教学设计 课程基本信息 学科 信息技术 年级 高一 学期 春季 课题 5.1人工智能的产生与发展 教科书 书 名：信息技术必修1 数据与计算教材 -出卷网-：浙江教育-出卷网- 教学目标 1. 能结合实例分析典型案例是否应用了人工智能。 2. 能针对典型智能系统分析其主要采用的人工智能方法。 3. 知道人工智能技术的发展历程，产生进一步学习人工智能的兴趣。 4. 观察生活中人工智能应用案例，结合人工智能的概念，辩证地分析人工智能的特点。 5. 通过软件平台，体验人工智能的应用:用神经网络解决分类问题。 核心素养落实: 信息意识：学生能感知人工智能技术，主动关注人工智能发展的新动向和新趋势。 计算思维：能理解并区分人工智能的分类。 信息社会责任：能根据网络文章发表自己的观点，能从不同的角度去辨证看待人工智能技,形成理性判断 教学重难点 教学重点： 理解人工智能的概念。 教学难点： 针对典型智能系统分析其主要采用的人工智能方法 教学过程 （一）训练手写数字识别软件 通过训练手写识别软件的过程，让学生体会深度学习的过程和特点。 1. 演示该软件的使用方法、学习方式 2.分析问题“学习后能识别，但为什么准确率不高？” （1）方法1：将每个数字的不同形态都学习一遍 （2）方法2： 借助MNIST数据集进行 3. 将某个数字的各种形态都学习一遍后，再次观察识别效果 4. 使用MNIST数据集进行训练，并再次测试软件的识别效果 （二）人工智能的概念 1. 什么是人工智能？ 人工智能（Artificial Intelligence）是指以机器（计算机）为载体，模仿、延伸和扩展人类智能，其与人类或其他动物所呈现的生物智能有着重要区别。 人类智能指的是听、说、读、写、推理等 3. 刚刚的手写识别软件是人工智能吗？ 是。他模仿了人类“写”的能力 4. 我们身边还有哪些人工智能的应用？ 人脸识别、语音转文字、同声翻译、小冰写诗、智能诊断系统、扫地机器人等 （三）剖析手写识别软件的实现原理 手写识别软件，不需要告诉他数字长什么样，通过大量的图片让他去学习，当他看了很多图片之后，就具备了区分 0- 9 的能力。它是如何进行学习的？ 1. 通过体验Tensorflow Playground 平台，了解神经网络结构。 （1）选择“训练数据”中的第一类数据,尝试不同的输入特征，观察输出结果的不同。 （2）尝试修改神经网络结构，从而区分“训练数据”中的第二类数据。 2. 总结归纳神经网络解决问题的一些特点： （1）选择合适的输入特征，我们的输出结果会更准确。 （2）对于复杂的问题 ，可修改隐藏层的层数以及每一层的节点数量 3. 多层神经网络基本介绍 每一层中有若干神经元，前后相邻层中的神经元彼此联结。一旦给定海量数据，就可以学习神经元之间的链接权重。 神经元与神经元之间的链接权重会在持续重复的刺激下增加。可将神经网络中神经元之间的链接理解为一种“记忆"'即针对数据中所蕴含的知识而言，神经网络”记忆”了这种知识的模式。 4. 分析手写识别软件的神经网络结构 5. 深度学习基本介绍 结合手写数字识别的原理，说明深度学习的特点。 6. 拓展：人脸识别的实现 很多人脸识别系统往往借助了现成的模型，不需要自己重头开始训练。 7. 升华：利用人工智能模型，创造实际应用 （1）利用已经完成的模型，可以快速迁移，创造很多的实际应用，比如用于罪犯抓捕。比如“AI助力，让爱回家的” 活动，通过人脸识别，帮助失散家人找到回家的路。 （2）可以借助百度AI等开发平台，快速开发人工智能应用。 （四）剖析扫地机器人 1.分析扫地机器人获得智能的方式。 2. 强化学习的基本介绍 结合扫地机器人学习的方式说明强化学习的特点 （五）剖析医学专家系统MYCIN 1.分析医学专家系统MYCIN如何习得病情诊断的能力 2.分析该专家系统实现智能的两个关键 ... ...
~~ 您好，已阅读到文档的结尾了 ~~
