1.1《人智能的起源与发展》教学课件-2025-2026学年清华大学版A版初中信息科技八年级下册

该初中信息科技课件围绕人工智能的起源与发展，系统讲解AI定义、与普通自动化的核心区别、六阶段发展历程、三大学派及多领域应用，通过“观察与思考”环节呈现智能语音交互等场景，引导学生对比辨析AI与自动化差异，构建从基础概念到原理应用的学习支架。 其亮点在于采用情境导入、互动辨析（如“小试牛刀”判断场景是否为AI）和案例教学（如AlphaGo、国产大模型），结合信息意识（辨别AI自主学习特征）、计算思维（分析学习与决策原理）及信息社会责任（讨论AI伦理挑战），帮助学生提升数字素养，教师可通过结构化内容和互动设计提高教学效率。

初中信息技术八年级下册（清华大学版） 《人工智能的起源与发展》 教学课件 1.7.2013 同学们好！欢迎来到今天的信息技术课。在开始今天的课程之前，我想问大家一个问题：你知道你手机里的语音助手、刷脸支付背后都隐藏着什么神奇的技术吗？今天，我们将一起走进一个充满智慧与未来的领域——人工智能，探索它的起源与发展。 ‹#› 观察与思考：这些场景有什么共同特点？ 场景一：智能语音交互 对着手机语音助手说：“明天天气怎么样？”，手机语音助手就能快速理解并给出准确回答。 场景二：人脸识别签到 同学走进校园，通过人脸识别设备自动扫描面部特征，瞬间完成身份核验和入校签到。 场景三：无人驾驶汽车 一辆无人驾驶汽车在城市道路上平稳行驶，能感知周围环境，自动避让行人和车辆，保障安全。 场景四：AI 辅助绘画 输入一段文字描述，AI绘画工具能理解语义并发挥创意，自动生成一幅精美的艺术画作。 1.7.2013 ‹#› 它们和普通自动化设备有何不同？ 普通自动化 🔧 核心逻辑：只能执行预设的、固定的程序，无法自我调整。 📌 典型例子：楼道声控灯、商场自动售货机、工厂流水线机械臂。 ✨ 核心特点：像一个不知疲倦、完全忠实的执行者。 人工智能 (AI) 语音助手 刷脸支付 🧠 核心逻辑：模拟人类大脑，具备感知、分析、学习和动态决策能力。 📌 典型例子：智能语音助手(Siri)、面部识别支付、自动驾驶辅助系统。 ✨ 核心特点：像一个会不断成长、思考和解决新问题的“智慧助手”。 核心区别：人工智能具备自主学习与进化的能力，而普通自动化只是简单的“重复执行”。 1.7.2013 普通的自动化设备，比如声控灯、自动售货机，它们只能执行预设好的固定程序，没有任何自我调整的能力。而人工智能，比如语音助手、刷脸支付，它能够模拟人的思考、分析和决策过程。 最核心的区别就在于，人工智能具备自主学习和进化的能力，它会像一个助手一样，随着使用时间的增加变得越来越“懂你”、越来越聪明，而普通自动化设备永远只是忠实的执行者。 ‹#› 走进人工智能的世界 这些能够模拟、延伸和扩展人类智能的技术，就是人工智能（Artificial Intelligence, AI）。 AI 从何而来？ 起源 · Origin 探寻AI诞生的思想火花， 了解计算机科学与数学的理论基石。 AI 如何发展？ 历程 · Development 纵观跌宕起伏的技术迭代史， 见证AI从寒冬到爆发的腾飞之路。 AI 藏着哪些奥秘？ 核心思想 · Core Concepts 解锁机器学习与神经网络的底层逻辑， 看懂智能算法的工作原理。 1.7.2013 这些能够模拟、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，简称AI。接下来，就让我们一起揭开它的神秘面纱，探究它的起源、发展历程和核心奥秘。 ‹#› 人工智能的科学定义 什么是人工智能？它是一门旨在使计算机能够模拟、延伸和扩展人类智能的技术科学，致力于让机器像人一样思考和行动。 感知能力 赋予机器“五官”，使其具备像人一样 能看、能听、能理解的能力 逻辑推理 让机器像大脑一样思考 进行复杂的信息分析与逻辑判断 自主学习 从海量数据和过往经验中学习 不断优化模型，改进自身性能 决策行动 基于感知与推理，在不同场景下 独立做出最优选择并执行行动 1.7.2013 那么，到底什么是人工智能呢？科学上的定义是，一门旨在使计算机能够模拟、延伸和扩展人类智能的技术科学。它的核心目标，就是让机器具备像人一样的感知、推理、学习和决策能力。 ‹#› AI的核心：自主学习与智能决策 ▎关键特征：判断一个技术是否属于人工智能，最核心的标准是看它是否具备“自主学习”的能力。这也是区分AI与传统自动化工具的根本标志。 自主学习 (Autonomous Learning) 机器能够根据持续获取的新数据或积累的经验，在没有人类重新编写程序的情况下，自动优化算法模型、提升性能或修正行为模式。 智能决策 (Intelligent Decision) 在自主学习的基础上，AI系统能够将学习到的规律与知识应用于全新的、未见过的复杂场景中，快速做出合理的判断、推理或最优选择。 💡 教师引导：请大家在脑海中刻下这个关键词——“自主学习”。它是区分真正的AI与普通自动化程序的分水岭。 1.7.2013 在AI的所有能力中，最核心的就是“自主学习”。这意味着机器能够根据新的数据自动优化自己，而不需要我们人类重新编写程序。基于学习到的知识，它还能做出智能决策。请大家牢牢记住“自主学习”这个关键词。 ‹#› 对比辨析：AI与普通自动化 普通自动化设备 人工智能系统 核心逻辑 执行预设程序，按固定指令完成重复任务 核心逻辑 模拟人类智能，从海量数据中自主学习规律 行为模式 固定化、可预测，无法应对程序外的新情况 行为模式 动态化、自适应，能够应对复杂多变的环境 学习与决策能力 无学习能力，仅基于预设规则执行，无自主决策 学习与决策能力 具备持续进化能力，基于模型推理做出最优决策 典型案例 全自动洗衣机、声控灯、普通计算器 典型案例 刷脸支付系统、个性化内容推荐、AlphaGo 1.7.2013 我们再通过一个对比，来清晰地辨析一下AI和普通自动化。虽然两者都能帮助我们减少重复劳动，但在本质上有很大区别。 左边的普通自动化，它的核心逻辑是执行“预设程序”，行为模式是固定的、可预测的，比如我们的全自动洗衣机，它只能按既定程序洗衣服，它是没有学习能力的，更谈不上决策。 而右边的人工智能系统，核心在于“模拟人类智能，自主学习”。它的行为是动态的、自适应的。它可以像人一样从数据中学习规律，并且具备基于数据模型进行复杂决策的能力。比如我们手机上的刷脸支付，还有AlphaGo战胜围棋冠军，这都是AI的典型应用。 简单来说，自动化是“听话的执行者”，而AI是“会思考的决策者”。 ‹#› 小试牛刀：下列场景是AI吗？ 场景一：智能导航 手机导航软件根据实时路况，计算并规划出一条躲避拥堵的新路线。 你的判断：______ （是 / 否） 场景二：电梯运行 电梯系统根据用户按下的按钮指令，按照预设逻辑自动运行到指定楼层。 你的判断：______ （是 / 否） 场景三：视频推荐 短视频App分析你的历史观看记录，推测你的兴趣，为你推荐可能喜欢的新视频。 你的判断：______ （是 / 否） 场景四：自动控温 空调根据你预先设定的目标温度，感应环境温度，自动开启或关闭压缩机。 你的判断：______ （是 / 否） 互动环节：请举手分享你的答案，并试着说明判断的理由 1.7.2013 理论学习结束，现在我们来做个小练习。请判断这四个场景，哪些属于人工智能，哪些不属于？请大家举手回答，并说明你的理由。 ‹#› 人工智能的六阶段发展历程 萌芽期 20世纪初 - 1955年 理论奠基与早期探索阶段 诞生期 1956年 达特茅斯会议正式确立AI学科 第一次寒冬 1970s中期 - 1980s初 计算能力不足，预期落空 第二次崛起 1980s - 1990s初 专家系统应用，商业价值初显 第二次寒冬 1990s中期 - 2010年 算力瓶颈与市场饱和 爆发期 2011年 - 至今 深度学习与大数据驱动的黄金时代 1.7.2013 了解了什么是AI，我们再来看看它是如何发展的。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，大致可以分为六个阶段：萌芽期、诞生期、两次寒冬、两次崛起，以及我们现在所处的爆发期。 萌芽期是从20世纪初到1955年，这段时间主要是理论的奠基和早期的探索，包括图灵机模型的提出和图灵测试概念的诞生。 1956年，著名的达特茅斯会议召开，正式确立了“人工智能”这一学科，标志着AI的诞生。 随后，在70年代中期到80年代初，由于硬件计算能力不足，以及早期的AI过于乐观的预期未能实现，导致了AI发展史上的第一次“寒冬”，资金和关注度都大幅下降。 到了80年代，随着专家系统的出现和商用，AI迎来了第二次崛起，企业开始看到AI的商业价值。但好景不长，90年代中期到2010年左右，因为专家系统维护成本高昂和算力瓶颈，AI又陷入了第二次寒冬。 直到2011年，随着深度学习算法的突破、算力的指数级增长以及海量数据的爆发，AI终于迎来了真正的爆发期，走进了我们生活的方方面面。 ‹#› 萌芽期（20世纪初 - 1955年）：理论奠基 艾伦·图灵 (Alan Turing) “人工智能之父” 他是计算机科学与人工智能的先驱，其理论为现代计算机和人工智能的逻辑架构奠定了基石，被誉为“人工智能之父”。 ▍关键贡献：图灵测试 (1950年) 发表里程碑式论文《计算机器与智能》，提出了判断机器是否具备智能的经典标准。 定义：若一台机器能与人类进行自然语言对话，且人类无法分辨对方是人还是机器，则认为该机器具备智能。 1.7.2013 在AI发展的萌芽期，有一位关键人物，他就是被誉为“人工智能之父”的艾伦·图灵。他在1950年提出了著名的“图灵测试”，为人工智能的发展奠定了重要的理论基础。这个测试至今仍是判断机器智能的经典方法。 ‹#› 诞生期（1956年）：AI元年 时间 1956年 夏天 地点 美国 · 达特茅斯学院 🚀 关键事件：学科术语的确立 一群计算机科学、数学、心理学等领域的顶尖科学家在此召开研讨会，共同探讨“如何用机器模拟人的智能”，并在会上首次提出了“人工智能 (Artificial Intelligence)”这一术语，为这一领域确立了正式的名称。 🏆 历史意义：AI元年 这次会议被公认为人工智能作为一门独立的科学学科正式诞生的标志，它汇聚了早期的先驱力量，明确了研究目标与方向。因此，1956年被永久载入史册，称作“人工智能元年”。 1.7.2013 1956年，被称为“人工智能元年”。在这一年的夏天，一群科学家在美国达特茅斯学院召开会议，首次提出了“人工智能”这个术语。这标志着人工智能正式成为一门独立的学科。 ‹#› 第一次寒冬（1970s中期 - 1980s初）：期望遇挫 发展背景 HIGH EXPECTATIONS 在人工智能发展的早期阶段，专家系统等技术取得了一些里程碑式的成功。 这些成果极大地鼓舞了学术界和投资界，使人们对AI的能力产生了过高的期望，认为AI即将在短时间内解决各类复杂的现实问题。 核心困境 TECHNICAL LIMITS 1. 算力严重不足 受限于当时的硬件技术，计算机的运算速度和存储能力都无法满足复杂模型的需求。 2. 算法通用性差 早期算法大多基于规则，只能处理特定领域的简单问题，难以适应多变的真实世界场景。 寒冬降临 FUNDING CRISIS 由于研究进展严重滞后于公众预期，加上无法产出具有商业价值的落地应用，导致信心崩塌。 最终，政府与企业纷纷大幅削减对人工智能领域的研究经费，大量相关实验室关闭，AI的发展正式进入了第一个“寒冬”。 1.7.2013 然而，早期的成功让人们产生了过高的期望。由于当时计算机算力不足、算法有局限，AI的发展很快遇到了瓶颈，无法实现最初的宏大目标。这导致了第一次AI寒冬的到来，研究经费被削减，发展陷入低谷。 ‹#› 第二次崛起（1980s - 1990s初）：专家系统带来的短暂繁荣 核心技术：专家系统的兴起 AI 发展的焦点从通用问题求解转向聚焦特定领域的“知识工程”，专家系统成为这一时期人工智能落地的主流技术路线。 什么是专家系统？ 一种基于规则的智能程序。它将人类专家在特定领域（如医疗诊断、地质勘探）的专业知识总结为“规则库”，让计算机通过逻辑推理模拟专家的思维方式，进行复杂问题的判断与决策。 里程碑成果：MYCIN 医疗诊断系统 诞生于70年代，用于辅助医生诊断血液感染及脑膜炎疾病。它的诊断准确率曾一度超过人类专家，是AI技术成功应用于专业领域的标志性案例。 早期专家系统操作界面示意 基于“规则推理”的交互逻辑，用户输入事实，系统给出结论与建议。 1.7.2013 到了80年代，专家系统的兴起带来了AI的第二次崛起。专家系统是一种将专家知识以规则形式输入计算机的程序，能模拟专家进行决策。比如著名的医疗诊断系统MYCIN，就是那个时期的重要成果。 ‹#› 第二次寒冬（1990s中期 - 2010年）：再次遇冷 专家系统的瓶颈 🔸 维护成本高昂 知识规则极度依赖领域专家手动编写与更新，耗时耗力，难以应对复杂场景。 🔸 通用性严重不足 特定领域构建的专家系统难以跨领域迁移，无法适应快速变化的市场需求。 神经网络的困境 🔸 算力与算法的双重限制 当时硬件算力匮乏，且反向传播算法在深层网络中面临“梯度消失”难题，无法有效训练复杂的深层神经网络，研究进展陷入停滞。 行业发展遇冷 🔸 陷入“AI 寒冬” 技术瓶颈无法突破，商业落地困难重重，导致公众信心受挫，投资大幅减少，整个AI领域再次陷入漫长的发展停滞期。 1.7.2013 好景不长，专家系统很快暴露了它的瓶颈：维护成本高、通用性差。同时，当时的神经网络研究也因为算力和算法的限制而进展缓慢。这导致了第二次AI寒冬的到来，AI再次陷入发展困境。 ‹#› 爆发期（2011年 - 至今）：新一代人工智能全面崛起 2016年：AI的“高光时刻” Google DeepMind开发的AlphaGo战胜围棋世界冠军李世石。这一里程碑事件，向世界展示了AI在复杂策略与决策领域的巨大潜力。 国产大模型：中国速度 百度“文心一言”、阿里“通义千问”等一系列国产大语言模型的快速迭代与发布，标志着中国在AI通用大模型领域取得重要突破，跻身世界第一梯队。 全场景渗透与落地 从手机上的语音助手 到自动驾驶的感知系统 从电商的智能商品推荐 到安防的实时图像识别 AI已融入生活的方方面面 1.7.2013 从2011年开始，我们进入了AI的爆发期。2016年，AlphaGo战胜围棋世界冠军，震惊世界。近年来，以百度文心一言、阿里通义千问为代表的国产大模型也取得了重要突破。AI技术已经广泛应用到我们生活的方方面面。 ‹#› 为什么AI在今天迎来了爆发？ 大数据 Big Data 互联网的普及产生了海量的数据，为AI提供了充足的“学习素材”，是AI发展的基石。 云计算 Cloud Computing 强大的计算能力（算力）突破了物理限制，为训练复杂、庞大的AI模型提供了坚实的底层保障。 深度学习 Deep Learning 模拟人脑神经网络的更先进算法，让机器能够更高效地从海量数据中自主学习、总结规律。 💡 教师引导语：如果把AI比作一辆高速行驶的赛车，那么大数据是“燃料”，提供源源不断的动力；云计算是“引擎”，提供强大的驱动能力；深度学习则是“智能核心”，决定了方向与速度。三者缺一不可。 1.7.2013 那么，为什么AI在今天迎来了爆发呢？主要有三大核心驱动力：大数据、云计算和深度学习。 大数据提供了充足的学习素材，就像汽车的燃料；云计算提供了强大的算力保障，就像汽车的引擎；而深度学习则提供了更先进的算法，是整个系统的“智能核心”。这三者共同作用，缺一不可，最终推动了AI在今天的飞速发展和爆发式普及。 ‹#› AI的三种思路：三大学派 在AI的发展过程中，科学家们形成了三种不同的思想流派，它们分别从不同角度探索实现智能的路径，共同推动了人工智能技术的发展。 符号主义 (Symbolism) 像科学家一样思考 依靠逻辑推理与符号操作，试图通过规则和逻辑演绎来模拟人类的理性思维。 连接主义 (Connectionism) 像人类大脑一样学习 依靠人工神经网络，模拟大脑神经元连接结构，通过大量数据的训练学习规律。 行为主义 (Behaviorism) 像动物一样适应环境 强调感知与行动的交互，基于强化学习，通过与环境的互动来优化自身的行为策略。 1.7.2013 在AI的发展历程中，科学家们形成了三种不同的思想流派，我们称之为三大学派：符号主义、连接主义和行为主义。它们分别从逻辑推理、神经网络和环境交互这三个不同的角度，探索实现智能的路径。 ‹#› 符号主义：让机器像科学家一样思考 核心思想 智能源于符号运算和逻辑规则。 这是人工智能早期发展的重要理论基石。 实现方式 由人类专家将领域知识总结为结构化的IF-THEN逻辑规则，并输入计算机，使其基于逻辑推理解决特定问题。 通俗理解 像教导学生一样，由人“人工”地为机器逐条制定规则和逻辑，让机器按设定好的剧本去“思考”和解决问题。 代表成果 • 专家系统 (Expert Systems) • 早期定理证明程序 (Logic Theorist等) 1.7.2013 首先是符号主义，也叫逻辑学派。它的核心思想是，智能源于符号运算和逻辑规则。简单来说，就是我们人类专家把知识总结成规则，“人工”地教给机器。我们之前提到的专家系统，就是符号主义的典型代表。 ‹#› 连接主义：让机器像人脑一样学习 核心思想 智能并非源于简单的逻辑推理，而是源于神经元的连接与学习过程。 实现方式 模拟人脑神经元结构，构建人工神经网络，通过输入海量数据进行反复训练，自动挖掘数据规律。 通俗理解 不再由人编写规则，而是让机器自己“学”会如何处理信息。 代表成果 • 图像/语音识别 • 深度学习模型 • AlphaGo 1.7.2013 第二种是连接主义，也叫神经网络学派。它的核心思想是模拟人脑的神经元结构，构建人工神经网络。我们不再是“教”机器规则，而是给它大量数据，让它自己“学”会规则。现在流行的深度学习，就是连接主义的代表。 ‹#› 行为主义：让机器像动物一样适应 核心思想：交互与反馈 智能并非源于逻辑推理，而是源于与环境的交互和行为反馈的不断积累。 实现方式：“感知-行动”闭环 利用传感器感知环境 → 执行行动 → 根据结果（奖励/惩罚）动态调整策略 → 不断自我进化。 通俗理解：“试错”与生存 如同动物的本能，在不断的“试错”中学习规律，遵循“适者生存”的法则来适应外部世界。 代表成果 自主导航的智能机器人、基于路况实时反馈的自动驾驶汽车。 1.7.2013 第三种是行为主义，也叫进化学派。它认为智能源于与环境的交互和行为反馈。就像动物一样，机器通过不断地“试错”来学习和适应环境。智能机器人和自动驾驶汽车，就是行为主义思想的体现。 ‹#› 思想碰撞：三大学派的不同方法 以“识别猫和狗”为例，直观对比三大学派的核心思路差异 符号主义 通过编写逻辑严密的规则库来定义特征。这是一种自上而下的、由人赋予机器知识的方法。 例如：IF (耳朵是尖的) AND (有胡须) THEN (是猫) 连接主义 模拟人脑神经网络的学习方式，给机器看几百万张猫和狗的图片，让它在海量数据中自主归纳特征。 核心：从数据中“自我进化”，无需人工定义规则。 行为主义 强调感知与行动的交互反馈。让机器人去真实环境中，通过触摸、观察甚至被“挠痒痒”来区分猫和狗。 特点：从“试错”中学习，更贴近生物体的本能。 1.7.2013 为了让大家更直观地理解这三大学派的区别，我们以“识别猫和狗”为例。符号主义会编写复杂的规则；连接主义会给机器看海量的图片让它自己学；而行为主义则会让机器人通过与猫狗的互动来学习。三种方法，思路完全不同。 ‹#› 无处不在的人工智能 生活领域 从智能家居的语音控制、购物平台的个性化推荐，到门禁与支付的人脸识别，AI正让日常生活变得更加便捷、舒适与高效。 医疗领域 AI辅助影像诊断大幅提升了疾病筛查的准确率与速度，同时在新药研发、基因测序分析等前沿领域发挥关键作用，守护人类健康。 交通领域 自动驾驶技术正逐步革新人类出行方式，智能交通调度系统则通过大数据实时优化城市路网，有效缓解拥堵，提升通行效率。 教育领域 利用AI分析学习习惯，实现“千人千面”的个性化学习路径规划；AI辅导老师则能提供全天候的答疑与陪伴，促进教育资源均衡化。 1.7.2013 了解了AI的核心思想，我们再来看看它在现实世界中的应用。如今，人工智能已经无处不在，渗透到了我们生活、医疗、交通、教育等各个领域，深刻地改变着我们的世界。 ‹#› AI在生活中的应用：让生活更便捷 智能家居 通过语音助手控制灯光、空调、窗帘等家电，解放双手，让居住环境更懂你。 智能推荐 购物、短视频App基于算法分析，精准推荐符合你喜好的商品和内容，节省挑选时间。 人脸识别 广泛应用于手机解锁、刷脸支付、小区门禁等场景，兼顾了安全性与通行效率。 1.7.2013 在生活领域，AI让我们的生活变得更加便捷。无论是通过语音控制家电的智能家居，还是根据我们喜好推荐内容的智能推荐，亦或是刷脸支付，都离不开AI技术的支持。这些应用不仅极大地提高了生活效率，更让我们感受到了科技带来的温度。 ‹#› AI在医疗中的应用：守护人类健康 AI辅助诊断 AI能够快速分析医疗影像（如CT、X光片），识别肉眼难以发现的细微特征，帮助医生更精准地识别病灶，提高诊断准确率与效率。 药物研发 利用AI强大的数据分析能力模拟药物分子结构，预测其活性与副作用，加速新药筛选与临床试验过程，大幅缩短研发周期并降低成本。 健康管理 结合智能手环、健康App等可穿戴设备，AI能实时监测心率、睡眠、运动等身体数据，进行风险评估并提供个性化的健康生活建议。 1.7.2013 在医疗领域，AI正在成为守护人类健康的得力助手。它可以辅助医生进行影像诊断，加速新药研发，还能通过智能设备帮助我们进行日常健康管理。 ‹#› AI在交通中的应用：让出行更安全高效 自动驾驶 汽车通过摄像头、雷达等多种高精度传感器全方位感知周围环境，结合AI算法实时处理数据，从而实现车辆的自主导航、决策和驾驶，大幅降低人为驾驶失误。 智能交通调度 AI系统可实时采集并分析海量的城市路况数据，动态调整红绿灯时长、优化信号灯配时方案，从而提高道路通行效率，有效缓解高峰时段的交通拥堵状况。 1.7.2013 在交通领域，AI让我们的出行变得更加安全和高效。大家熟知的自动驾驶汽车，就是AI技术的集大成者。它通过感知环境和智能决策，极大减少了人为因素造成的交通事故。此外，AI还能应用于宏观的智能交通调度，实时分析并优化城市交通信号灯的控制，帮助我们缓解城市拥堵，让每一次出行都更顺畅。 ‹#› AI在教育中的应用：实现个性化学习 个性化学习平台 基于大数据分析，精准捕捉每位学生的学习情况与进度，为其动态推送匹配度极高的学习内容与针对性习题，拒绝“一刀切”教学。 AI 辅导老师 打破时空限制，提供全天候在线答疑辅导，耐心解答学生的每一个疑问，有效填补课后辅导的空白，成为学生身边的专属学习伙伴。 智能评测系统 自动完成作业与试卷批改，不仅给出成绩，更深度分析学生的知识点掌握情况，生成可视化的学习诊断报告，辅助教学决策。 1.7.2013 在教育领域，AI正在推动个性化学习的实现。通过AI，我们可以获得个性化的学习内容推荐，拥有随时解答疑问的AI辅导老师，还能实现作业的智能评测。 ‹#› 中国人工智能的发展与贡献 奠基性贡献 吴文俊院士在机器证明领域的开创性研究，为人工智能发展做出了重要贡献，是中国AI发展的重要基石。 国产大模型崛起 百度文心一言、阿里通义千问等大模型成功研发，标志着中国在AI基础研究领域已跻身世界先进水平。 全球应用领先 在人脸识别、智能安防、移动支付等场景化应用领域，中国已处于全球领先地位，极大改变了大众生活。 1.7.2013 在人工智能的发展浪潮中，中国也取得了举世瞩目的成就。从吴文俊院士的奠基性贡献，到百度文心一言、阿里通义千问等国产大模型的崛起，再到在人脸识别、移动支付等应用领域的全球领先，中国正在AI领域彰显着科技自信。 ‹#› 讨论：AI带来的便利与挑战 人工智能给我们的生活带来了哪些便利？同时可能带来哪些问题？ ✨ 带来的便利 提升效率与生活品质 优化流程、自动化操作，大幅提升效率，改善生活体验。 替代高危/高难度工作 处理人类难以完成的危险任务，保障人身安全。 提供个性化服务与学习 基于大数据分析，提供千人千面的精准体验。 ⚠️ 面临的挑战 传统岗位的替代与转型 重复性工作岗位面临替代，对就业结构产生冲击。 个人隐私泄露风险 海量数据收集与处理，带来隐私滥用与泄露隐患。 虚假信息与“深度伪造” AI生成虚假内容技术日益成熟，混淆视听，增加辨别难度。 1.7.2013 AI是一把双刃剑。它给我们带来了巨大的便利，但同时也带来了一些挑战，比如部分工作岗位被替代、隐私泄露风险等。现在，请大家分组讨论一下，AI给我们带来了哪些便利，又可能带来哪些问题？ ‹#› 树立正确的技术观 人工智能是一把“双刃剑”，它既推动社会进步，也带来新的挑战。 积极学习 拥抱新技术，主动适应时代变化， 不断提升自身的数字素养与技能。 理性看待 既不盲目崇拜，也不恐惧排斥， 清醒认识到技术的局限性和潜在风险。 树立责任意识 坚守伦理底线，遵守法律法规， 安全、合规地使用AI技术，造福社会。 1.7.2013 通过讨论，我们认识到AI是一把双刃剑。因此，我们需要树立正确的技术观：一方面要积极学习，拥抱新技术；另一方面也要理性看待，认识到它的风险，并树立责任意识，安全、合规地使用AI。 ‹#› 本节课核心知识回顾 01 定义 模拟、延伸人类智能，具备感知、推理、学习、决策等一系列认知能力的技术系统。 02 起源 1956年达特茅斯会议正式确立“人工智能”概念；图灵测试为其奠定了重要的理论基础。 03 发展 历经六阶段发展历程，遭遇两次“AI寒冬”与两次产业崛起，2011年后迎来爆发式增长。 04 学派 符号主义（逻辑推理）、连接主义（深度学习）、行为主义（感知交互）三足鼎立。 05 应用 广泛覆盖生活、医疗、交通、教育等领域，需理性看待技术发展带来的利弊。 1.7.2013 好了，今天的课程接近尾声。让我们一起回顾一下本节课的核心知识。我们学习了AI的定义、起源、发展历程、三大学派以及广泛应用。希望大家能构建起一个清晰的知识框架。 ‹#› 关键知识点总结 AI 定义 核心是“自主学习” 从海量数据中自我进化，不断优化算法模型的能力 AI 元年 1956 年 达特茅斯会议 首次确立“人工智能”术语，标志着AI作为学科正式诞生 AI 之父 艾伦 · 图灵 提出著名的“图灵测试”，奠定了现代计算机与AI的理论基础 三大驱动力 大数据 · 云计算 深度学习 算力、数据与算法三位一体，共同推动AI技术的爆发式发展 三大学派 符号主义 · 连接主义 行为主义 不同时期推动AI发展的核心思想，代表了不同的实现路径 1.7.2013 最后，我们来总结一下本节课的几个关键知识点。请大家记住这几个关键词：自主学习、1956年、艾伦·图灵、三大驱动力和三大学派。这些是理解人工智能的基础。 ‹#› 课后拓展与探究 01 查阅资料 课后请同学们通过网络或书籍，了解一个你感兴趣的国产人工智能应用案例。 例如：智慧城市管理系统、智慧农业种植、工业生产线上的机器人、医疗影像诊断系统等。 02 准备分享 整理你选择的案例的核心技术原理、具体应用场景以及产生的实际社会与商业价值。 请做好发言准备，下节课我们将专门留出时间进行小组分享与交流讨论。 1.7.2013 今天的课就到这里。课后请大家完成一个拓展任务：查阅资料，了解一个你感兴趣的国产AI应用案例，并准备在下节课和大家分享。希望大家能保持学习的热情，继续探索人工智能的奇妙世界。 ‹#› 谢谢观看 拥抱AI，共创未来 1.7.2013 谢谢大家！希望今天的课程能帮助大家更好地理解人工智能。让我们一起拥抱AI，用智慧和创造力，共同开创美好的未来！ ‹#› $