第六单元 第1课《基于知识的智能》课件【清华版】人工智能通识（ 中学）
文档属性
| 名称 | 第六单元 第1课《基于知识的智能》课件【清华版】人工智能通识（ 中学） |
|
|
| 格式 | pptx | ||
| 文件大小 | 19.4MB | ||
| 资源类型 | 试卷 | ||
| 版本资源 | 清华大学版 | ||
| 科目 | 信息技术（信息科技） | ||
| 更新时间 | 2026-01-22 00:00:00 | ||
图片预览
文档简介
(共35张PPT)
第六单元 第1课
基于知识的智能
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）理解基于知识的智能方法的核心概念与历史发展。
（2）了解基于知识的智能方法的实际应用及其局限性。
02
新知导入
1. 知识作为智能的传统认知
人类智慧高度依赖知识的记忆与运用，心理学将知识处理视为智能核心，早期AI研究由此出发。
02
新知导入
2. 知识驱动AI的实现路径
通过向计算机灌输大量知识，使其模拟人类推理，试图构建“知识机器”以实现智能。
02
新知导入
3.知识方法的优势与局限
知识驱动型AI逻辑透明、解释性强，适合规则明确的专业领域； 劣势是依赖人工构建知识库，难以自动化获取海量知识且缺乏常识推理能力。
03
新知讲解
1
知识与智能
1. 人类智能的双重结构：流动智力与固定智力
美国心理学家雷蒙德·卡特尔认为，人类表现出的思维能力可以分解成两个部分：流动智力与固定智力。流动智力是指认知过程中的基础思维能力，如理解力、学习能力、以及解决新问题的能力等。固定智力和知识积累相关，主要体现为利用学到的经验和知识解决问题的能力。
流动智力（左）和固定智力（右）
03
新知讲解
1
知识与智能
2. 智能类型的年龄发展与协同关系
年轻时依赖流动智力，年长后固定智力增长；学习能力可促进知识积累，流动智力随着人到成年后开始下降，但固定智力会随着年龄的增长和知识的积累逐渐增长。
03
新知讲解
1
知识与智能
3. 知识在人类智能表现中的地位
流动智力与固定智力的区分告诉我们，知识在人类的智能表现中占有重要地位。人类创造出远超其他物种的文明，强大的推理能力固然是重要因素，但知识的累积更加重要。
03
新知讲解
1. 科学公理体系对早期AI的启发
很多科学体系（如数学、物理学等）都是构建在少量基础公理或定律基础之上。
将这些公理或定律作为通用知识，通过有限的推理规则可以衍生出大量新知识，从而构造出庞大的知识体系。
2
基于通用知识的人工智能
03
新知讲解
2. 自动定理证明的突破性成果
逻辑理论家（Logic Theorist）作为首个通用自动定理证明程序，成功证明了《数学原理》中38个定理，展示了机器推理的潜力。
2
基于通用知识的人工智能
03
新知讲解
3. 启发式搜索的核心创新
为提升效率，逻辑理论家采用启发式搜索（如优先选择高概率路径），显著减少证明所需探索的路径数量，类比迷宫中选择线索寻路。
2
基于通用知识的人工智能
03
新知讲解
4. 技术影响的延展性
启发式搜索不仅推动了定理证明发展，更为后续基于知识的AI（如人机对弈）奠定了基础，成为处理复杂搜索问题的核心范式。
2
基于通用知识的人工智能
03
新知讲解
3
基于经验知识的人工智能
1. 纯逻辑推理的现实局限性
以公理和定理表达的通用知识具有很强的普适性，是人类认识自然的成果总结。但这些基础知识往往过于抽象，要推导出现实中的自然现象往往需要大量计算。
03
新知讲解
3
基于经验知识的人工智能
2. 经验知识的价值与转向
现实世界往往更加复杂，很难由基本规律推导出来，因此，单纯基于通用知识难以推导出现实世界的复杂现象，人类专家经验虽不精确但实用，推动了AI研究从纯逻辑转向知识应用，催生了专家系统。
03
新知讲解
3
基于经验知识的人工智能
3. 专家系统的核心架构与功能
专家系统由知识库（存储领域知识）和推理引擎（模拟专家决策）构成，经验知识很难从基础规律中严格推导出来，但对解决实际问题往往更直接，因此也更有价值。
03
新知讲解
3
基于经验知识的人工智能
4. 知识表示的核心形式：产生式规则
专家系统将人类经验编码为“如果…那么…”结构的产生式规则，构成可计算的知识库。通过规则串联形成逻辑推理链，从初始事实推导出最终结论，模拟人类专家思维过程。
产生式规则“如果天阴显湿度大，那么会下雨”
规则前后连接，实现多步推理
03
新知讲解
3
基于经验知识的人工智能
6. 实际应用的复杂性与挑战
需处理概率不确定性、规则冲突、知识缺失等现实问题（如“可能淹没”中的概率），要求推理引擎具备更精细的设计。
03
新知讲解
3
基于经验知识的人工智能
专家系统可以帮助医生诊断疾病。通过输入患者的症状和病史，专家系统可以根据其知识库提供诊断结果，并推荐下一步检查方案或治疗方案。
医疗诊断
01
在工业领域，专家系统被用于监控和维护复杂设备。
设备维护
02
7.专家系统的应用领域
在农业领域，专家系统帮助农民选择最佳的种植时间、 推荐合适的农药使用量等
农业管理
03
03
新知讲解
3
基于经验知识的人工智能
8. 知识获取与梳理的瓶颈
专家系统依赖人工从领域专家处获取和梳理知识，过程耗时费力，成为系统构建的主要瓶颈。
03
新知讲解
3
基于经验知识的人工智能
9. 知识库维护的挑战
需持续更新知识库以保持有效性（如医学新知），面临新旧知识冲突、更新成本高及系统复杂性增加等问题。
03
新知讲解
4
总结
1. 知识驱动方法的优势与局限
以知识为核心的AI（如专家系统）具有强可解释性和可控性，但难以处理动态复杂场景且无法突破人类知识上限。
03
新知讲解
4
总结
2. 数据稀缺与高可靠性场景的不可替代性
在数据匮乏（如小众领域）或要求高可靠性（如医疗、航天）的场景中，基于知识的方法仍是必要且优先的选择。
03
新知讲解
思
考
与
讨
论
（1）通用知识AI （如逻辑推导）依赖数学公理与逻辑规则（类似人类抽象思维），适用于定理证明等严谨领域；
（2）经验知识AI （如专家系统）依托领域专家规则（类似人类经验直觉），擅长医疗诊断等专业决策。
1.试比较“基于通用知识的人工智能”（如逻辑推导）和“基于经验知识的人工智能”（如专家系统）在核心思想、实现方式与应用领域上的异同。你认为它们各自更像人类智能的哪个方面？
04
课堂练习
一、判断题。
1. 基于知识的AI方法可以轻松地自动从互联网中学习并构建其知识库。 ( )
2. 启发式搜索是一种通过优先选择高概率路径来提升问题解决效率的通用技术。 ( )
3. 专家系统完全依赖数学公理和纯逻辑推理，不需要人类的经验性知识。 ( )
4. 固定智力会随着年龄增长而下降，而流动智力则会不断积累。 ( )
5. MYCIN是一个在医疗诊断领域取得成功的专家系统实例。 ( )
√
×
×
×
√
04
课堂练习
二、选择题
1. 基于知识的智能方法的主要优势是什么？( )
A. 无需人类干预 B. 具备强大的常识推理能力
C. 逻辑透明，解释性强 D. 能够自动化获取海量知识
2. “逻辑理论家”程序在实现自动定理证明时，为了提升效率采用了哪种关键技术？( )
A. 深度学习 B. 启发式搜索 C. 神经网络 D. 大数据分析
3.专家系统最适用于以下哪种场景？ ( )
A. 处理海量非结构化图像数据 B. 规则明确、需要专业知识的领域
C. 进行开放的文学创作 D. 模拟人类的全部常识
4. 构建专家系统过程中，最主要的瓶颈是什么？ ( )
A. 计算机的算力不足 B. 从领域专家处人工获取和梳理知识 C. 推理引擎的算法过于复杂
B
C
B
B
04
课堂练习
三、填空题
1. 卡特尔理论将人类智能分为 和 。
2. 早期AI研究从 这一心理学核心概念出发。
3. 首个通用的自动定理证明程序是 （Logic Theorist） 。
4. 专家系统的核心组成部分是 和 。
5. 专家系统中，将人类经验编码为“如果…那么…”结构的知识表示形式称为 。
流动智力
固定智力
知识处理
逻辑理论家
逻辑理论家
推理引擎
产生式规则
05
拓展延伸
1.不确定性推理 ：现实世界充满不确定性。学习专家系统如何处理模糊信息，例如使用 确定性因子 或引入 贝叶斯网络 进行概率推理。
05
拓展延伸
2. 机器学习与知识获取 ：了解 知识发现 和 数据挖掘 技术如何尝试从大规模数据中自动或半自动地提取知识，以缓解人工构建知识库的瓶颈。
05
拓展延伸
3. 知识图谱 ：这是当前将符号知识与大模型结合的热点技术。了解谷歌等公司如何构建大规模知识图谱来增强搜索、推荐和问答系统的智能。
06
课堂总结
1
知识与智能
2
基于通用知识的人工智能
3
基于经验知识的人工智能
4
总结
5
进行相关知识拓展
1
2
3
4
5
基于知识的智能
07
板书设计
基于知识的智能
1、知识与智能
2、基于通用知识的人工智能
3、基于经验知识的人工智能
4、总结
5、进行相关知识拓展
课后作业。
1、简述基于知识的智能方法的优势和局限性，并各举一个实例说明 。
08
课后作业
1.简述基于知识的智能方法的优势和局限性，并各举一个实例说明。
（1）优势 ：逻辑透明、解释性强，适合规则明确的专业领域（如医疗诊断系统MYCIN能清晰解释诊断依据）；
（2）局限性 ：依赖人工构建知识库且难以扩展（如早期专家系统因无法自动学习新病例而逐渐被淘汰）。
https://www.21cnjy.com/recruitment/home/fine
第六单元 第1课
基于知识的智能
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）理解基于知识的智能方法的核心概念与历史发展。
（2）了解基于知识的智能方法的实际应用及其局限性。
02
新知导入
1. 知识作为智能的传统认知
人类智慧高度依赖知识的记忆与运用，心理学将知识处理视为智能核心，早期AI研究由此出发。
02
新知导入
2. 知识驱动AI的实现路径
通过向计算机灌输大量知识，使其模拟人类推理，试图构建“知识机器”以实现智能。
02
新知导入
3.知识方法的优势与局限
知识驱动型AI逻辑透明、解释性强，适合规则明确的专业领域； 劣势是依赖人工构建知识库，难以自动化获取海量知识且缺乏常识推理能力。
03
新知讲解
1
知识与智能
1. 人类智能的双重结构：流动智力与固定智力
美国心理学家雷蒙德·卡特尔认为，人类表现出的思维能力可以分解成两个部分：流动智力与固定智力。流动智力是指认知过程中的基础思维能力，如理解力、学习能力、以及解决新问题的能力等。固定智力和知识积累相关，主要体现为利用学到的经验和知识解决问题的能力。
流动智力（左）和固定智力（右）
03
新知讲解
1
知识与智能
2. 智能类型的年龄发展与协同关系
年轻时依赖流动智力，年长后固定智力增长；学习能力可促进知识积累，流动智力随着人到成年后开始下降，但固定智力会随着年龄的增长和知识的积累逐渐增长。
03
新知讲解
1
知识与智能
3. 知识在人类智能表现中的地位
流动智力与固定智力的区分告诉我们，知识在人类的智能表现中占有重要地位。人类创造出远超其他物种的文明，强大的推理能力固然是重要因素，但知识的累积更加重要。
03
新知讲解
1. 科学公理体系对早期AI的启发
很多科学体系（如数学、物理学等）都是构建在少量基础公理或定律基础之上。
将这些公理或定律作为通用知识，通过有限的推理规则可以衍生出大量新知识，从而构造出庞大的知识体系。
2
基于通用知识的人工智能
03
新知讲解
2. 自动定理证明的突破性成果
逻辑理论家（Logic Theorist）作为首个通用自动定理证明程序，成功证明了《数学原理》中38个定理，展示了机器推理的潜力。
2
基于通用知识的人工智能
03
新知讲解
3. 启发式搜索的核心创新
为提升效率，逻辑理论家采用启发式搜索（如优先选择高概率路径），显著减少证明所需探索的路径数量，类比迷宫中选择线索寻路。
2
基于通用知识的人工智能
03
新知讲解
4. 技术影响的延展性
启发式搜索不仅推动了定理证明发展，更为后续基于知识的AI（如人机对弈）奠定了基础，成为处理复杂搜索问题的核心范式。
2
基于通用知识的人工智能
03
新知讲解
3
基于经验知识的人工智能
1. 纯逻辑推理的现实局限性
以公理和定理表达的通用知识具有很强的普适性，是人类认识自然的成果总结。但这些基础知识往往过于抽象，要推导出现实中的自然现象往往需要大量计算。
03
新知讲解
3
基于经验知识的人工智能
2. 经验知识的价值与转向
现实世界往往更加复杂，很难由基本规律推导出来，因此，单纯基于通用知识难以推导出现实世界的复杂现象，人类专家经验虽不精确但实用，推动了AI研究从纯逻辑转向知识应用，催生了专家系统。
03
新知讲解
3
基于经验知识的人工智能
3. 专家系统的核心架构与功能
专家系统由知识库（存储领域知识）和推理引擎（模拟专家决策）构成，经验知识很难从基础规律中严格推导出来，但对解决实际问题往往更直接，因此也更有价值。
03
新知讲解
3
基于经验知识的人工智能
4. 知识表示的核心形式：产生式规则
专家系统将人类经验编码为“如果…那么…”结构的产生式规则，构成可计算的知识库。通过规则串联形成逻辑推理链，从初始事实推导出最终结论，模拟人类专家思维过程。
产生式规则“如果天阴显湿度大，那么会下雨”
规则前后连接，实现多步推理
03
新知讲解
3
基于经验知识的人工智能
6. 实际应用的复杂性与挑战
需处理概率不确定性、规则冲突、知识缺失等现实问题（如“可能淹没”中的概率），要求推理引擎具备更精细的设计。
03
新知讲解
3
基于经验知识的人工智能
专家系统可以帮助医生诊断疾病。通过输入患者的症状和病史，专家系统可以根据其知识库提供诊断结果，并推荐下一步检查方案或治疗方案。
医疗诊断
01
在工业领域，专家系统被用于监控和维护复杂设备。
设备维护
02
7.专家系统的应用领域
在农业领域，专家系统帮助农民选择最佳的种植时间、 推荐合适的农药使用量等
农业管理
03
03
新知讲解
3
基于经验知识的人工智能
8. 知识获取与梳理的瓶颈
专家系统依赖人工从领域专家处获取和梳理知识，过程耗时费力，成为系统构建的主要瓶颈。
03
新知讲解
3
基于经验知识的人工智能
9. 知识库维护的挑战
需持续更新知识库以保持有效性（如医学新知），面临新旧知识冲突、更新成本高及系统复杂性增加等问题。
03
新知讲解
4
总结
1. 知识驱动方法的优势与局限
以知识为核心的AI（如专家系统）具有强可解释性和可控性，但难以处理动态复杂场景且无法突破人类知识上限。
03
新知讲解
4
总结
2. 数据稀缺与高可靠性场景的不可替代性
在数据匮乏（如小众领域）或要求高可靠性（如医疗、航天）的场景中，基于知识的方法仍是必要且优先的选择。
03
新知讲解
思
考
与
讨
论
（1）通用知识AI （如逻辑推导）依赖数学公理与逻辑规则（类似人类抽象思维），适用于定理证明等严谨领域；
（2）经验知识AI （如专家系统）依托领域专家规则（类似人类经验直觉），擅长医疗诊断等专业决策。
1.试比较“基于通用知识的人工智能”（如逻辑推导）和“基于经验知识的人工智能”（如专家系统）在核心思想、实现方式与应用领域上的异同。你认为它们各自更像人类智能的哪个方面？
04
课堂练习
一、判断题。
1. 基于知识的AI方法可以轻松地自动从互联网中学习并构建其知识库。 ( )
2. 启发式搜索是一种通过优先选择高概率路径来提升问题解决效率的通用技术。 ( )
3. 专家系统完全依赖数学公理和纯逻辑推理，不需要人类的经验性知识。 ( )
4. 固定智力会随着年龄增长而下降，而流动智力则会不断积累。 ( )
5. MYCIN是一个在医疗诊断领域取得成功的专家系统实例。 ( )
√
×
×
×
√
04
课堂练习
二、选择题
1. 基于知识的智能方法的主要优势是什么？( )
A. 无需人类干预 B. 具备强大的常识推理能力
C. 逻辑透明，解释性强 D. 能够自动化获取海量知识
2. “逻辑理论家”程序在实现自动定理证明时，为了提升效率采用了哪种关键技术？( )
A. 深度学习 B. 启发式搜索 C. 神经网络 D. 大数据分析
3.专家系统最适用于以下哪种场景？ ( )
A. 处理海量非结构化图像数据 B. 规则明确、需要专业知识的领域
C. 进行开放的文学创作 D. 模拟人类的全部常识
4. 构建专家系统过程中，最主要的瓶颈是什么？ ( )
A. 计算机的算力不足 B. 从领域专家处人工获取和梳理知识 C. 推理引擎的算法过于复杂
B
C
B
B
04
课堂练习
三、填空题
1. 卡特尔理论将人类智能分为 和 。
2. 早期AI研究从 这一心理学核心概念出发。
3. 首个通用的自动定理证明程序是 （Logic Theorist） 。
4. 专家系统的核心组成部分是 和 。
5. 专家系统中，将人类经验编码为“如果…那么…”结构的知识表示形式称为 。
流动智力
固定智力
知识处理
逻辑理论家
逻辑理论家
推理引擎
产生式规则
05
拓展延伸
1.不确定性推理 ：现实世界充满不确定性。学习专家系统如何处理模糊信息，例如使用 确定性因子 或引入 贝叶斯网络 进行概率推理。
05
拓展延伸
2. 机器学习与知识获取 ：了解 知识发现 和 数据挖掘 技术如何尝试从大规模数据中自动或半自动地提取知识，以缓解人工构建知识库的瓶颈。
05
拓展延伸
3. 知识图谱 ：这是当前将符号知识与大模型结合的热点技术。了解谷歌等公司如何构建大规模知识图谱来增强搜索、推荐和问答系统的智能。
06
课堂总结
1
知识与智能
2
基于通用知识的人工智能
3
基于经验知识的人工智能
4
总结
5
进行相关知识拓展
1
2
3
4
5
基于知识的智能
07
板书设计
基于知识的智能
1、知识与智能
2、基于通用知识的人工智能
3、基于经验知识的人工智能
4、总结
5、进行相关知识拓展
课后作业。
1、简述基于知识的智能方法的优势和局限性，并各举一个实例说明 。
08
课后作业
1.简述基于知识的智能方法的优势和局限性，并各举一个实例说明。
（1）优势 ：逻辑透明、解释性强，适合规则明确的专业领域（如医疗诊断系统MYCIN能清晰解释诊断依据）；
（2）局限性 ：依赖人工构建知识库且难以扩展（如早期专家系统因无法自动学习新病例而逐渐被淘汰）。
https://www.21cnjy.com/recruitment/home/fine
同课章节目录