASR)将声音转为文本·自然语言处理NLP)理解语义并 数据？ 算法？ 算力？ 生成回答， •算力：本地设备芯片+云端大规模服务器集群的强大计算能力 录音/文本/交互日起 语普识别/语义理解/意 本地芯片/云端服务器果 图匹配 群 小结：协同进步，推动A发展 人工智能的发展历程，就是数据不断丰富、算法不断优化、算力不断提升的过程。 三大技术支柱协同进步，才能推动从单一功能向更智能、更高效、更具创造力的方向持续演进。 03算力更强 02算法更优 01数据更丰 大 化 富 海量、多样且高质量的数据是 从传统机器学习到深度学习， 高性能GPU/TPU芯片与分布式 AI智能未来 A训练的“燃料“。丰富的数据 再到大模型架构的持续迭代， 集群技术是A!发展的“发动机“ 为模型提供了充足的学习样本 算法的优化不断挖掘数据的价 。 强大的算力支撑起万亿级参 从感知智能迈向认知智能， ,决定了A能力的“下限” 值，决定了AI能力的“上限“与 数大模型的高效训练与快速推 构建更高效、更县创造力的 逻辑推理能力。 理。 智慧新世界。 课堂练习：巩固新知 01 02 03 人工智能的三大技术基础是 算法是人工智能的 ，负 算力是人工智能的 ,保 责从数据中 障AI 运行。 案例分析：智能导航规划路线 案例场景 阳山县 日常出行中，我们打开手机地图APP,输入目的地后 应用瞬间就能为我们计算出多条可选路线，并实时 规避拥堵，这背后是典型的A技术的综合应用。 思考一：拆解核心要素 请尝试拆解，在路线规划过程中，数据、算法、算力 分别具体指代什么内容？它们各自有什么特征？ 从化区 花思国 ⊙0思考二：协同工作逻辑 西金市 三者之间是如何紧密配合、相互作用，最终在毫秒级 时间内，为我们规划出“最优“路线的？ 畅公里三水反 课堂小结：知识回顾 01 02 03 数据 算法 算力 A的“燃料 A的“大脑” A的“动力 一一是智能应用的基石一一 一一是智能决策的核心一一 一一是高效运转的保障一 关键逻辑：三大技术支柱并非孤立存在，而是相互依赖、协同工作、缺一不可，共同支撑起人工智能实 现感知、理解、决策等各类复杂的智能功能。 价值认知与展望 01科技力量 三大技术是A发展的核心支撑，是衡量国家科技实力 的重要标志，为未来发展莫定基石。 02国家发展 我国在算力、算法领域的自主创新，正在推动A产业 高质量发展，增强国家核心竞争力 03我们的贵任 树立科技意识，密切关注前沿技术发展，努力学习科 学文化知识，肩负起时代赋予的使命。 谢谢观看 愿同学们都能成为未来科技的创造者！