(
课件网) 第六单元 第2课 基于学习的智能 清华版（中学） 通 1 学习目标 3 新知讲解 5 拓展延伸 7 板书设计 2 新知导入 4 课堂练习 6 课堂总结 课后作业 8 01 教学目标 （1）理解机器学习的基本概念和历史起源。 （2）掌握机器学习系统的五个基本组成元素。 （3）探讨基于知识的智能和基于学习的智能的区别。 02 新知导入 1. 传统知识方法的局限性 基于规则和经验的AI（如专家系统）受限于人类知识边界，无法实现超越人类认知的智能水平，制约了发展潜力。 02 新知导入 2. 机器学习的突破性思路 通过赋予机器自主学习能力（如从数据中归纳规律），使其摆脱对人类预设知识的依赖，实现自我迭代与进化。 02 新知导入 3. 机器学习的范式转变意义 从“被动执行指令”到“主动学习进化”，标志着AI从工具向智能体的转变，为突破人类知识上限提供可能。 03 新知讲解 1 学习的重要性 1. 学习的生命历程与早期起点 学习伴随人类终生，从胎儿期对外界声音产生反应即已开始，通过观察模仿不断掌握新技能。个体通过学习提升能力，社会借代际知识传承与创新实现进步。 03 新知讲解 1 学习的重要性 2. 学习的永恒意义与行动呼吁 学习是人类文明的基石，是推动个人成长与社会发展的核心动力，应珍惜每次学习机会，持续自我提升以创造更美好未来。 03 新知讲解 1. 机器学习的核心愿景 科学家受人类学习能力启发，探索让计算机通过自主学习而非预设指令来提升智能水平。 2 机器学习的诞生 03 新知讲解 2. 机器学习的里程碑实践 亚瑟·塞缪尔（1959年）让计算机通过自我对弈学习下跳棋，棋艺超越人类，并首次提出“机器学习”概念，奠定领域基础。 2 机器学习的诞生 03 新知讲解 3. 对传统计算范式的革命 机器学习打破“计算机仅执行预设程序”的局限，使其能从数据中自动归纳知识，减轻人类编程负担，实现“目标导向”的自主进化。 2 机器学习的诞生 03 新知讲解 4. 机器学习的基础性影响 作为AI核心驱动力，机器学习赋能各种现代AI应用（如语音识别、自动驾驶），同时其自主性也带来新的风险与伦理挑战。 2 机器学习的诞生 03 新知讲解 3 机器学习的基本框架 1. 机器学习的组成元素 目标是机器学习的方向，决定了机器所追求的能力。 算法是指对模型的参数进行学习和优化的步骤和方法。 知识在机器学习中扮演着指导、约束、检验等作用。 模型是机器所学知识的存储结构，即学到的知识怎么表示和保存的。 数据是机器学习的粮食，也是机器的知识源头。 03 新知讲解 3 机器学习的基本框架 1. 机器学习的实施流程 在选择数据时，通常需要考虑数据的多样性和覆盖性，还需要对数据进行清洗和处理。 模型选择通常取决于问题的类别、数据本身的特点等，算法的选择和模型有很大关系。 在实际应用中，知识还能帮助模型避免犯常识性错误，改进模型性能。 模型选择与训练 数据收集与处理 知识的应用与优化 03 新知讲解 3 机器学习的基本框架 2. 学习目标：方向与量化标准 目标就像我们去一个地方要有一个目的地一样，机器也需要一个学习的目的。如果学习的目标是识别猫和狗的图片，那它最终的能力就是识别猫和狗；如果是对猫和狗出现的位置，那它最终的能力就是把出现猫和狗的位置框出来。 03 新知讲解 3 机器学习的基本框架 3. 模型：知识的表示与存储 模型有多种形式，可能是一个产生式规则，一个简单的线性方程，或一个复杂的神经网络。模型的选择通常取决于问题的类别、数据本身的特点、数据的总量、机器的内存和计算资源限制等。 用于区分苹果和橘子的线性 模型 03 新知讲解 3 机器学习的基本框架 4. 算法：参数优化与训练方法 算法是指对模型的参数进行学习和优化的步骤和方法，这一过程通常 ... ...
