資源簡介

《4.1 認識人工智能》教學設計
一、教材分析
本課時是人教版信息技術教材必修一《數據與計算》中“4.1認識人工智能”的內容，是第四章走進智能時代的第1課時。
1. 課標要求
新課標詳細的闡述了學科信息素養，學科信息素養分別是信息意識、計算思維、數字化學習與創新、信息社會責任。新課標也強調了緊密圍繞學科核心素養，凸顯“學主教從、以學定教、先學后教”的專業路徑，具體從領會學科核心素養、把握學習本質，重構教學方式，創設數字化學習環境4個維度，引導學生全面提升信息素養，養成終身學習習慣。教師通過提供豐富的資源，幫助學生掌握概念，了解原理，認識價值，學會分析問題，形成多元理解能力，成為合格時代公民。本節課從引導學生正確的認識人工智能，體驗人工智能技術，理解人工智能技術的核心，培養學生的信息意識和數字化學習與創新，同時引導學生正確看待技術，培養學生的信息社會責任，從而提升學生的信息素養。
2. 本節的作用與地位
本章教材以“智能交互益拓展”為主題，開展項目活動，了解人工智能的產生、發展以及對人們日常生活的影響，體驗并了解人工智能的關鍵技術。
本節教材以體驗活動為主線，讓學生在體驗人工智能實例的同時，了解人工智能的產生與發展，體會人工智能對社會發展的影響通過典型實例理解人工智能技術，感受人工智能魅力。本節內容是學生進一步學習人工智能相關技術的基礎，是后續學習內容的鋪墊。他將帶領學生了解人工智能，認識并體驗人工智能相關技術，理解人工智能的核心技術——機器學習。是學生進一步增強信息意識、提高數字化學習與創新能力。
二、學情分析
1.知識基礎
本章是信息技術必修1教材的最后一章，在之前的課程學習中，學生已經認識數據、會使用程序解決簡單的問題，能使用計算機對生活中的問題進行數據處理與分析，學會了基礎的數據收集、處理和分析的知識與技能。但人工智能技術是用計算機模仿人類大腦的工作方式，嘗試進行識別、理解、學習與推理的技術，是信息技術發展的熱點之一。與一般的信息處理技術相比，人工智能技術在求解策略和處理手段上都有著獨特的風格。學生對此知識了解較少，在生活中可能使用到但沒有注意。
2. 認知特征
本課學習對象是高中一年級的學生，這個階段的學生已經具有一定的邏輯思維能力和學習的自覺性，但還需要教師及時、合理、周詳地引導。由于學生的認知能力，可能他們在生活中有接觸到人工智能的應用，但是大部分同學并沒有意識到這就是人工智能。他們對人工智能沒有深層次的認識，對生活中的人工智能的應用沒有了解，對人工智能的應用價值更沒有了解，也沒有意識到人工智能技術對社會的影響。
3. 非智力因素
作為學生，好奇和強烈的求知欲對學習本課來說是很好的前提。大部分學生都比較喜歡科幻故事和科幻電影，對人工智能充滿了好奇，非常想探索其中的奧秘。我們正好利用學生的好奇和興趣，通過展示我們生活中人工智能的應用實例，簡要剖析其中奧秘，讓學生打破“人工智能”的神秘感，引領學生們進入一個奧秘無窮的領域。但是他們在自主思考方面還不主動、合作與探究的意識和技能等方面還比較欠缺。
三、教學目標
1.三維教學目標
·知識與技能目標：
了解人工智能的產生與發展，體會人工智能對社會發展的影響。
通過實例理解人工智能技術及其應用。
理解人工智能的核心——機器學習，明白人工智能與機器學習都是模擬或延伸人的智能與學習。
·過程與方法目標：
體驗典型的人工智能實例。
參與經典人工智能操作。
聯系各學科學習情況，暢想人工智能可以模擬、延伸和擴展哪些人的智能，哪些人類學習方法可以用于機器學習。
·情感態度價值觀目標：
感受人工智能的魅力，感受利用人工智能工具處理信息的優勢，激發創新思維，促進合作學習與分享學習心得。
2.核心素養指向
通過微課、項目探究培養信息意識，體驗數字化學習與創新活動。
通過經典實例的體驗，人工智能技術的討論，正確認識人工智能技術，增加信息意識、了解計算思維，激發學習興趣，了解人工智能技術的發展對于社會生活的影響，提高使用人工智能技術解決問題的意識和能力，認識信息社會責任
四、教學重點難點
1.教學重點
體驗典型的人工智能實例，對人工智能和機器學習的理解
2.教學難點
對人工智能和機器學習的理解
五、教學理念
堅持以人為本，以學生為主體，以教師為主導。學主教從、以學定教、先學后教
堅持建構主義學習理論，利用項目學習、合作學習與探究學習，引發學生思考，將人的智能與人工智能、人的學習與機器學習聯結起來思考。
堅持STEAM教育理念，引發學生跨學科思考。注重培養學生自主數字化學習與創新能力。
六、教學方法
1.利用課前自主微課學習與案例探究，在理解基礎的前提下開展新項目學習。
2.項目探究、分組合作體驗、交流分享，在交流中提升對于人工智能技術、生活中的應用、相關技術的理解。
七、教學環境
移動設備（教學平板、手機、PC操作的話，準備耳麥用于語音輸入）
訊飛聽見等語音識別。
八、教學過程設計
教學環節 教學活動 學生活動 設計意圖
課前 閱讀討論教材133頁《人機博弈》案例，觀看微課《機器學習》并思考。 討論案例 觀看微課 思考問題 制作匯報材料 引起學生興趣，自主合作探究學習。
課中 （認識） 1.小組匯報人機博弈的思考，全班共同討論。 2.介紹人工智能的產生、概念。 3.介紹我國人工智能的發展史。 交流、分享 全班同學共同討論分析 通過交流，了解人工智能的產生與發展
課中 （體驗） 項目參與“語音識別” 分組體驗、討論 分享經驗 總結提升 （訊飛聽見等自選主題體驗分享） 通過分組體驗、討論、分享；讓學生探究人工智能技術及其實際應用
項目參與“圖像識別”
項目參與“人臉變換”
項目參與“機器翻譯”等
課中 （理解） 探討人工智能相關技術 理解機器學習、深度學習的含義。 已觀看微課視頻，匯報交流 了解人工智能相關技術：機器學習、深度學習
課中 (展望與小結) 小結本課知識點，評價與展望，暢想未來人工智能發展。 小結 思考 課堂小結、提升認識，情感升華
課后 總結課程，從反饋中改善。 完成課后作業， 注意觀察生活中是人工智能技術應用并思考其應用原理。 加深理解記憶 思考人工智能在生活中的應用，強化生活應用
九、學習效果評價
1. 評價主體
該課采用多主體參與評價，包括教師評價、小組互評、小組自評。
2. 評價內容
評價內容包括三部分：小組探究評價、小組協作互助評價和課后達標測驗。
3. 評價方式
課堂學習成果評價和小組協作互助評價都采用量表的方式，讓學生和教師在線填寫。在評價結束之后，自動生成評價結果，學生登錄網絡學習平臺，查看老師、同伴和自我評價的結果。
課堂結束后，學生登錄網絡學習平臺完成課后達標測驗的測試題，完成后，即自動生成檢測結果。
4. 評價標準
評價總分=小組探究評價表得分（50）+小組協作互助評價表得分（35）+課后達標測驗（15）
小組探究評價：以小組為單位，對研究成果進行匯報，參考以下標準進行評價。
小組探究記錄表（_______年______月______日）
匯報主題與內容
小組成員 學生：
小組學習過程記錄
一級指標 二級指標 分值 小組自評 小組互評 教師評價
匯報內容 觀點明確，內容完整，條理清晰，有創新獨特理解 25
緊扣主題，聯系生活，能運用多學科知識技能分析、無科學性錯誤 25
研究報告 排版合理，恰當使用多媒體元素 10
匯報者表現 表達自然、清晰 5
回答問題有針對性 5
合作學習 分工明確 10
善于收集整理資料，小組共享 15
集體榮譽感強烈 5
小組協作互助評價：小組內部對成員參考以下標準進行評價（每一項滿分5分）。
編號 題目 成員1 成員2 成員3 成員4
1 在大部分時間里他（她）踴躍參與，表現積極。
2 他（她）的意見總是對我很有幫助。
3 他（她）經常鼓勵/督促小組其他成員積極參與協作。
4 他（她）能夠完成該做的那份工作和學習任務。
5 我對他（她）的表現滿意。
6 他（她）對小組的貢獻突出。
7 如果還有機會我很愿意與他（她）再分到一組。
8(共14張PPT)
人教版高中信息技術必修一《數據與計算》
4.1 認識人工智能
人工智能的產生：
1956年在美國達特茅斯學院的一次學術研討上提出。
人工智能的定義（《人工智能標準藍皮書（2018）》）
利用數字計算機或者數字計算機控制的機器模擬、延伸和擴展人的智能，感知環境、獲取知識并使用知識獲得最佳結果的理論、方法、技術及應用系統。
一、 什么是人工智能？
我國人工智能發展
吳文俊院士提出的幾何定理證明的“吳氏方法”對人工智能理論研究做出了很大貢獻。“吳文俊人工智能科學技術獎”獎勵我國人工智能領域有成就和創新的個人和項目。
我國在語音識別技術、視覺識別技術等方面處于世界領先水平；在自適應學習、直覺感知、綜合推理、混合智能和群體智能等領域已初步具備跨越發展的能力。
人工智能產業生態的三層基本架構
基礎資源層：主要是計算平臺和數據中心，屬于計算智能；
技術層：通過機器學習建模，開發面向不同領域的算法和技術，包含感知智能和認知智能；
應用層：主要實現人工智能在不同場景下的應用。
基礎資源支撐
AI生態逐步形成：基礎資源+技術+應用
智能交互
人機交互技術主要研究人與計算機之間的信息交互。包括人到計算機和計算機到人的信息交換兩部分。
語音交互功能探究與思考
【原理探究】
1. 語音采集 完成音頻的獲取、采樣、編碼
2. 語音識別 語音信息轉換為機器可識別的文本信息
3. 語意理解 根據識別轉換成的文本或命令完成相應的操作
4. 語音合成 完成文本信息到語音信息的轉換
【應用實踐】
智能電器、智能導航、智能家居（如：智能音箱、手機智能助手等）
圖像識別與生物特征識別
體驗手寫輸入，傳圖識字、人臉驗證等操作
【原理探究】
圖像識別是利用計算機對圖像處理、分析和理解，以識別各種不同模式的目標和對象的技術。圖像識別技術是以圖像的主要特征為基礎的。
生物特征識別技術，是在圖像識別基礎上發展起來的，是利用生物的特征（如：指紋、虹膜、人臉等）進行識別。生物特征識別是通過個體生理特征或行為特征對個體身份進行識別認證的技術。主要是對生物特征進行取樣，從中提取唯一特征，并轉換為相應的代碼，并進一步將這些代碼組合成具有代表性特征模板。識別時進行比對、判斷。
【應用實踐】交警違章抓拍、人臉簽到、指紋簽到、圖文識別、拍立淘等
自然語言處理
體驗公眾微信號中的智能交互
【原理探究】
自然語言處理技術主要研究人與計算機之間利用自然語言進行有效通信、交流的各種理論和方法。主要研究領域：
機器翻譯 從一種自然語言到另外一種自然語言的翻譯
語意理解 利用計算機技術對文本篇章理解，并回答相關問題
問答系統
計算機像人類一樣用自然語言與人交流，人們向問答系統提交用自然語言表達的問題，系統返回關聯性較高的答案
【應用實踐】語音控制、siri、小娜、小愛音箱
二、人工智能技術體驗探究
典型實例 技術應用 體驗實踐
語音識別 語音輸入、語音控制 體驗語音輸入法
圖文識別 OCR、車牌識別 體驗OCR、傳圖識字
生物特征識別 人臉識別、指紋識別 體驗人臉識別
機器翻譯 在線翻譯、翻譯軟件 體驗在線翻譯google
機器人 機器人
機器學習
【原理探究】
機器學習研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身性能，是人工智能技術的核心。
深度學習是“深度神經網絡的學習”，是機器學習的一個重要領域。
機器學習的分類
推理期
知識期
機器學習期
人工智能的三個研究階段
1950s
1970s
1980s
基于符號知識表示 通過演繹推理技術
基于符號知識表示 通過獲取和利用領域知識 建立專家系統
神經網絡第二個高潮 NP(non-deterministic polynomial-time)難題 中獲重大進展 助力大量現實問題
神經網絡
第一個高潮期
神經網絡以深度學 習之名再次崛起 大幅提升感知智能 準確率
2017
90s中期
統計學習登場并占據主流，支持向量機、核方法為代表性技術
提出支持向量、VC維等概念
統計學的研究成果經由機器學習 研究，形成有效的學習算法
聯結學派對大腦進行逆向分析 靈感來自于神經科學和物理學 產生的是“黑箱”模型 神經網絡可歸置此類
符號學派將學習看作逆向演繹 并從哲學、心理學、邏輯學中尋求洞見 代表包括決策樹和基于邏輯的學習
機器學習&深度學習
從以“推理”為重點到以“知識”為重點，再到以“學習”為重點
機器可以自動“學習”的算法，即從數據中自動分析獲得規律，并利用規律對未知數據進行預測的算法。目前，機器學習=“分類”
人工智能 > 機器學習 > 深度學習
給以下場景中的機器學習方式分分類：
1.一家廣告平臺需要根據相似的人口學特征和購買習慣將中國人口分成不同的小組，以便廣告客戶可以通過有關聯的廣告接觸到他們的目標客戶。
2.你想讓某網站圖片從已標記的圖片庫里識別出一張鐘南山的照片。
3.某網站根據你過去看過的與一鍵三連的視頻選擇推薦你首頁的視頻。
課堂小結
機器學習研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身性能，是人工智能技術的核心。
人工智能
利用數字計算機或者數字計算機控制的機器模擬、延伸和擴展人的智能，感知環境、獲取知識并使用知識獲得最佳結果的理論、方法、技術及應用系統。
課堂小結
語音識別
圖文識別
生物特征識別
機器翻譯
機器人

展開更多......

收起↑