第20课《会“思考”的推理模型》教学课件-2025-2026学年人教版初中信息科技（人工智能专册）

《会“思考”的推理模型》 教学课件 人教版初中信息技术（人工智能专册） 1.7.2013 大家好，欢迎来到今天的信息技术课堂。在之前的课程中，我们已经初步接触了人工智能的世界。今天，我们将一起探索一个更有趣、更像人类思考的AI技术——会“思考”的推理模型。让我们一起揭开它神秘的面纱吧！ ‹#› PART 01 课程导入：开启AI思考之旅 EMBARK ON THE JOURNEY OF AI THINKING 1.7.2013 现在，让我们正式进入第一部分——课程导入。在这一章，我们将通过一些熟悉的例子和有趣的对比，来感受一下，什么是真正会“思考”的AI。 ‹#› 回顾：我们学过的AI推理 同学们，前面我们学习了人工智能的一些基本推理方法，还记得它们吗？ 决策树 像一棵大树，通过层层提问来做决定。 知识图谱 像一张知识地图，通过关系连接来寻找答案。 分类与聚类 帮助我们给事物分组、归类，发现潜在规律。 这些方法都很有用，但它们的推理过程是不是有点“死板”和“神秘”？今天，我们来认识一种更“聪明”、更像人类思考的 AI！ 1.7.2013 在开始新知识的学习之前，我们先来回顾一下。大家还记得我们学过的决策树、知识图谱和分类聚类吗？这些都是AI进行推理的基础方法。它们就像我们解题的不同工具，各有各的用处。但它们的推理过程对我们来说，是不是感觉有点像个黑盒子？今天，我们就要打开这个黑盒子，看看里面更精彩的世界。 ‹#› 两种AI的回答，你更喜欢哪一个？ ❓ 问题：小明比小红高，小红比小丽高，谁最高？ 普通模型的回答 “小明最高。” 这个回答对吗？对！快不快？快！但是，你知道它是怎么想出来的吗？它的思考过程是怎样的？我们无从得知。 你希望AI如何回答？ 是仅仅需要一个正确答案，还是希望它像人一样，把推理过程一步步清晰地展示出来？ 👉 让AI“思考”并解释，往往更有价值。 1.7.2013 我们来看一个简单的逻辑问题。如果我问你，小明比小红高，小红比小丽高，谁最高？普通的AI模型会直接告诉你答案：小明最高。这个答案没错，但它就像一个学霸直接给了你答案，却没告诉你解题过程。你会好奇，它是怎么得出这个结论的吗？在很多场景下，我们不仅需要答案，更需要知道答案是怎么来的，这能帮我们判断答案是否可靠，甚至能从中学到思考方法。这就是为什么我们需要让AI展现思考过程。 ‹#› 两种AI的回答，你更喜欢哪一个？ 提问：小明比小红高，小红比小丽高，谁最高？ 01 已知条件 A 小明的身高 > 小红的身高 02 已知条件 B 小红的身高 > 小丽的身高 03 逻辑推理 小明 > 小红 > 小丽 04 得出结论 小明最高！ 思考：这个回答和普通AI有什么不同？它是不是像一个耐心的小老师，把解题步骤一步步讲给你听？ 1.7.2013 现在，我们来看另一种AI的回答。同样的问题，它不仅给出了答案，还列出了详细的推理步骤：先列出已知条件，然后进行逻辑推导，最后得出结论。这种回答方式是不是让你感觉更清晰、更可信？它就像一个耐心的老师，把思路完整地展示给你。这就是我们今天要学习的“会思考”的模型。 ‹#› 今天的主角——会“思考”的推理模型 这种能把推理步骤清晰说出来、像人一样“一步步想”的模型，就是我们今天的主角。它并不是真的拥有自我意识或“思考”能力，而是通过一种特殊的技术，模拟了人类的逻辑推理过程。这种技术最大的魅力，就是让AI的推理过程变得： 看得见 · 可解释 · 能追溯 它是怎么“思考”的？ 揭秘AI背后的逻辑推理路径与底层技术原理 它有什么过人之处？ 解析它在解决复杂问题时的独特优势与应用场景 它又有哪些“小毛病”？ 客观审视模型的局限性与可能存在的认知偏差 1.7.2013 通过刚才的对比，我们已经感受到了这种新模型的魅力。它让AI的推理过程变得透明，我们可以看到它的思考路径。那么，它到底是怎么做到的？它有哪些优点和缺点呢？带着这些问题，让我们一起进入今天的新知探究环节。 ‹#› PART 02 新知探究 深入了解推理模型 1.7.2013 欢迎来到第二部分，新知探究。在这一章，我们将深入了解会“思考”的推理模型，揭开它的神秘面纱，看看它的“官方身份”、核心特征以及背后的技术原理。 ‹#› 一探究竟：它的“官方身份” 📖 教材定义 “会‘思考’的推理模型，是一种能在回答问题时，先给出推理理由、再给出结论的大语言模型。” 大语言模型 它的底层基座是一个强大的语言模型，具备理解复杂人类语言、并流畅生成自然文本的能力。 先理由 · 后结论 改变了以往AI直接输出最终答案的模式，更像人类的逻辑推演，先一步步展示“思考过程”，再给出答案。 核心技术：CoT 实现这一切推理能力的核心，就是思维链 (Chain of Thought, CoT)。它赋予了AI逻辑思考的“灵魂”。 1.7.2013 那么，到底什么是会“思考”的推理模型呢？根据教材的定义，它是一种特殊的大语言模型。它最大的特点就是“先理由，后结论”，而实现这一切的核心技术，就是“思维链”，英文名叫Chain of Thought，简称CoT。接下来，我们就来详细了解一下。 ‹#› 核心特征一：分步推导 逻辑拆解：从“复杂”到“简单” 就像我们解数学题一样，它会把一个复杂的大问题，拆解成几个简单的小步骤，一步一步地分析、计算和解决。 📝 计算示例：1 + 2 + 3 + 4 步骤一：1 + 2 = 3 → 步骤二：3 + 3 = 6 → 步骤三：6 + 4 = 10 🌟 核心价值 让复杂的逻辑变得清晰透明，确保每一步都有据可依，结果更可靠。 1.7.2013 这种模型的第一个核心特征是“分步推导”。这非常像我们做数学题的过程。面对一个复杂的计算，比如1+2+3+4，它不会直接给出答案10，而是会先算1+2，再算3+3，最后得出结果。通过这种方式，把大问题分解成小问题，让整个过程清晰明了。 ‹#› 核心特征二：过程可见 它不再是一个不可窥探的“黑盒子”，而是把AI“怎么想”的内部逻辑完整地展示给我们。我们可以清楚地看到它每一步的推理依据和决策链条。 普通模型：黑盒模式 仅输出最终答案，中间的思考与推理过程是一个“谜”，无法验证其逻辑合理性。 会“思考”的模型：透明化 同步输出“答案 + 思考过程”，每一步的逻辑推导清晰可见，可追溯、可解释。 核心价值：建立信任与掌控感 让我们能理解AI的底层逻辑，从而建立深层信任，而非被动地、盲目的接受结果。 1.7.2013 第二个特征是“过程可见”。普通的AI模型就像一个黑盒子，我们只知道输入和输出。而会思考的模型，就像右边这个透明的流程图，它把内部的思考过程完整地展示出来。这种透明性让我们能够理解AI的逻辑，而不仅仅是被动地接受它给出的答案。 ‹#› 核心特征三：理由可查 像检查作业一样追溯推理过程 因为它展示了每一步的推理过程，所以当结论出错时，我们可以像检查作业一样，一步步倒回去找原因。看看是哪一步的计算逻辑出现了偏差，还是哪一步对问题的理解产生了误解。 核心价值：更可靠的AI助手 便于检查、快速纠错，大幅降低使用风险 1.7.2013 第三个特征是“理由可查”。既然过程是可见的，那么当AI的答案出错时，我们就可以像老师批改作业一样，一步步检查它的推理过程，找出问题所在。这大大提高了AI答案的可靠性，也让我们能更好地信任和使用它。 ‹#› 揭秘核心技术：思维链 (Chain of Thought) 什么是思维链？ 思维链就是模型模拟人类思考过程时，所遵循的一条清晰、可解释的“思考路径”。它不再是直接输出答案，而是展示推理过程。 逻辑推理结构 问题 → [步骤1] → [步骤2] → ... → 结论 通俗的类比 这就像我们写作文前先列的提纲，或者解数学应用题时一步步写下的演算步骤，让思考有迹可循，逻辑有据可依。 1.7.2013 现在，我们来揭秘实现这一切的核心技术——思维链。简单来说，思维链就是模型思考时遵循的一条路径。它把一个问题，通过若干个步骤，最终导向结论。这就像我们写作文前会先列提纲，解应用题会先写步骤一样，让整个思考过程变得有迹可循。 ‹#› 思维链实例分析 问题：一个商店上午卖25个苹果，下午卖38个，晚上又卖17个，一共卖多少？ 01. 第一步 先计算上午和下午一共卖了多少个？ 25 + 38 = 63 (个) 02. 第二步 再把晚上卖的加上去，总共卖了多少个？ 63 + 17 = 80 (个) 03. 结论 这家商店这一天一共卖出了 80 个苹果。 💡 核心分析：它把一个连加问题，拆解成了两个简单的加法步骤，将复杂的逻辑清晰化，避免了一次性计算可能出现的错误。 1.7.2013 我们来看一个具体的例子。问题是：一个商店一天卖了多少苹果？模型的思维链是这样的：它先算上午和下午卖的总和，然后再加上晚上卖的数量，最后得出结论。通过这样的分步计算，一个简单的连加问题被清晰地拆解，逻辑一目了然。这就是思维链的核心作用——将复杂的推理过程分解为一个个清晰、简单的中间步骤。 ‹#› 互动练习：我们来当“AI” 试一试：写出你的思维链 💡 题目挑战：一支笔 3 元，买 5 支，付 20 元，应找回多少？ 任务：请同学们在纸上或脑海里，像AI一样，写出解决这个问题的思维链。 01 第一步：计算总价 首先算：5支笔一共要花多少钱？ 02 第二步：计算找零 再计算：付了20元，减去总价应找回多少？ 03 第三步：得出结论 最后写出：明确的答案是多少元。 1.7.2013 理论学习完了，现在轮到大家动手试一试。这里有一个简单的数学问题，请大家尝试像AI一样，写出解决这个问题的思维链。想一想，第一步应该做什么，第二步做什么，最后得出什么结论。大家可以在纸上写一写，或者在脑海里构思一下。 ‹#› 互动练习：参考答案 题目：一支笔3元，买5支，付20元，应找回多少？ 01计算总价 先算出购买商品的总金额： 3元/支 × 5支 =15元 02计算找零 再用支付的钱减去总价： 20元 - 15元 =5元 03得出结论 最后回答问题： 因此，应找回5元。 小结：非常好！这就是一个标准的思维链。通过拆分问题，将复杂的计算过程拆解为简单的步骤，我们就能让解决过程变得清晰而有条理。 1.7.2013 好了，时间到。我们来看看标准答案。第一步，计算5支笔的总价是15元。第二步，用支付的20元减去总价15元，得到应找回的5元。最后得出结论。大家都做对了吗？通过这个练习，相信大家对思维链有了更直观的理解。 ‹#› 它的“超能力”：三大优势 解决复杂问题更强 面对数学、逻辑、多步骤的复杂问题，表现远超普通模型，能像人一样一步步推导。 可解释、更可信 它的推理过程是透明可见的，我们能看懂每一步的逻辑，能随时检查，因此更愿意相信结论。 贴近人类沟通习惯 它的回答方式不再生硬，更像一个耐心、逻辑清晰的老师或伙伴在讲解，让沟通更自然顺畅。 1.7.2013 了解了思维链之后，我们来总结一下这种模型的三大优势。首先，它解决复杂问题的能力更强，特别擅长处理需要多步推理的任务。其次，因为过程透明，所以它的结论更可信。最后，它的沟通方式更贴近人类，就像一个好老师。 ‹#› 它的“小毛病”：会“幻觉” 🔍 什么是AI幻觉？ 模型会一本正经地编造一些不存在的事实、数据、甚至文献，听起来逻辑严密且非常真实，但实际上完全是错误的信息。 ❓ 提问：“2025年夏季奥运会的举办城市是哪里？” 🤖 回答：“2025年奥运会将在‘新海市’举办，这是国际奥委会于2024年底宣布的。” ⚠️ 真相：2025年并没有夏季奥运会，“新海市”也是编造的地名。 AI的“幻觉”极具迷惑性，使用时必须时刻保持警惕！ 1.7.2013 当然，这种模型也不是完美的。它有一些“小毛病”。第一个就是会“幻觉”。这听起来很神奇，但其实是指模型会编造一些看似真实但完全错误的信息。比如你问它一个不存在的问题，它可能会给你一个非常详细但完全虚构的答案。这一点我们必须高度警惕。 ‹#› 它的“小毛病”：逻辑漏洞 定义 Definition 有时候，模型的推理步骤看起来合乎逻辑，但仔细推敲，会发现其中存在逻辑跳跃或无法自洽的矛盾。 💬 提问：“所有的鸟都会飞，企鹅是鸟，所以企鹅会飞。” 🤖 模型可能回答：“是的，根据您的设定，企鹅会飞。” ⚠️ 注：模型未识别出前提“所有的鸟都会飞”是错误的，从而导致最终推理结论错误。 核心警示： 模型会严格执行推理逻辑，但不会主动去质疑输入信息的真实性。 1.7.2013 第二个小毛病是逻辑漏洞。模型的推理过程是基于我们给它的信息。如果我们给的前提本身就是错的，比如“所有的鸟都会飞”，模型可能会一本正经地按照这个错误前提推出“企鹅会飞”的错误结论。它擅长推理，但不擅长质疑前提的真伪。 ‹#› 它的“小毛病”：知识过时 核心定义：数据有“保质期” 模型的知识完全来源于训练数据，而这些数据都有一个明确的“截止日期”。对于在此之后发生的新闻、事件、新知识，它没有能力“无师自通”。 场景模拟：2026年的提问 👤 提问：“昨天（2026年3月14日）发生了什么重大新闻？” 🤖 AI回答：“我无法获取实时信息。我的知识截止日期是2024年，无法回答此问题。” 重要提醒 切勿依赖AI获取时效性强的信息，它不是“实时搜索引擎”。 “知识截止日期” AI的“世界”被永远定格在了那一天 1.7.2013 第三个小毛病是知识过时。AI模型的知识都来自于它被训练时使用的数据，这些数据有一个截止日期。比如今天是2026年，而模型的知识可能只到2024年。所以，不要问它关于昨天新闻的问题，它是不知道的。 ‹#› 它的“小毛病”：存在偏见 01 / 定义 如果训练数据中包含了一些人类社会的偏见（如性别、种族、地域偏见），模型可能会学习并放大这些偏见。 02 / 案例 当被要求描述“医生”时，模型可能更倾向于使用男性代词；描述“护士”时，更倾向于使用女性代词。 03 / 警示 技术本身是中立的，但数据可能带有偏见，我们需要对此保持敏感和批判。 1.7.2013 最后一个小毛病是可能存在偏见。AI模型学习的数据来自于人类社会，而人类社会本身可能存在一些偏见。如果训练数据中包含了这些偏见，模型就可能学会并放大它们。比如，它可能会认为医生更可能是男性，护士更可能是女性。这提醒我们，要对AI的输出保持批判性思维。 ‹#› 与AI共处：我们的智慧法则 思考而非替代 模型可以成为强大的思考助手，提供多维度的视角与逻辑链，但最终的价值判断和决策仍应由人类掌握。 参考而非盲从 AI生成的答案可以作为行动参考，但不应全盘接受。警惕算法偏见与逻辑漏洞，保持独立的见解与思考。 批判与核验 时刻保持批判性思维，主动对AI输出的信息进行交叉验证与事实核查，避免被“AI幻觉”误导。 我们应该成为 AI 的主人，而不是 AI 的奴隶。 1.7.2013 了解了AI的优势和局限后，我们应该如何与它共处呢？这里有三条智慧法则：第一，让AI帮助我们思考，但最终的判断权在我们自己手中。第二，AI的答案可以参考，但不能盲目相信。第三，永远保持批判性思维，主动去验证信息。记住，我们才是AI的主人。 ‹#› 它在我们身边：应用场景一览 学习辅导 像一位专业的AI家教，耐心地一步步讲解难题，为你梳理解题思路，让学习不再是孤军奋战。 写作辅助 帮你快速构思文章提纲，寻找有力的论据，优化行文结构，润色语言逻辑，成为你写作的得力伙伴。 问题分析 辅助我们拆解复杂问题，多角度分析简单的社会议题，进行客观的利弊对比，提供理性的决策参考。 编程辅助 帮助解释复杂代码逻辑，排查程序漏洞，分步调试程序，让编程学习和开发效率大幅提升。 1.7.2013 那么，这种会思考的模型在我们的生活中有哪些应用呢？其实它已经无处不在了。比如，它可以作为AI家教辅导我们学习，可以作为写作伙伴帮助我们构思文章，还可以辅助我们分析问题、调试代码。它正在成为我们学习和工作的得力助手。 ‹#› 场景一：你的AI家教 情景模拟：几何题在线辅导 👩‍🎓 学生：“老师，这道几何题我怎么都做不出来，感觉条件给的太少了。” 🤖 AI家教：“同学你好！我们先别着急。试着连接辅助线CD，把图形分成两个三角形。第一步，先利用‘角边角’的判定定理，证明三角形ABC和DEF全等；第二步，再利用全等三角形的性质，就能推出AC等于DF了。你明白了吗？” 核心价值 不仅仅是“给答案”，而是提供有温度、有逻辑的思维引导，实现全天候、无差别的个性化知识陪伴。 1.7.2013 我们来看第一个应用场景：AI家教。想象一下，你遇到一道不会的几何题，向AI家教求助。它不会直接给你答案，而是会像一个耐心的老师一样，一步步引导你分析题目，理清解题思路。这种个性化的辅导，非常有价值。 ‹#› 场景二：你的写作伙伴 💬 情景模拟 用户：“帮我写一篇关于‘保护环境’的演讲稿提纲。” AI伙伴：“好的，这是一个建议提纲： 1. 开头：用一个触目惊心的环境问题引入。 2. 主体：分点论述环境破坏的危害（对人类、对动物、对地球）。 3. 主体：提出具体的保护环境的行动建议（节约资源、垃圾分类等）。 4. 结尾：发出呼吁，号召大家共同行动。” 核心价值 激发写作灵感 · 快速构建文章框架 · 有效提升逻辑表达能力 1.7.2013 第二个场景是写作伙伴。当你需要写一篇演讲稿或者作文时，可以让AI帮你构思提纲。它会给出一个清晰的逻辑框架，包括开头、主体和结尾应该写什么。这能极大地激发我们的灵感，帮助我们构建文章结构，提升逻辑表达能力。 ‹#› 课堂活动：思维链仿写 🎯 任务目标 请针对下方的实际购物优惠问题，在练习本上梳理并写出完整的逻辑思维链，展示你的解题思考过程。 情景问题：一本书定价 12 元，若一次性购买 4 本，恰逢商店推出“满 50 元立减 8 元”的促销活动。请问：最终应付多少钱？ 01 / 步骤清晰 将思考过程拆解为2-3个关键步骤，分点列出，逻辑连贯不跳跃。 02 / 计算准确 仔细核对每一步的算术运算，确保总价、优惠金额等数字计算无差错。 03 / 结论明确 在思维链的最后，用一句话清晰写出最终应付金额的结论，不要遗漏单位。 1.7.2013 现在，我们再来进行一个课堂活动。这次的问题稍微复杂一点，涉及到了满减优惠。请大家尝试写出解决这个问题的思维链。记住，要分步骤，计算准确，并写出最终结论。开始吧！ ‹#› 课堂活动：火眼金睛识错误 任务：阅读下方一段AI模型的回答，仔细分析并找出其中描述不合理、或明显与事实不符的错误之处。 “福建省的省会是厦门市。厦门不仅是经济特区，还以其美丽的海滩和厦门大学闻名。去年（2025年），厦门市成功举办了全国运动会，吸引了来自全国各地的运动员。” 思考一：地理知识 回答中关于福建省省会的描述正确吗？正确的省会城市是哪里？ 思考二：事件与幻觉 2025年全国运动会的举办地是厦门吗？这是否属于AI的“幻觉”现象？ 1.7.2013 第二个课堂活动，考验大家的眼力。这里有一段AI的回答，请大家仔细阅读，找出其中的错误。想一想，它的地理知识错在哪里？事件描述又错在哪里？这是不是我们之前提到的“幻觉”现象呢？ ‹#› PART 03 总结与作业：巩固与拓展 SUMMARY & HOMEWORK: CONSOLIDATION & EXPANSION 1.7.2013 非常好！通过刚才的活动，大家对思维链和AI的局限性有了更深的理解。现在，我们进入最后一部分，对本节课的内容进行总结，并布置课后作业，帮助大家巩固所学知识。 ‹#› 本课回顾：核心知识点 什么是会“思考”的推理模型？ 它是一种能清晰展示逻辑推理过程的 大语言模型 (LLM)，不再只给答案，更给过程。 核心技术：思维链 (CoT) 让AI像人一样“分步推导”，实现 逻辑过程清晰可见、决策理由有据可查。 它的核心优势是什么？ 相比传统模型，更擅长解决复杂逻辑问题，且结果更具可解释性与可信度。 1.7.2013 让我们一起回顾一下本节课的核心知识点。我们学习了什么是会“思考”的推理模型，它的核心技术是思维链，具有分步推导、过程可见、理由可查的特征。同时，我们也了解了它在解决复杂问题、可信度和沟通方面的优势。 ‹#› 本课回顾：理性与责任 它的本质是什么？ 是基于数学和算法的模拟 而不是真正的意识理解 它有哪些局限？ 易产生“幻觉” · 存在逻辑漏洞 知识更新有延迟 · 可能存在偏见 我们应持什么态度？ 善用优势 · 警惕局限 人类负责！ 1.7.2013 更重要的是，我们要理性地看待AI。它的本质是模拟思考，而不是真正的理解。我们必须认识到它可能会“幻觉”、有逻辑漏洞、知识过时和存在偏见。因此，我们的态度应该是：善用它的优势，警惕它的局限，最终的责任永远在我们人类自己身上！ ‹#› 课后探索 作业一 （必做） 思维链解决实际问题 请尝试用思维链的方式，解决一个你在生活中遇到的实际问题。 例如：计算家庭一周的开支、规划一次周末出游的路线等。请写下你的推理步骤，体会分解问题的过程。 作业二 （选做） 与AI模型的“逻辑对谈” 尝试使用一个主流大语言模型（如文心一言、Kimi、Claude等），向它提出一个需要多步推理的问题。 观察回答中是否包含思维链，并尝试找出其中可能存在的“幻觉”或逻辑漏洞。 1.7.2013 为了巩固今天的学习成果，我给大家布置两个课后作业。必做作业是让大家用思维链的方法解决一个生活中的实际问题，目的是让大家亲自体验将复杂问题拆解为简单步骤的思考过程。选做作业则是鼓励大家亲自去体验一下大语言模型，尝试向它提问并观察其回答，这不仅能锻炼大家的批判性思维，也能加深对AI思维链的理解。希望大家能认真完成。 ‹#› 谢谢观看！ 做会用AI、懂AI、不迷信AI的智慧少年！ 1.7.2013 今天的课程到此结束。希望通过本节课的学习，大家都能成为会用AI、懂AI、并且不迷信AI的智慧少年。谢谢大家！ ‹#› $