1.3人工智能的实现方式 教学设计 2025-2026学年人教版初中信息科技人工智能专册

该初中信息科技教学设计聚焦人工智能的三种实现方式，即符号主义、连接主义、行为主义。通过播放2分钟AI应用短视频导入，引导学生思考“智能从哪里来”，承接前两课对AI概念和发展历程的认识，为后续技术基础及应用学习搭建理论支架。 此资料亮点在于融合情境激趣与实践探究，如用知识图谱案例解析符号主义，通过生活化类比（学习过程类比训练、模型、推理）帮助理解连接主义，结合在线围棋对弈体验行为主义。注重计算思维培养，引导学生建立“数据-训练-模型-推理”框架，提升数字化学习与创新能力，为教师提供具体教学步骤和在线工具资源，助力学生直观理解抽象技术原理。

第3课 人工智能的实现方式 课题 人工智能的实现方式 课时 1 教学内容 分析 本课是《人工智能与智慧社会》第一单元 "走进人工智能" 的第 3 课，主要介绍人工智能的三种主要实现方式：符号主义（模拟功能）、连接主义（模拟结构）、行为主义（模拟行为）。通过知识图谱、人工神经网络、强化学习等典型案例，帮助学生理解不同技术路线的特点、优势与局限，以及当前技术融合的发展趋势。本课内容承上启下，既承接前两课对人工智能概念和发展历程的认识，又为后续学习人工智能技术基础及具体应用奠定理论基础。 学情分析 初中学生通过前两课的学习，已经对人工智能的基本概念、发展历程有了初步认识，在日常生活中也接触过各种人工智能应用。但学生对人工智能背后的技术实现方式了解较少，对 "智能如何产生" 这一问题充满好奇。初中生具备一定的逻辑思维能力，但对抽象的技术概念理解存在困难，需要通过具体案例、可视化演示和实践体验来帮助理解。学生对神经网络、训练、模型、推理等专业术语较为陌生，需要用生活化的类比来降低理解难度。 教学目标 信息意识： 1. 主动关注人工智能技术的多种实现路径，增强对人工智能技术原理的探究意识 2. 认识不同技术路线的特点与适用场景，形成对人工智能技术的全面认知 计算思维： 1. 理解符号主义通过规则和逻辑模拟思维的基本思想，培养逻辑推理能力 2. 理解人工神经网络的层级结构和工作机制，建立 "数据 - 训练 - 模型 - 推理" 的思维框架 3. 理解强化学习 "尝试 - 反馈 - 改进" 的学习机制，培养迭代优化的思维方式 数字化学习与创新： 1. 能利用在线模拟工具和网站开展探究学习 2. 通过对比分析不同技术路线，提升归纳总结和批判性思维能力 3. 在小组合作中运用数字化手段开展交流与展示 信息社会责任： 1. 认识人工智能技术发展的渐进性和融合性，树立科学的技术发展观 2. 理解技术路线选择对人工智能应用的影响，增强对人工智能技术的理性认识 3. 关注我国人工智能技术发展，培养自主创新意识 重点 1. 人工智能的三种主要实现方式及其特点 2. 人工神经网络的基本概念（训练、模型、推理） 难点 1. 理解不同实现方式的技术原理和适用场景 2. 理解人工神经网络中训练、模型、推理的内在联系 教法学法 情境激趣法、案例分析法、演示教学法、分组探究法； 课前准备 ppt 教学设计 教学环节 教师活动 学生活动 导入 （5分钟） 1. 播放精心剪辑的人工智能应用短视频，内容涵盖智能问答、人脸识别、自动驾驶、机器人舞蹈、AI 绘画等典型场景，视频时长约 2 分钟，画面丰富生动 2. 视频播放结束后提问："刚才视频中展示的这些人工智能应用，大家平时都接触过哪些？使用感受如何？" 引导学生联系生活实际分享体验，进一步追问："既然人工智能这么强大，有没有同学想过：机器的 ' 智能 ' 到底是从哪里来的？" 3. 在学生充分发言和讨论后，顺势引入本课主题："今天这节课，我们就一起来揭开人工智能的神秘面纱，通过在线模拟工具探索科学家们实现人工智能的三条主要技术路线" 观看人工智能应用视频，思考并交流对人工智能实现方式的猜想 模拟功能实现 —— 符号主义 （12 分钟） 1. 概念精讲：结合 PPT 图示，系统讲解符号主义的起源和核心思想，阐述功能模拟的设计思路，说明通过建立规则和逻辑系统实现智能的基本原理 2. 案例深度解析：通过投影展示 "公交车爆胎→公交车晚点→小明迟到→老师批评小明" 的知识图谱案例，采用不同颜色标注节点和关系线，提问："大家观察一下，这个图谱中蓝色方框和箭头分别代表什么？" 引导学生发现知识图谱的结构化表示方法及其逻辑推理机制 3. 分步指导实践：通过投影演示术语在线网站操作流程，指导学生打开浏览器访问网站，搜索 "人工智能" 并查看术语图谱，巡视过程中提醒："注意观察不同颜色节点代表的含义" 4. 巡回指导：在教室内巡回走动，及时解答学生操作中遇到的问题 5. 引导归纳总结：组织学生小组讨论，提问："通过刚才的体验，大家觉得符号主义这种方式有什么优点？又有什么不足呢？" 引导学生总结符号主义逻辑清晰、可解释性强但规则难以穷尽的特点 听讲理解符号主义原理，观察知识图谱案例，上机操作体验术语在线知识图谱，小组讨论总结符号主义的特点 模拟结构实现 —— 连接主义 （15 分钟） 1. 过渡引入：分析符号主义技术路线的局限性，提问："既然直接模拟功能遇到了瓶颈，如果我们换一个思路，模拟产生智能的结构本身，会不会效果更好呢？" 自然过渡到连接主义思路，阐述模拟人脑神经网络结构的设计思想 2. 核心概念分层讲解： 1. - 展示人脑神经元图片，讲解生物神经元工作原理，过渡到人工神经元数学模型 2. - 系统讲解训练、模型、推理三个核心概念，结合生活化类比帮助学生理解："大家想想，你们平时学习新知识的过程是不是这样？大量练习掌握规律就是 ' 训练 '，掌握了知识技能就形成了 ' 模型 '，考试答题运用知识就是 ' 推理 '"，配合板书强化记忆 3. 在线工具演示互动：打开 TensorFlow Playground 在线神经网络演示网站，展示平台界面功能，介绍神经网络层数、神经元数量调整方法，提问："大家猜一猜，如果我们增加神经元数量，网络的学习能力会怎样变化？" 4. 参数调整演示：现场操作调整网络参数，增加隐藏层和神经元数量，启动训练过程，引导学生观察："注意看！训练过程中损失值在不断下降，分类边界在不断优化，这就是神经网络 ' 学习 ' 的过程" 5. 引导计算参数量：指导学生计算简单神经网络的参数量，提问："一个 4 输入 3 输出的网络有多少参数？" 通过对比展示深度神经网络参数规模的巨大增长，帮助学生感知大模型的复杂性 6. 拓展说明：介绍深度神经网络的发展历程，阐述连接主义成为当前人工智能主流技术的原因 理解连接主义模仿人脑结构的设计思想，通过类比掌握训练、模型、推理概念，观察在线神经网络演示平台的训练过程，计算参数量感知深度神经网络的复杂性 模拟行为实现 —— 行为主义 （10 分钟） 1. 故事引入：以小宝宝学走路为例，提问："大家有没有观察过小宝宝学走路？一开始摇摇晃晃，摔倒了就爬起来，不断调整姿势，慢慢就学会了。这和人工智能的第三种实现方式非常相似"，阐述行为主义通过与环境交互学习的核心思想 2. 原理图示讲解：通过强化学习框架示意图，系统讲解智能系统、环境、动作、状态、奖惩构成的学习循环，说明反复试错优化行为策略的机制 3. 典型案例分析： - 分析机器人自主学习行走的过程，说明通过奖惩机制优化步态的原理 - 介绍 AlphaGo 围棋系统的强化学习机制，提问："大家知道 AlphaGo 是怎么战胜世界冠军的吗？" 说明通过自我对弈优化策略的过程 4. 组织在线对比体验：安排学生两人一组开展在线围棋对弈体验，指导："左边同学选择 ' 初级 AI'，这是基于规则的 AI；右边同学选择 ' 高级 AI'，这是基于强化学习的 AI，大家分别对弈 10-20 步，感受一下两个 AI 棋力的差异" 5. 巡视引导：巡视各组对弈情况，适时提问："大家发现两个 AI 在决策速度、灵活性方面有什么不同吗？" 引导学生观察技术差异 理解行为主义 "从交互中学习" 的核心思想，掌握强化学习的基本机制，通过案例理解强化学习的应用，两人一组分别与不同等级的在线围棋 AI 对弈体验 拓展提升 （3分钟） 介绍群体智能：拓展介绍群体智能的概念，提问："大家想想蚂蚁搬家、蜜蜂采蜜，单个蚂蚁蜜蜂并不聪明，但整个群体却能完成非常复杂的任务，这是为什么呢？" 说明群体智能与个体智能的区别? 了解群体智能概念，讨论区别 课堂小结 （2分钟） 学生谈谈自己在本节课的收获 教学反思 1 学科网（北京）股份有限公司 $