第二单元 人工智能的技术基础 —— 探究人机对弈的发展 - 一、项目分析 导学案 2026-2027学年苏科版信息科技九年级全一册

该初中信息科技导学案聚焦人工智能技术基础，围绕人机对弈发展案例，引导学生理解数据、算法、算力三大核心要素。课堂通过播放人机围棋对弈经典赛事片段导入，对比早期程序与AlphaGo差异，结合课前分层预习任务搭建学习支架，帮助学生衔接前后知识。 资料以项目式探究为主线，设计递进式任务拆解技术要素，培养学生信息意识、计算思维和数字化学习能力。包含对比辨析表格、思维导图梳理等特色习题，助力学生系统构建知识体系，理性认知AI发展，提升信息素养与科技创新意识。

初中信息“导·学·练”课堂导学案 年级 科目 信息 周次 设计者 序号 班级 主题与课时 第二单元 人工智能的技术基础 —— 探究人机对弈的发展 - 一、项目分析 课型 新授 审核人 学校审核 姓名 课标要求 本节课依据初中信息科技课程标准设计，聚焦人工智能核心技术基础，引导学生结合人机对弈经典案例，了解数据、算法、算力三大人工智能核心要素的作用与关联。通过项目式探究，掌握人机对弈的发展历程与技术迭代逻辑，初步理解人工智能模拟人类思维、自主学习、推理决策的原理。培养学生智能技术应用认知、数字化探究能力，树立理性看待人工智能发展的科学观念，提升信息素养与科技创新意识。 学习目标 信息意识：学生能感知人机对弈发展过程中数据、算法、算力的核心价值，主动捕捉人工智能技术迭代的关键信息，区分传统程序与智能AI的本质差异，形成主动探究智能技术的信息敏感度。 计算思维：通过拆解人机对弈的运行逻辑，学会拆分智能任务、分析算法原理、梳理算力支撑逻辑，掌握数字化问题拆解与逻辑推理的基本方法。 数字化学习与创新：依托课前预习、课中探究任务，自主搜集、整理人机对弈相关资料，合作探究智能技术核心要素，尝试简单分析AI对弈的运行流程，提升数字化探究能力。 信息社会责任：理性看待人机对弈中人工智能的优势与局限，客观认知智能技术与人类智能的关系，树立科学的人工智能发展观，养成规范、理性的数字科技认知素养。 重难点 教学重点：掌握人机对弈的发展阶段与迭代特点，理解数据、算法、算力是支撑人工智能运行的三大核心基础，明确三者在人机对弈过程中的具体作用。 教学难点：区分传统机器对弈与智能AI对弈的技术差异，深度理解算法迭代、数据积累、算力升级如何推动人机对弈技术革新，建立三大核心要素的协同运行认知，初步形成人工智能底层技术的系统思维。 学习过程 （一）课前预习案 为帮助学生提前铺垫本节课核心知识，初步感知人机对弈与人工智能技术的关联，搭建课堂探究基础，特设计分层预习任务，涵盖基础认知、资料搜集、疑问梳理三大模块，引导学生自主完成前置学习。 任务一：基础认知填空（夯实基础） 1. 人工智能技术的三大核心基础要素是________、________、________。 2. 人机对弈是人工智能________领域的经典应用，是机器模拟人类________思维与决策能力的典型案例。 3. 早期人机对弈程序主要依靠________实现固定步骤运算，无法自主学习和优化对弈策略。 4. 2016年击败世界围棋顶尖棋手的人工智能程序是________，标志着人工智能在复杂博弈领域实现重大突破。 5. 智能AI对弈区别于传统机器对弈的核心特点是具备________和________能力，可自主迭代优化策略。 任务二：自主思考判断（初步辨析） 判断下列说法是否正确，对的打“√”，错的打“×”。 1. 人工智能的运行只需要依靠海量数据，不需要算法和算力支撑。（） 2. 早期人机对弈程序可以自主总结对弈规律，调整落子策略。（） 3. AlphaGo能够战胜人类棋手，离不开海量围棋棋谱数据的训练。（） 4. 算力的提升可以让人工智能更快完成数据运算和棋局推演。（） 5. 数据、算法、算力三者相互独立，没有关联。（） 任务三：资料搜集梳理（拓展感知） 自主借助网络、教材、科普读物等资源，搜集人机对弈发展的关键阶段信息，完成以下问题梳理，为课中深度探究做准备。 1. 简单梳理人机对弈从诞生到现在的三个关键发展阶段，写出每个阶段的时间、代表程序、核心技术特点。 2. 结合搜集的资料，简要思考：为什么早期电脑下棋程序无法战胜顶尖人类棋手，而现代AI可以实现突破？ 3. 结合生活认知，列举2个人机对弈之外的、依靠数据、算法、算力支撑的人工智能应用场景。 任务四：预习疑问记录（精准破难） 通过自主预习，记录自己无法理解的问题，课堂重点参与探究解决。 1. ________________________________________________ 2. ________________________________________________ 3. ________________________________________________ （二）课中探究案 本节课以项目式探究为核心，围绕“探究人机对弈的发展”核心项目，拆解为四大递进式探究任务，层层深入剖析人工智能三大技术基础的内涵、作用与协同关系，引导学生主动思考、合作探究、总结归纳，完成知识内化与能力提升。 探究任务一：情境导入，初识人机对弈发展脉络 课堂导入：播放人机围棋对弈经典赛事片段，对比早期电脑下棋程序与AlphaGo的对弈效果，结合预习内容，开展课堂探究思考。 1. 对比观察：早期人机对弈和现代AI人机对弈，在落子灵活性、策略调整、局势判断上有哪些明显差异？ 2. 结合预习搜集的资料，小组讨论：人机对弈技术能够不断发展，核心依托哪些技术的进步？ 3. 初步总结：结合观察与讨论，尝试定义智能人机对弈的核心特征。 深度思考问题 （1）传统电脑对弈程序严格按照预设代码运行，每一步落子都是程序预设的固定逻辑，为什么这种程序很难战胜人类顶尖棋手？ （2）现代AI对弈程序在对局过程中，会出现“自主创新”的落子策略，甚至突破人类棋手的常规思维，这一现象说明人工智能具备了什么新能力？ （3）结合生活体验，说一说人机对弈技术的发展，对其他人工智能领域的发展有什么借鉴意义？ 小组合作探究要求 以4人小组为单位，围绕以上问题展开讨论，梳理小组核心观点，记录关键结论，推选小组代表进行课堂发言，每组发言时长控制在2分钟以内，发言内容需结合实例，避免空泛表述。 探究任务二：拆解核心，探究人工智能三大技术基础 结合教材核心知识点，聚焦人机对弈场景，逐一拆解数据、算法、算力三大核心要素的内涵与作用，深度理解人工智能的技术底层逻辑。 子任务1：探究人工智能依赖的数据——AI的“学习素材” 数据是人工智能运行的基础燃料，是AI获取知识、总结规律的核心素材，人机对弈AI的智能性完全依托海量数据训练形成。结合教材内容与案例，完成以下探究问题。 1. 什么是人工智能专用数据集？用于训练围棋对弈AI的数据集包含哪些核心内容？ 2. 早期人机对弈几乎不需要海量数据，而AlphaGo需要百万级专业棋谱数据训练，原因是什么？ 3. 棋谱数据为什么需要人工标注？标注后的数据集对AI对弈决策有什么帮助？ 4. 结合案例分析：如果训练AI的棋谱数据量少、质量低，会导致AI对弈出现哪些问题？ 拓展探究 小组合作梳理：除了人机对弈，智能语音识别、人脸识别、自动驾驶分别需要哪些核心数据支撑？由此总结数据在所有人工智能应用中的共性作用。 子任务2：探究人工智能依赖的算法——AI的“思考逻辑” 算法是人工智能的核心思维方式，是AI处理数据、分析问题、做出决策的规则与流程，决定了AI的智能水平。对比传统算法与智能算法，完成探究任务。 1. 早期人机对弈程序采用穷举算法，简述该算法的运行特点和局限性。 2. AlphaGo搭载的深度学习算法与强化学习逻辑，和传统穷举算法相比，有哪些创新优势？ 3. 结合教材内容，简述AI对弈的完整算法流程（棋局分析—棋局评估—最优决策）。 4. 为什么算法迭代升级是人机对弈技术突破的核心关键？ 对比辨析探究 填写对比表格，精准区分传统机器对弈与智能AI对弈的算法差异（课堂自主填写）： 对比维度 传统人机对弈算法 智能AI对弈算法 运行逻辑 学习能力 策略优化方式 应对复杂局势能力 子任务3：探究人工智能依赖的算力——AI的“运算动力” 算力是人工智能处理数据、运行算法、完成模拟推演的硬件运算能力，是AI实现高效智能决策的动力支撑。结合人机对弈发展案例，完成探究。 1. 结合早期围棋AI的局限，分析算力不足会对人机对弈程序造成哪些影响？ 2. AlphaGo依托GPU集群构建分布式算力网络，简述超强算力在AI自我对弈、模型训练中的作用。 3. 为什么算力升级能够支撑更复杂的算法运行和更大规模的数据训练？ 4. 简单预判：未来算力技术持续升级，会让人机对弈人工智能出现哪些新的发展变化？ 探究任务三：系统整合，梳理三大要素的协同关系 数据、算法、算力并非独立存在，三者协同配合，共同支撑人工智能的运行与迭代。结合前面的探究内容，完成系统整合探究。 1. 简要阐述：在AlphaGo人机围棋对弈过程中，数据、算法、算力三者如何分工协作？ 2. 假设缺少其中任意一项要素，AI对弈系统会出现什么问题？分别举例说明。 3. 结合人机对弈的技术迭代历程，总结人工智能技术发展的核心规律。 思维导图梳理任务 自主绘制简易思维导图，呈现“人机对弈发展—三大核心要素—各要素作用—协同关系”的完整知识体系，梳理本节课核心知识点。 探究任务四：拓展升华，理性认知人工智能发展 立足人机对弈项目，跳出技术本身，从科技价值、人文视角、社会责任层面开展深度探究，提升信息素养与思辨能力。 1. 人工智能在围棋对弈中超越人类，是否意味着人工智能已经全面超越人类智能？请说明理由。 2. 人机对弈技术的快速发展，给人类学习、竞技、科技创新带来了哪些积极影响？ 3. 智能对弈AI可以自主学习、自主迭代，是否会替代人类棋手的价值？我们应如何理性看待人机智能的关系？ 4. 结合本节课所学，说一说青少年在人工智能时代，应树立怎样的科技认知和学习理念？ 课中随堂巩固练习 1. 人工智能实现自主学习、智能决策的三大核心支撑是（） A. 数据、代码、设备 B. 数据、算法、算力 C. 网络、硬件、软件 D. 知识、逻辑、设备 2. 下列不属于智能AI对弈特点的是（） A. 依托海量数据训练 B. 可自我对弈迭代优化 C. 固定步骤机械运算 D. 具备局势自主判断能力 3. 简述算力在人工智能运行中的核心作用。 4. 简要说明数据、算法、算力三者的内在关联。 板书设计 第二单元 人工智能的技术基础——探究人机对弈的发展 1. 项目核心：人机对弈发展→人工智能技术落地典型案例 2. 发展迭代：传统固定程序（穷举运算）→智能AI程序（自主学习、迭代优化） 3. AI三大核心技术基础 数据：学习素材、训练基础（海量标注棋谱） 算法：思考逻辑、决策规则（深度学习、强化学习） 算力：运算动力、硬件支撑（GPU集群、分布式运算） 4. 核心逻辑：数据为基、算法为核、算力为翼，三者协同支撑AI迭代升级 5. 认知理念：人机互补、理性看待人工智能发展 参考答案 （一）课前预习案答案 任务一：基础认知填空 1. 数据、算法、算力 2. 博弈、逻辑 3. 穷举算法（预设程序） 4. AlphaGo 5. 自主学习、策略优化 任务二：自主思考判断 1. × 2. × 3. √ 4. √ 5. × 任务三：资料搜集梳理（参考答案） 1. 第一阶段：早期传统人机对弈（20世纪中后期），代表程序为国际象棋、围棋基础对弈程序，核心技术为穷举算法，仅能按预设步骤运算，无自主学习能力；第二阶段：初级智能对弈阶段，依托少量棋谱数据，优化基础算法，可应对简单对局，但无法突破人类顶尖水平；第三阶段：高阶智能AI对弈阶段（2016年AlphaGo诞生），依托海量标注数据、深度学习算法、超强算力，具备自主学习、自我对弈、策略创新能力，超越人类顶尖棋手。 2. 早期程序仅依靠固定穷举算法，无海量数据训练，算力有限，无法推演复杂棋局、优化对弈策略，只能机械执行预设逻辑，无法应对人类棋手的灵活战术和创新思路，因此无法战胜顶尖人类棋手。 3. 应用场景：人脸识别考勤、智能语音助手、自动驾驶、智能推荐算法、AI图像修复等（任意两个即可）。 （二）课中探究案答案 探究任务一 参考答案 1. 差异：早期人机对弈落子机械、固定，无法根据局势灵活调整策略，应对复杂对局能力差；现代AI对弈落子灵活，可自主分析棋局局势、预判后续走向，能够创新落子策略，动态优化对局思路。 2. 核心依托海量数据积累、算法迭代升级、算力持续提升三大技术进步，同时依托人工智能深度学习、强化学习技术的突破。 3. 智能人机对弈核心特征：依托海量数据训练，具备自主学习、自我迭代能力，通过智能算法分析局势、自主决策，可动态优化对弈策略，突破固定程序局限。 深度思考答案 （1）传统程序仅能执行预设代码逻辑，无法自主学习新的对弈规律，无法预判人类棋手的创新战术，面对灵活多变的顶尖对局，容易出现策略局限，因此难以取胜。 （2）说明人工智能具备了自主学习、自主创新、逻辑推理和动态决策的智能能力，不再局限于固定程序运算，能够从海量数据中总结规律、生成新策略。 （3）为人脸识别、自动驾驶、智能决策等各类人工智能领域提供了技术参考，证明了数据、算法、算力协同发展是人工智能迭代的核心路径，推动人工智能从机械运算向自主智能升级。 探究任务二 参考答案 子任务1 数据相关问题答案 1. 人工智能专用数据集是经过整理、标注、分类，专供AI模型训练学习的结构化数据集合。围棋AI数据集包含海量专业棋谱、落子位置、对局胜负结果、棋手等级、经典对局局势等核心内容。 2. 早期人机对弈仅为机械程序运算，无需学习规律，依靠固定规则即可运行；现代智能AI对弈需要从海量棋谱数据中总结人类对弈规律、优秀落子策略、局势判断逻辑，通过数据训练形成智能决策能力，因此需要海量数据支撑。 3. 原始棋谱数据无明确标签，AI无法自主识别数据对应的规律和优劣；人工标注后，数据具备明确的属性标签，AI可以通过学习标注数据，区分优势落子与劣势落子、判断局势优劣，为自主决策提供依据。 4. 会导致AI学习的规律不全面、不准确，对局局势判断出现偏差，落子策略单一、失误率高，无法应对复杂对局，智能水平大幅降低。 拓展探究答案：智能语音识别需要海量语音文本数据、方言数据、场景语音数据；人脸识别需要海量人脸图像、表情、姿态数据；自动驾驶需要路况、车况、行人、交通标识等海量场景数据。数据的共性作用：为AI提供学习素材，让AI总结场景规律、掌握任务逻辑，是AI实现智能决策的基础前提。 子任务2 算法相关问题答案 1. 穷举算法特点：按照固定程序步骤，逐一推演所有可能的落子路径，机械对比最优结果；局限性：运算量极大、效率低，无法自主总结规律、优化策略，无法应对复杂多变的棋局，不具备学习能力。 2. 创新优势：无需穷举全部落子路径，可通过深度学习从海量棋谱中总结人类对弈规律，通过自我对弈持续试错迭代，自主生成新的博弈思路，能够精准预判棋局走向、评估局势优劣，决策更灵活、更智能，适配复杂对局场景。 3. AI对弈完整算法流程：第一步采集当前棋局数据；第二步棋局分析，推演所有合法落子及后续棋局走向；第三步棋局评估，通过训练模型判断各落子方案的胜负概率与局势优势；第四步最优决策，筛选最优落子方案完成对局。 4. 算法是AI的核心思考逻辑，算法的迭代升级让AI从机械运算转变为自主学习、智能推理，突破了传统程序的能力局限，是人工智能实现智能化、超越人类水平的核心关键。 对比辨析表格答案 运行逻辑：传统——预设固定规则、机械穷举运算；智能AI——深度学习、自主推演、智能评估决策 学习能力：传统——无自主学习能力；智能AI——可自主学习数据规律、自我迭代优化 策略优化方式：传统——依赖人工修改程序代码；智能AI——自主试错、持续迭代更新策略 应对复杂局势能力：传统——能力弱、易局限；智能AI——适配复杂场景、灵活应变 子任务3 算力相关问题答案 1. 算力不足会导致棋局推演数量有限、数据运算速度慢，无法完成海量棋谱数据训练，算法运行不充分，AI无法精准判断局势、优化策略，整体对弈水平低下。 2. 超强分布式算力可同时完成海量棋局模拟推演、百万次自我对弈运算，快速处理海量训练数据，高效运行复杂深度学习算法，加速AI模型迭代优化，提升AI决策精准度。 3. 复杂算法和大规模数据训练需要海量、高速的运算支撑，算力的升级提升了数据处理速度和运算承载力，能够支撑更复杂的逻辑运算和更大体量的数据训练，为AI技术升级提供硬件保障。 4. 未来算力升级后，AI自我学习、迭代速度更快，局势预判更精准，可适配更多复杂博弈场景，甚至实现跨场景智能迁移，人机对弈的智能性、创新性会持续提升。 探究任务三 参考答案 1. 分工协作：数据为AlphaGo提供海量棋谱学习素材，积累对弈规律与经验；算法负责拆解棋局、分析局势、评估优劣、制定落子决策，是核心思维逻辑；算力支撑海量数据运算、棋局模拟推演、模型迭代训练，为算法运行和数据处理提供动力。三者协同，实现AI自主学习、智能对弈。 2. 缺少数据：AI无学习素材，无法掌握对弈规律，只能机械运算，无智能性；缺少算法：海量数据无法被分析利用，无决策逻辑，AI无法完成对弈任务；缺少算力：数据处理、算法推演速度缓慢，模型无法迭代优化，智能水平无法提升。 3. 人工智能的发展是数据、算法、算力协同升级的结果，数据积累是基础，算法创新是核心，算力提升是保障，三者同步迭代，才能推动人工智能从机械智能化向高阶自主智能持续发展。 探究任务四 参考答案 1. 不能。人工智能仅在围棋博弈这一单一领域凭借海量数据、精准运算超越人类，但人类智能具备情感、创造力、综合思维、跨界思考、价值判断等多元能力，人工智能无法替代，二者存在本质差异。 2. 积极影响：为棋类学习、竞技训练提供智能辅助工具，助力人类棋手提升水平；推动人工智能底层技术迭代，赋能各行各业科技创新；拓宽人类科技认知，推动智能科技产业发展。 3. 不会完全替代。AI是人类研发的工具，核心作用是辅助人类、赋能发展，人类棋手的创新思维、赛场心态、人文价值是AI无法替代的。我们应理性看待人机差距，坚持人机互补、以AI赋能人类进步。 4. 青少年应主动学习人工智能基础技术，理性认知智能科技的优势与局限，不盲从、不畏惧人工智能，树立科技向善、学以致用的理念，主动探索科技创新，提升数字化素养与创新能力。 课中随堂巩固练习答案 1. B 2. C 3. 算力是人工智能的硬件运算动力，核心作用是支撑海量数据快速处理、复杂算法高效运行、智能模型迭代训练，保障AI自主推演、智能决策的高效实现，是人工智能技术落地与升级的硬件保障。 4. 三者相互依存、协同赋能：数据是人工智能的基础素材，为算法训练提供资源；算法是核心逻辑，负责挖掘数据规律、完成智能决策；算力是动力支撑，保障数据处理和算法运行高效落地，三者共同构成人工智能运行的完整技术体系。 ( 1 / 3 ) 目标领航 任务驱动 评价镶嵌 赢在课堂 学科网（北京）股份有限公司 学科网（北京）股份有限公司 $