(
课件网) 第五单元 第4课 深度学习兴起 清华版（小学） 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）了解深度学习时代及其代表人物辛顿。 （2）知道人工神经网络原理，知道深度学习的典型成果。 02 新知导入 技术发展的时代特征 2010年后深度学习成为AI领域的核心驱动力，其强大的特征自动提取与模式识别能力，推动人工智能在图像识别、自然语言处理等任务中取得突破性进展。 02 新知导入 关键问题的探讨方向 本节将重点解析深度学习的本质内涵，并揭示其性能优势的来源。 03 新知讲解 1 模仿大脑 理论奠基与核心主张 图灵在《智能机器》中首次提出"机器需模拟人脑自主学习"的核心理念，为神经网络研究奠定思想基础，强调仿生学路径是实现AI自主进化的关键。 03 新知讲解 1 模仿大脑 生物神经元的启发价值 人类大脑通过简单神经元的复杂互联产生智能，其核心机制在于突触连接强度的可塑性，为AI网络结构设计提供生物学原型。 03 新知讲解 1 模仿大脑 学习能力的本质诠释 将人类知识积累过程解构为"神经元连接动态调整"的物理过程，揭示智能增长的本质是连接权重的迭代优化。 03 新知讲解 理论奠基与早期探索 1943年麦卡洛克和皮茨首次提出人工神经网络模型，通过数学节点模拟生物神经元及其连接机制，开创了仿生智能研究的先河。 2 人工神经网络与深度学习 03 新知讲解 技术瓶颈与停滞原因 因缺乏有效的复杂网络训练算法，神经网络长期处于"可构想不可实现"的状态，如同未开采的金矿，导致许多研究者放弃该方向。 2 人工神经网络与深度学习 03 新知讲解 学科发展的曲折性 尽管神经网络的生物启发性极具吸引力，但理论与实践的断层使其在20世纪中期陷入低谷，印证了颠覆性技术常需经历"构想-沉寂-突破"的非线性发展规律。 2 人工神经网络与深度学习 03 新知讲解 历史对照的启示 早期困境与后来深度学习的爆发形成鲜明对比，证明算力、算法等技术的成熟度往往决定研究方向的兴衰，而非理论本身的价值高低。 2 人工神经网络与深度学习 03 新知讲解 科学坚守与信念的力量 杰弗里·辛顿在多数学者放弃神经网络研究时仍坚持"仿生智能"路径，体现了科学家对核心问题的执着探索精神，其信念最终引领AI突破瓶颈。 2 人工神经网络与深度学习 03 新知讲解 里程碑式的技术突破 2006年提出的新方法，首次有效训练多层神经网络，解决梯度消失等关键问题，释放深度模型的潜力。总层数超过3层的人工神经网络被称为“深度神经网络”，基于深度神经网络的学习方法一般称为“深度学习”。 2 人工神经网络与深度学习 03 新知讲解 概念体系的层级建构 深度学习是神经网络研究的一部分，而神经网络是机器学习的一种模型，机器学习又是人工智能的一种方法。 2 人工神经网络与深度学习 03 新知讲解 时代影响的广泛性 该突破直接推动AI进入深度学习新时代，使计算机在图像识别、自然语言处理等领域实现人类水平的表现，引发新一轮技术革命。 2 人工神经网络与深度学习 03 新知讲解 技术突破的变革性影响 深度学习将人脸识别等技术的准确率从不足95%提升至99%以上，彻底改变了AI在各领域的应用效能，其革命性成果可追溯至2006年辛顿的开创性工作。 3 深度学习革命 03 新知讲解 学术共同体的协作网络 辛顿、本吉奥和杨立昆构成深度学习"三巨头"，杨立昆为辛顿博士后，本吉奥与杨立昆共事于贝尔实验室，他们之间的合作与交流，为深度学习的发展莫定了重要基础。 3 深度学习革命 03 新知讲解 荣誉体系的历史认可 2018年三人共获图灵奖，既是对个体贡献的肯定，也标志着深度学习作为AI核心范式的地位确立。 3 深度学习革命 03 ... ...
