第四单元+认识人工智能+第17课+人工智能的发展（教学课件）2026-2027学年浙教版初中信息科技七年级上册

第四单元 · 认识人工智能 人工智能的发展 第17课 · 浙教版七年级上册 1课时（45分钟） 汇报时间：2026 各位同学上午好！我是今天为大家授课的信息科技老师，很高兴能和大家一同开启人工智能的探索之旅。作为浙教版七年级上册第四单元“认识人工智能”中的核心一课，今天的《人工智能的发展》将用45分钟带大家解开关于AI的常见疑惑——很多同学觉得AI是最近几年才突然出现的，但实际上它已经走过了七十多年的漫长历程。接下来，我们会通过认知澄清、动手排序、要素辨析和项目实践四个环节，一起厘清AI从起源到爆发的完整脉络，真正理解它的发展逻辑与能力边界。现在，就让我们正式开启今天的学习吧。 第17课 · 人工智能的发展 课程导览 1 起点坐标与概念澄清 破除“AI是近几年才出现”的迷思 2 三起两落的发展脉络 动手排序建构历史逻辑 3 三要素协同与强弱AI辨析 理解爆发原因与能力边界 4 项目牵引与结构化收尾 发布校园AI助手项目 浙教版信息科技 · 七年级上册 02 / 29 本节课将按四个模块展开：先通过起点坐标与概念澄清破除认知迷思，再依托三起两落的发展脉络动手梳理历史逻辑，随后剖析三要素协同关系与强弱AI边界，最终通过校园AI助手项目完成知识落地。 起点坐标与概念澄清 AI不是这几年才出现的新名词，它已经走过七十多年 01 我们已经通过早期机器与当下大模型的对比演示，初步发现AI并非近年才出现的新事物，还抛出了AI发展历程的核心问题。要探究人工智能的起源，就得先找准它的起点坐标，接下来就让我们一起澄清AI的基本概念，回溯它的思想与定名源头，为理清完整发展脉络打下基础。 第17课 · 人工智能的发展 两段智能演示引出AI从哪来 播放两段对比素材，制造认知冲突。 早期机器 无论怎么问，只回固定句式 当下大模型 能追问、能改写、能接话茬 两个追问：差别在哪里？是今天才突然变聪明的吗？ 引出本课任务：沿着 时间轴 弄清楚人工智能从哪一年开始、经历过哪些起伏、靠什么力量爆发、现在到底有多“聪明”。 Q 学生当堂口头说出核心问题：人工智能从哪年开始、经历过哪些起伏、靠什么爆发、现在是什么水平。 浙教版信息科技 · 七年级上册 04 / 29 我们通过播放两段不同时代的AI交互演示素材，制造强烈的认知反差。 早期机器只会机械输出固定句式，缺乏灵活应答的能力；当下大模型能实现追问、改写、实时接话茬的自然交互。这种直观对比能快速引发学生的好奇心。 我们抛出两个核心追问引导学生思考，两者核心差异体现在交互的灵活性与智能水平上，AI并非近年才突然具备智能。 顺着这个问题我们引出本课核心任务，带领学生沿时间轴回溯AI的发展历程，依次解答四个核心问题，推动学生主动输出这四个核心探究问题，搭建起整节课的探究框架。 第17课 · 人工智能的发展 1950年图灵测试确立思想起点 1950年 图灵测试 隔着屏幕对话，分不清对面是人还是机器，就认为机器具有智能。 正误对照 错误观点 AI是2020年之后才发明的新事物 正确理解 AI从1950年代的图灵测试就开始了，2020年之后是爆发，不是诞生 浙教版信息科技 · 七年级上册 05 / 29 很多同学会默认AI是近几年才突然冒出来的技术新事物。这种认知偏差非常普遍，但完全不符合人工智能的真实发展历程。 事实上，人工智能早在1950年就依托图灵测试确立了核心思想起点，1956年达特茅斯会议正式为其定名，至今已经走过了七十余年的完整发展历程。我们当下感受到的AI爆发式普及，是长期技术积累后的阶段成果，并非从零开始的诞生时刻。 还有不少同学会把AI等同于能聊天的机器人，默认它拥有类似人类的意识与情感。这种误读同样需要纠正：现阶段的人工智能是依托海量数据学习规律、通过统计预测生成内容的技术系统，本质是规律拟合与预测，并非真的具备自主感受与主观情感。 第17课 · 人工智能的发展 1956年达特茅斯会议定名AI元年 第二个起点 破除迷思 AI 不是近几年才出现的新名词， 它已经走过七十多年。 课堂约定 1 排序不说依据不贴卡 2 举例不说明理由不举手 小组内先各自排序、各自举例，再交换依据 未完成起点坐标记录，不进入事件排序环节 当堂呈现 学习单起点栏完成——1950 图灵测试、1956 达特茅斯会议两个起点均已记录 浙教版信息科技 · 七年级上册 06 / 29 1956 达特茅斯会议正式提出“人工智能” 这一年被称为「人工智能元年」 1956年达特茅斯会议是继1950年图灵测试之后的第二个关键起点，学者们在这次会议上正式提出“人工智能”概念，这一年也被确立为人工智能元年。 要破解“AI是近年新事物”的认知误区，必须先筑牢这个认知起点。课堂设置两项参与规则：排序时不说清依据就不贴卡片，举例时不说明理由就不举手；要求小组内先独立完成排序和举例，再互相交换验证依据。 所有同学先完成学习单起点栏的填写，同时记录1950年图灵测试、1956年达特茅斯会议两个起点事件，全部达标之后，才能进入后续的事件排序环节。 第17课 · 人工智能的发展 AI不是近几年才出现的新事物 常见迷思 AI 是近几年突然出现的新事物。 若同学说“AI 这几年突然爆发，以前根本没有 AI”，应纠正：1950 图灵测试就开始了，三起两落七十年。 事实 人工智能从 1950 年图灵测试、1956 年达特茅斯会议就开始了，已经走过七十多年。 2020 年之后是爆发，不是诞生。 另一个误读 把 AI 等同于“会聊天的机器人”，认为它有意识和情感。 实际 当前 AI 是基于大量数据学习规律、按统计预测生成内容的系统。 它不是心里有感受。 浙教版信息科技 · 七年级上册 07 / 29 在课堂讲解中，我们要先打破两个普遍存在的认知误区。首先纠正同学们对AI诞生时间的错误认知，不少人觉得AI是近几年才突然出现的新事物，这是完全不符合史实的。我们可以明确告知大家，早在1950年图灵测试就确立了AI的思想起点，1956年达特茅斯会议更是正式将“人工智能”定名，整个学科已经走过了七十多年的发展历程，2020年之后的行业爆发只是发展阶段的升级，绝非学科的诞生。 紧接着澄清第二个认知偏差，很多同学把AI和“会聊天的机器人”画上等号，默认AI拥有人类的意识和情感。我们需要直白地说明，当前的AI本质是依托海量数据学习规律、通过统计预测生成内容的系统，并不具备人类的主观感受，避免大家对AI能力产生不切实际的想象。 三起两落的发展脉络 低谷不是AI没用了，是当时的技术条件撑不起预期 02 同学们，我们已经理清了人工智能的两个历史起点，知道了AI并非近年才诞生的新事物。接下来，我们将聚焦它七十多年的发展历程，一起通过卡片排序的课堂活动，梳理它“三起两落”的发展脉络，看看每一次兴起与低谷背后的具体原因。 第17课 · 人工智能的发展 · 课堂活动 排序活动还原三起两落 1 卡片排序 小组按时间先后排列事件卡片，每卡旁用一句话归纳：兴起靠什么、低谷缺什么。 2 关键追问 教师巡视追问：“为什么起来了”“后来为什么又冷下去”，把回答引导到三个具体层面。 算力不足 知识难以穷尽 数据不够 3 当堂呈现 时间轴排序不少于 5 个节点 每组至少归纳一条“兴起—低谷”原因 浙教版信息科技 · 七年级上册 09 / 29 同学们普遍存在两个认知误区，其一认为AI是近年才突然诞生的新事物，其二将当前大模型等同于拥有自主意识与情感的智能体。要厘清这两类误解，首先建立正确的发展时间锚点：1950年图灵测试确立了机器智能的思想评判标准，1956年达特茅斯会议正式定名人工智能、被公认为AI发展元年，这两个核心节点标志着AI概念的正式落地。其次纠正认知偏差，2020年后AI的爆发是技术成熟后的应用普及，而非学科的起点。当前的大模型本质是依托海量数据学习规律、通过统计预测生成内容的系统，它能模拟对话的外在形式，却并未产生自主情感与主观意识，本质是数据驱动的概率生成工具。 第17课 · 人工智能的发展 第一次兴起靠符号推理 第一次兴起 第一次低谷 兴起 靠规则 机器按符号推理做逻辑推演，看起来很有希望。 低谷 因算力 规则一多就跑不动，算力跟不上，陷入低谷。 板书对应 第一次兴起（符号推理） 低谷（算力不足） 学习单要求 兴起写“规则与逻辑推演”，低谷写“缺算力”，不笼统说“技术不行”。 浙教版信息科技 · 七年级上册 10 / 29 不少同学存在认知偏差，认为AI是近几年突然出现的全新事物。我们必须先厘清核心事实：人工智能的发展源头，可以追溯到1950年图灵测试与1956年达特茅斯会议，至今已走过七十余年的发展历程。2020年之后，只是人工智能技术迎来了行业爆发期，而非诞生起点。 还有一类常见误读，将AI等同于拥有自我意识与情感的聊天机器人。需要明确的是，当前阶段的人工智能，本质是依托海量数据学习规律、通过统计预测生成内容的技术系统，并不具备自主感知与主观情绪。 这些误区的存在，容易让大家对人工智能形成片面认知，我们要先纠正这些认知偏差，才能真正读懂人工智能的发展逻辑。 第17课 · 人工智能的发展 专家系统兴起又遇知识难题 兴起 20世纪七八十年代 把专家知识写成规则，让机器“像专家一样”给建议。 低谷 规则越写越多，机器反而越来越难维护。 共同点：想法没错，但当时的条件不够。 课堂记录：对照板书“专家系统兴起 → 低谷（知识难以穷尽）”，在学习单上记录第二次低谷的具体原因，避免把原因笼统说成“技术不行”。 浙教版信息科技 · 七年级上册 11 / 29 同学们可能会觉得AI是近几年才突然走红的新事物，但事实并非如此。1950年图灵测试提出了机器能否思考的核心问题，1956年达特茅斯会议正式定名“人工智能”，这门学科已经走过七十多年的发展历程，2020年后的爆发是长期积累后的集中落地，并非从零开始。 还有一个常见的误读，是把AI等同于有情感、有意识的聊天机器人，觉得它能像人一样产生真实感受。实际上当前的AI是基于海量数据学习规律、通过统计预测生成内容的系统，本质是对数据规律的计算与匹配，并不具备自主的情绪与主观意识。 第17课 · 人工智能的发展 低谷不是技术不行，而是条件不够 典型错误 学生答“技术不行”就停住 两步追问 1 当时缺什么具体的东西？ 数据、算力还是知识规则？ 2 用“三兄弟缺一不可”回扣 低谷不是 AI 没价值，是当时的条件撑不起预期。 速查卡 三起两落 符号推理与专家系统先后兴起 两次低谷 算力不足、知识难穷尽 共同点 想法没错、条件不够 检查自己：低谷我能说出“缺什么”了吗？ 浙教版信息科技 · 七年级上册 12 / 29 想要理解当下的AI热潮，我们要先打破两个普遍存在的认知误区。首先要纠正“AI是近几年突然出现”的想法，1950年图灵测试提出、1956年达特茅斯会议召开，标志着人工智能的研究已经正式起步，至今已有七十多年的发展历程，2020年之后的行业爆发，是长期技术积累后的集中释放，并非从零开始的新生事物。 另一个需要厘清的误读，是将AI等同于具备自主意识和情感的聊天机器人，当前的人工智能系统，本质是基于海量数据学习规律、通过统计预测生成内容的技术工具，并不具备主观感受与自主意识。纠正这两个认知偏差，能帮我们跳出对AI的片面想象，更客观地理解它的真实属性。 第17课 · 人工智能的发展 学习单让懂没懂可勾选 步骤 操作指令 我的记录 完成与检查 1起点坐标 阅读教材，圈画两个起点：1950年图灵测试（检验机器能否思考）、1956年达特茅斯会议（人工智能元年） 起点关键词：已圈画 两个年份：已记录 完成 检查：我知道AI从哪一年开始了吗？ 2事件排序 把AI发展事件卡片按时间先后排到时间轴底板上，每条旁用一句话归纳“兴起靠什么 / 低谷缺什么” 排序节点：已完成 兴起 / 低谷原因：已标注 完成 检查：达特茅斯会议排对了吗？两次低谷的原因写具体了吗？ 3三要素连线 从“为什么2010年前后爆发”倒推，把数据 / 算力 / 算法分别连到“素材 / 速度 / 方法” 三要素连线：已完成 完成 检查：我连到“缺一个都不行”了吗？ 4强弱AI判断与收尾 判断“人脸识别门禁”“大模型自由对话”属于弱AI还是通用AI并说明理由；完成后对照完成标准核对 强弱AI判断：已完成 完成标准：已核对 完成 检查：我是按“能不能跨领域迁移”判断的吗？ 完成标准：说出两个起点；时间轴 ≥5 个节点 且能说清两次低谷原因；说清三要素及作用；按“跨领域迁移”判断强弱AI。 浙教版信息科技 · 七年级上册 13 / 29 咱们一起复盘本节课的核心知识点，大家可以对照手边的学习单完成勾选自评。首先要准确说出人工智能发展两次兴起的初始方向，这是梳理发展脉络的基础。其次要完成至少包含5个节点的时间轴搭建，清晰阐释两次低谷背后的具体原因，避免笼统归因。之后要能明确数据、算力、算法三要素的协同作用，最后依据跨领域迁移的标准，准确区分强AI与弱AI的差异。这套自评标准既能帮你快速定位知识盲区，也能直观检验本节课的整体掌握程度。 三要素协同与强弱AI辨析 数据、算力、算法三兄弟一起发力，才有了今天的AI 03 我们已经了解了人工智能的发展历程和“三起两落”，知道低谷不是技术不行，而是条件不够。那究竟是什么条件，让AI从低谷走向爆发？这就需要我们从背后的核心要素来拆解，接下来我们一起学习数据、算力、算法这三大支柱的协同作用，以及如何辨析强弱AI。 第17课 · 人工智能的发展 2010年前后爆发靠三要素 现象 2010年前后 深度学习爆发——不是突然的运气 倒推三件事 1 数据 互联网产生海量数据，机器有了大量可学的素材 2 算力 GPU 等硬件让计算速度大幅提升，跑得动了 3 算法 深度学习在图像、语音、文本上接连突破，学得懂了 判断：缺了任何一个，爆发都无从谈起。 课堂任务：带着倒推视角，在学习单三要素栏完成连线，把“爆发”与背后的条件一一对应。 浙教版信息科技 · 七年级上册 15 / 29 很多同学会好奇，2010年前后深度学习的爆发是不是科技发展的运气使然。我们用倒推视角拆解就能发现，这场爆发是三要素同步成熟的必然结果。 互联网高速普及，产生了海量可被机器学习的文本、图像、语音素材，解决了AI“学什么”的问题；GPU硬件技术迭代，大幅提升并行计算速度，让大规模训练可以落地，解决了AI“跑多快”的问题；深度学习算法接连在各类场景实现突破，让机器能从数据中提炼出规律，解决了AI“怎么学”的问题。 我们可以做一个假设：如果缺了其中任何一环，这场技术爆发都不会出现。课堂上请大家带着倒推思维，在学习单的三要素栏目完成连线练习，把爆发现象和对应的支撑条件一一对应起来。 第17课 · 人工智能的发展 数据算力算法各管一件事 数据管学什么 数据是素材 决定 AI 能学到什么内容。 算力管跑多快 算力是速度 决定 AI 训练与运行快慢。 算法管怎么学 算法是方法 决定 AI 如何从数据中找规律。 学生当堂连线 数据 素材 算力 速度 算法 方法 缺一个都不行，这正是 2010 年前后爆发的原因。 浙教版信息科技 · 七年级上册 16 / 29 2010年前后深度学习的爆发，绝非偶然的运气，而是数据、算力、算法三要素同步成熟的必然结果。互联网的普及沉淀了海量的标注数据，让机器拥有了充足的学习素材；GPU并行计算技术的成熟，大幅提升了计算效率，为大模型训练提供了速度支撑；深度学习算法的迭代突破，让机器能够从数据中自主挖掘规律，实现了从“不会学”到“学得懂”的跨越。三者环环相扣，缺一不可。 三要素各司其职，共同构成了AI的核心能力底座：数据是AI的“学习素材”，决定了AI的认知边界；算力是AI的“运行速度”，决定了AI的训练效率与响应能力；算法是AI的“学习方法”，决定了AI从数据中提炼规律的精度。课堂环节中，我们将通过连线任务把爆发现象与支撑条件一一对应，帮助大家建立因果关联，将认知从“记住结论”推向“理解逻辑”的深度。 第17课 · 人工智能的发展 三要素缺一不可 只有数据 无算力 无算法 没有算力和算法，数据躺在那里用不起来 只有算力 无数据 无算法 没有数据和算法，机器有力气没处使 只有算法 无数据 无算力 没有数据和算力，再好的方法也跑不动 三兄弟一起发力，才有了今天的AI——缺一个都不行。 浙教版信息科技 · 七年级上册 17 / 29 我们用三个生活化场景拆解AI三要素的协同逻辑。AI三要素就像三位各司其职的伙伴，彼此独立却又紧密关联。 数据是素材，决定了AI能学到什么内容；算力是速度，决定了AI训练与运行的快慢；算法是方法，决定了AI如何从数据中找到规律。三者互相成就，构成了AI能力的基本盘。 一旦打破这种协同平衡，AI的发展就会陷入停滞。只握数据、缺算力和算法，海量素材只能沉睡无用；只拥算力、缺数据和算法，高性能硬件空有动力却找不到发力方向；只守算法、缺数据和算力，精巧的方法也无法落地运行。 第17课 · 人工智能的发展 弱AI是偏科生不是全能选手 偏科生 · 弱AI 偏科生：某一科非常强，换一个领域就不行 图像识别、语言对话、下棋，各有所长 现在的大模型语音、图像、文字都能处理一些，本质上仍在自己学过的领域里“偏科” 全能选手 · 通用AI 全能选手：像人一样，在各个领域都能思考、学习和迁移 离“全能选手”还有距离 图灵测试一九五零，达特茅斯定名称；三起两落七十载，数据算力算法撑；弱AI是偏科生，通用智能未来成。 浙教版信息科技 · 七年级上册 18 / 29 讲解弱AI与通用AI的区别。打个比方，弱人工智能就像学习里的“偏科生”。 它们在某一个领域表现特别好，但换个领域就完全不行了。就像同学们见过的人脸识别门禁，只会认脸，换成写诗、翻译就完全不会。 现在的大模型虽然能写能聊，但换到没学过的领域也会露怯。而通用人工智能就是我们说的“全能选手”，能像人一样在各个领域思考学习，不过离这一步还有很远的距离。 大家要注意两个常见误区，不要高估现在的AI，把它当成全能选手，也不要低估它，觉得它一无是处。 我们可以一起举几个“偏科”的例子，判断一下身边的AI属于哪一类。 第17课 · 人工智能的发展 判断标准是能否跨领域迁移 人脸识别门禁 只会认脸，换到写诗、翻译就完全不会 大模型对话 能写能聊，但换一个没学过的领域就露怯 判断标准不是功能多不多， 而是能不能跨领域自主迁移。 常见误区 把AI当“全能选手”——高估 把AI当“一无是处”——低估 教师提示 两个都是偏科生，只是偏的科目多了一点。 课堂练习 学生各举一个“偏科”的例子，再判断一次。 浙教版信息科技 · 七年级上册 19 / 29 判断弱AI与通用AI的核心标尺是跨领域迁移能力，而非功能覆盖广度。人脸识别门禁仅具备单一的身份识别能力，无法延伸至其他智能任务；即便当前功能丰富的大模型对话系统，面对未经过训练的陌生领域也会出现能力断层。 当前大众对AI存在两类典型认知偏差，要么将其神化为全能选手，高估其能力边界，要么将其贬低为一无是处，低估其发展价值。实际上，现有所有AI应用都属于弱AI范畴，区别仅在于覆盖的“偏科”领域数量多少。课堂上可以结合这个判断标准，请大家分享身边的AI偏科实例，深化对AI能力边界的理性认知。 第17课 · 人工智能的发展 随堂判断：AI起点与起伏 教师口述，学生作答，当堂讲评 · 约 3 分钟 1 起点迷思 AI 是近几年才突然出现的全新事物？ 错误。从 1950 年图灵测试、1956 年达特茅斯会议就已开始，已走过七十多年；2020 年之后是爆发，不是诞生。 2 元年认定 1956 年达特茅斯会议正式提出“人工智能”，常被称为人工智能元年？ 正确。 3 起伏逻辑 AI 发展一直稳步上升，从未经历低谷？ 错误。经历 三起两落：符号推理、专家系统先后兴起又陷入低谷——算力不足、知识难以穷尽。 4 能力边界 现在的通用大模型已达到通用人工智能水平？ 错误。现在大多属于 弱人工智能，特定领域表现出色，但还不能跨领域自主迁移。 浙教版信息科技 · 七年级上册 20 / 29 这是本节课的随堂判断练习，教师口述题目，学生作答后当堂讲评，全程约3分钟，通过快问快答的形式检验大家对核心知识点的掌握程度。 我们依次梳理四个判断考点。首先，AI是近几年才突然出现的全新事物吗？这个说法是错误的，AI早在1950年图灵测试、1956年达特茅斯会议就已起步，至今已走过七十多年的发展历程，2020年之后属于爆发阶段，并非诞生起点。其次，1956年达特茅斯会议正式提出“人工智能”概念，这一年常被称为人工智能元年，这个说法正确。第三，AI发展一直稳步上升，从未经历低谷？这个说法错误，AI发展并非线性坦途，先后经历符号推理、专家系统两次兴起又陷入低谷，背后的核心原因是算力不足、知识难以穷尽。最后，现在的通用大模型已经达到通用人工智能水平？这个说法错误，当前的AI大多属于弱人工智能，仅能在特定领域表现出色，还不具备跨领域自主迁移的能力。 第17课 · 人工智能的发展 选择题锁定三要素与AI水平 五道题，四个考点 1 被公认为“人工智能元年”的年份是（ ）。 A. 1950年 B. 1956年 C. 1980年 D. 2010年 2 图灵测试主要用于检验（ ）。 A. 计算机的运算速度 B. 机器是否具有智能（对话中让人分不清是人还是机器） C. 数据的存储容量 D. 网络的传输速度 3 2010年前后人工智能迎来爆发，最重要的推动因素是（ ）。 A. 只有算法突破 B. 只有数据增加 C. 只有算力提升 D. 数据、算力、算法三要素共同推动 4 关于“弱人工智能与通用人工智能”，下列说法正确的是（ ）。 A. 现在的AI是通用人工智能 B. 通用人工智能只能完成单一任务 C. 现在的AI大多属于弱人工智能（偏科生），只能完成特定领域的任务 D. 弱人工智能和通用人工智能没有区别 5 人工智能发展史上出现“低谷”（如算力不足、知识难以穷尽），这说明（ ）。 A. 人工智能不值得研究 B. 技术发展并非线性坦途，需要长期投入与理性预期 C. 低谷之后就再也不会发展 D. 专家系统永远正确 答案表 · 当堂核对 题号 类型 答案 判1 判断题 错误 AI从1950年图灵测试、1956年达特茅斯会议就开始了，已走过七十多年，2020年之后是爆发不是诞生。 判2 判断题 正确 1956年达特茅斯会议正式提出“人工智能”一词，常被称为人工智能元年。 判3 判断题 错误 AI发展经历“三起两落”：符号推理与专家系统先后兴起又陷入低谷，并非一路上升。 判4 判断题 错误 现在的AI大多属于弱人工智能（偏科生），尚未达到通用人工智能水平。 选1 选择题 B 选2 选择题 B 选3 选择题 D 选4 选择题 C 选5 选择题 B 浙教版信息科技 · 七年级上册 21 / 29 通过五道围绕核心考点的选择题，帮助我们精准巩固本节课的关键知识。 第一道题锚定人工智能发展的关键节点，明确1956年达特茅斯会议的里程碑意义。第二道题辨析图灵测试的核心作用，区分智能判定与硬件参数指标的差异。第三道题结合人工智能爆发的时代背景，引导认知三要素协同支撑行业发展的底层逻辑。第四道题厘清弱人工智能与通用人工智能的本质边界，纠偏对AI能力程度的认知误区。最后一道题结合行业发展的起伏历程，引导大家理性看待技术发展的波折性，建立对技术创新的长期认知。 项目牵引与结构化收尾 理解它的过去，才能更理性地面对它的现在与未来 04 前面我们通过随堂判断和选择题练习，理清了人工智能发展历程、爆发核心三要素与当前能力边界等核心知识，只有彻底读懂AI从无到有的发展脉络，我们才能更理性地看待当下的AI技术，也才能更稳妥地规划它的未来应用方向。接下来我们将进入单元项目设计环节，尝试将所学知识落地到真实的校园AI助手方案中。 第17课 · 单元项目发布 发布单元项目：校园AI助手 单元项目 从校园生活真实场景中选一个，设计AI助手方案，本单元后面几课一起搭出来。 任务书发放 · 场景提案卡（初选） 场 景 提 案 卡 1 场景名称 2 场景痛点 3 AI助手能帮什么忙 可选场景 课间答疑 社团招新 图书推荐 校园导览 食堂菜品查询 运动会赛程查询 学生当堂呈现：场景提案卡初选完成。 浙教版信息科技 · 七年级上册 · 第17课 23 / 29 上节课我们梳理了人工智能七十年的发展脉络，见证了数据、算力、算法三大要素推动的技术爆发。当我们惊叹AI的强大能力时，更需要用理性的眼光看清它的真实定位。 接下来我们完成场景提案卡的初选。大家从给定的校园场景中选定自己最感兴趣的方向，填写场景名称和当前遇到的痛点，再思考AI能为这个场景解决什么问题。这张提案卡是我们单元项目的起点，后面几节课我们会一起把这个AI助手从想法变成真实能用的工具。 项目式学习 · 校园AI助手提案 真实场景痛点写在提案卡 01 场景名称 从校园生活中选一个足够具体的场景 课间答疑 社团招新 图书推荐 校园导览 食堂菜品查询 运动会赛程查询 02 这个场景的痛点 痛点来自真实感受的校园使用体验 不方便 找不到 要排队 03 AI助手能帮什么忙 能落到后面几课一起搭出来的功能 查询 问什么都能答 推荐 帮你找到合适的 引导 告诉你去哪儿、怎么做 任务提示 选择校园生活里的一个真实场景，场景要足够具体，痛点要来自真实感受，AI助手能帮的忙要能落到后面几课一起搭出来。 浙教版信息科技 · 七年级上册 24 / 29 我们将开启校园AI助手提案的实操环节，核心原则是聚焦真实校园场景、挖掘切身痛点、设计可落地的AI功能。 首先，我们需要从给定的六个校园场景中选定一个足够具体的方向，不能泛泛而谈。可以结合自身经历选择：比如课间常被疑问难住、社团招新找不到合适的同学、图书馆挑书没有方向、入校访客找不到教学楼、食堂打饭不清楚当日菜品、运动会查赛程浪费时间，这些都是非常具体的切入点。 选定场景后，我们要提炼真实的使用痛点，不能凭空想象，要从日常体验出发，就是那些让人觉得麻烦、找不到、要排队的真实问题。最后设计AI助手功能，必须贴合后续课程的搭建能力，不要设计无法实现的复杂功能，优先考虑基础的查询、推荐、引导类功能，确保后续几课能逐步完成搭建。 第17课 · 人工智能的发展 顺口溜串起全课结构化回顾 顺口溜逐句拆解 图灵测试一九五零 → 建立起点 三起两落七十载 → 发展有起伏，不是一路顺风 数据算力算法撑 → 回答爆发原因 弱AI是偏科生 → 清醒认识当前水平 板书全貌 人工智能的发展 1950 图灵测试 → 1956 达特茅斯会议（AI元年） ├ 第一次兴起（符号推理）→ 低谷（算力不足） ├ 专家系统兴起 → 低谷（知识难以穷尽） └ 深度学习爆发：数据 ＋ 算力 ＋ 算法 现在：弱人工智能（偏科生） ≠ 通用人工智能（全能选手） 核心：AI不是突然出现，是七十年积累＋三要素推动。 浙教版信息科技 · 七年级上册 25 / 29 我们用四句顺口溜把整节课的知识串成一条线，方便大家轻松记住。“图灵测试一九五零”点明AI发展的起点，“三起两落七十载”讲清AI七十多年的发展不是一帆风顺，中间两次兴起又陷入低谷，“数据算力算法撑”解释了近年来AI爆发是三要素共同推动的结果，“弱AI是偏科生”帮大家认清当前AI只能完成特定领域任务，还不是能跨领域干活的全能选手。 梳理板书就能发现完整逻辑：1950年图灵测试为AI发展埋下种子，1956年达特茅斯会议正式确立AI元年，符号推理、专家系统先后尝试突破却受算力、知识边界限制陷入停滞，直到数据、算力、算法三者协同，才迎来深度学习的爆发。我们要记住核心结论，AI不是凭空出现的新事物，是七十年技术积累加上三要素共同推动的成果，理解这些才能更理性看待AI的能力边界。 第17课 · 人工智能的发展 · 课后作业 作业：用三个"为什么"来巩固 1 基础 必做 完善《AI发展时间轴》学习单：不少于 5 个节点，标注各阶段技术特点 向家人说明顺口溜意思，口述 三个"为什么" 为什么—— 不是近几年才出现 发展会出现低谷 现在还只能叫"偏科生" 检查方式 下节课一句话汇报三个"为什么"的答案 2 提高 选做 查找一位中国人工智能研究者或团队的故事（早期语音识别、机器翻译、图像识别等方向） 用一句话讲清：哪个方向、坚持多少年、突破了什么 检查方式 课前 1 分钟分享，随机请 2—3 名学生 3 挑战 选做 · 评价标准前置 时间轴节点准确：图灵测试、达特茅斯会议、两次低谷、深度学习爆发，能用自己的话说明"为什么会起伏" 完成《校园AI助手》场景提案卡 能针对"AI就是会聊天的机器人，它有感情"或"AI这几年突然出现"，说出至少一种清晰得当的纠正或解释方式，说明理由，不嘲笑对方，把判断依据讲清楚 浙教版信息科技 · 七年级上册 26 / 29 课后作业分为三个层级，覆盖不同能力的同学。 基础必做作业有两项，完善AI发展时间轴学习单，标注不少于五个关键节点的技术特点；向家人讲解本课顺口溜，口述三个核心为什么，下节课用一句话汇报答案。 提高选做作业，查找中国AI研究者的故事，用一句话说明研究方向、坚持年限与核心突破，课前随机请同学分享。 挑战选做作业前置了明确评价标准，要求完整梳理AI发展关键节点，完成校园AI助手场景提案卡，还能针对AI有感情、突然出现这类常见误区，给出清晰纠正解释，全程不嘲笑他人，讲清判断依据。 第17课 · 人工智能的发展 常见迷思宜分步耐心应对 “AI有感情”迷思 不直接否定，先追问“它聊天的内容从哪来”，再用 鹦鹉学舌、统计预测类比——大模型是按数据规律预测下一句，不是“心里有感受”。 “分不清强弱AI”迷思 回到判断标准——不是功能多不多，而是能不能跨领域自主迁移。 AI学习中的情况 问题类型（勾选） 首选判断/做法（勾选） 一句话理由 同学说“AI就是会聊天的机器人，它有感情、有意识” □ 起点错位 □ 概念迷思 □ 低谷归因 □ 强弱AI判断 □ 用“鹦鹉学舌/统计预测”解释：它是按数据规律生成，不是有意识 □ 认同，机器人当然有感情 □ 不回应 排时间轴时，同学把达特茅斯会议排到了深度学习爆发之后 □ 起点错位 □ 概念迷思 □ 低谷归因 □ 强弱AI判断 □ 纠正：1956达特茅斯是AI元年，深度学习爆发在21世纪 □ 不用管，顺序差不多 □ 两个都是1956年 同学说“AI这几年突然爆发，以前根本没有AI” □ 起点错位 □ 概念迷思 □ 低谷归因 □ 强弱AI判断 □ 纠正：1950图灵测试就开始了，三起两落七十年 □ 认同，以前确实没有 □ 不回应 浙教版信息科技 · 七年级上册 27 / 29 面对同学们对AI的常见认知偏差，我们用耐心拆解的方式替代直接否定，避免打击大家的思考积极性。 针对“AI有感情”的疑惑，先引导大家思考AI聊天内容的来源，用鹦鹉学舌、数据统计预测的类比解释核心原理，让大家理解大模型只是按数据规律输出内容，并非具备自主意识。 针对混淆强弱AI的认知误区，回归核心判断标准展开辨析——区分二者的关键不在于功能丰富程度，而在于是否具备跨领域自主迁移的能力。 配套的练习表格覆盖三类典型学习误区，分别对应“AI有感情”概念偏差、AI发展时间线起点错位、AI发展历程认知偏差三类问题，每类问题都匹配了精准的纠正思路与参考表述，帮助大家把知识转化为日常可应用的理性判断逻辑。 第17课 · 人工智能的发展 成果按四维量规反馈 四维量规，只做等级反馈，不排名比较。 维度 达成表现 小组自评（★/★★/★★★） 1 节点准确 能说出图灵测试、达特茅斯会议、两次低谷、深度学习爆发等关键节点及其技术特征，时间轴不少于5个节点 ★/ ★★/ ★★★ 2 低谷归因 能具体说明低谷原因（算力不足、知识难以穷尽、数据不够），而不是笼统说“技术不行” ★/ ★★/ ★★★ 3 三要素理解 能说出数据、算力、算法三要素各自的作用，理解“缺一个都不行”的协同关系 ★/ ★★/ ★★★ 4 强弱AI辨析 能按“是否跨领域自主迁移”判断弱AI与通用AI，能各举一例，不神化、不妖魔化 ★/ ★★/ ★★★ 浙教版信息科技 · 七年级上册 28 / 29 这张幻灯片展示的是本节课的成果反馈工具——四维量规。我们采用等级评价而非排名比较，是为了让每个小组清晰看到自己的进步空间，而非陷入横向比较的焦虑。 第一个维度节点准确，检验大家能否准确说出AI发展的关键时间节点与技术特征。第二个维度低谷归因，考察对技术瓶颈背后深层原因的理解，不能笼统说“技术不行”。第三个维度三要素理解，验证数据、算力、算法三者协同关系的掌握程度。第四个维度强弱AI辨析，建立理性的技术认知，做到不神化也不妖魔化AI。 不神化，不妖魔化 理性看待 人工智能 人工智能走过了七十多年的积累，理解它的过去，才能更理性地面对它的现在与未来 我们为这节课的学习成果制定了专门的反馈标准，完全不需要大家互相排名比较，只做等级式的正向反馈就好。 第一个判断维度是节点准确，能清晰说出图灵测试、达特茅斯会议、两次发展低谷、深度学习爆发这些关键节点，还能讲清每个阶段的技术特点，整理的时间轴包含至少五个节点，就可以获得对应星级评价。第二个维度是低谷归因，能具体说清每次发展遇冷的原因，比如算力跟不上、知识没法穷尽、数据储备不足，而不是笼统说技术不行，就算达标。第三个维度是三要素理解，能讲明白数据、算力、算法各自的作用，清楚三者缺一不可的协同关系就算掌握。最后一个维度是强弱AI辨析，能按照能不能跨领域自主迁移这个标准，分清弱人工智能和通用人工智能，还能各自举出例子，做到不神化、不妖魔化AI，就完成了全部要求。 $