5.2 探秘人工智能-揭秘智能算法 教学设计 2022—2023学年教科版（2019）高中信息技术必修1
文档属性
| 名称 | 5.2 探秘人工智能-揭秘智能算法 教学设计 2022—2023学年教科版（2019）高中信息技术必修1 |  | |
| 格式 | docx | ||
| 文件大小 | 920.3KB | ||
| 资源类型 | 教案 | ||
| 版本资源 | 教科版（2019） | ||
| 科目 | 信息技术（信息科技） | ||
| 更新时间 | 2023-05-09 22:45:39 | ||
图片预览
文档简介
认识人工智能——揭秘智能算法
【教材分析】
本节课选自教育科学出版社出版的普通高中教科书《信息技术》必修 1《数据与计算》第 5单元《数据分析与人工智能》第二节《探秘人工智能》的任务二。人工智能是一个新领域，在生活中接触的频率颇高，但我们对其核心了解甚少，所以在对这个教材内容的处理，主要是通过概率去挖掘原理，让学生进步了解人工智能背后的实现方法。
【学情分析】
本节课授课对象为高一学生，高一学生对生活有较高的感知能力，对新事物也充满热情，且其理性思维较为丰富，对原理和技术细节较感兴趣。有鉴于此，本节课的设计不只停留在对人工智能产品的感知应用上，而是一定程度对其实现方法进行剖析和举例说明，满足学生的好奇心和求知欲。
【教学目标】
1. 了解什么是机器学习；
2. 了解人工神经网络在人工智能中的基本应用；
3. 了解人工智能技术发展的新趋势。
【教学重点难点】
教学重点：机器学习的实现方法
教学难点：对神经网络的理解。
【教学过程】
环节 教师活动 设计意图
1、 引 入 话题导入：人工智能在我们生活的生活中十分常见，比如各种购物资讯软件的信息推送，手机的语音助手，在线客服，更高级一点的就有人脸识别，自动驾驶，智能管家等等。 提出问题：那人工智能是如何能实现这些各种各样的功能呢？ 1.通过生活中的例子引入课堂 2.引起同学思考
2、 机 器 学 习 引入概念：机器学习就是人工智能的核心技术之一，它使计算机能模拟甚至实现人类的学习行为，获取新的知识或技能，重新组织已有的知识结构，从而不断完善自身性能。 举例：我们给计算机看一些照片，并告诉它这是一只鸟，一只狗，一只猫或者一头象，计算机就去学习我们“告诉”它的知识，并记住这些知识。后面我们给它看一张新的照片，它也能推断出这张照片中的内容。 引入机器学习概念，让学生对机器学习有一个感性认识。 通过一个简单的例子帮助学生理解机器学习的基本模式。
任务安排： 给出一张图片，请同学们以小组的形式交流讨论一下如何使计算机识别出图片中的内容。（给5—8分钟的时间） 讨论结束后每个小组派一个代表总结各自小组提出的实现方法。 采用任务驱动法使每个学生都能参与到课堂中来，也利于学生主动思考、自主学习能力的培养。
结合学生提出的观点，总结机器学习的运作模式，提出模型的概念。 计算中任意数字都是以“0”和“1”来表示的，图片在计算机中也可由数字构成，屏幕中的每一个像素点都可以用数字来代表它亮度。 比如我们用“0”来代表黑色，“255”来代表白色，那么任何介于0和255之间的数字就可以用来代表介于黑色和白色之间的颜色。 图片中的内容也可以用某一数字来替代。 我们教导计算机这个图是什么、那个图是什么的学习过程又叫做训练，目的是为了让计算机得出上面这个公式，这个公式我们通常叫做模型。 概念解析：帮助学生总结，深入理解机器学习的基本知识。
3. 人 工 神 经 网 络 概念解析：通过模型引出人工神经网络，其实就是一个数学公式，数学模型。它是仿照生物大脑的神经细胞来工作的。 讲解生物神经元传递信号的方式： (3)结合T恤图片的案例讲解人工神经网络的主要组成结构。 通过对学生已有的生物神经元传递信号的知识讲解有利于学生从已有认知角度去思考、理解、认识人工神经网络的知识。
4. 深 度 学 习 和 强 化 学 习 深度学习就是人工神经网络的一个特例，这里的“深度”并非学习的内容、难度有多复杂、高深，而是指内部的练习强度。深度学习算法尽管取得很大的突破，却要依赖非常非常多的数据，并且得标注什么数据是正确的，什么数据是错误的，稍有一点偏差计算机就会误判。比如我们给计算机一张猫猫的图片，它可能会给我们一个狗狗的图片。 面对这种情况，我们出现了一种新的机器学习算法——强化学习。强化学习是用来解决智能决策问题的算法框架，强化学习算法的核心就是不停地跟环境交互，不停地试错，不停地改进自己，直到得到最优策略。 应用场景: AlphaGo—> AlphaGo zero就是典型的深度学习—>强化学习： 我们知道AlphaGo 打败了围棋世界冠军，AlphaGO 是采用神经网络学习算法，分析了三千万盘职业棋手的棋谱来学习的，这里采取的是深度学习。但是 AlphaGo的升级版，AlphaGo zero，完全通过自我博弈的强化学习算法训练自己，从0开始训练，而且完全摈弃了人类棋谱的影响，最后在与 Alpha Go 的对弈中取得 100 比 0 的胜利。这是强化学习算法的优势所在。 1. 认识深度学习及其深度学习的局限，介绍强化学习以及它的优势，通过alpha go的例子加深学生对强化学习的认识。
5. 总 结 人工智能、机器学习、人工神经网络及其深度学习之间的关系： 人工智能技术还处于快速发展阶段，未来还有很多突飞猛进的变化等待着我 们，让我们拭目以待。 梳理知识点； 巩固认知。
【教材分析】
本节课选自教育科学出版社出版的普通高中教科书《信息技术》必修 1《数据与计算》第 5单元《数据分析与人工智能》第二节《探秘人工智能》的任务二。人工智能是一个新领域，在生活中接触的频率颇高，但我们对其核心了解甚少，所以在对这个教材内容的处理，主要是通过概率去挖掘原理，让学生进步了解人工智能背后的实现方法。
【学情分析】
本节课授课对象为高一学生，高一学生对生活有较高的感知能力，对新事物也充满热情，且其理性思维较为丰富，对原理和技术细节较感兴趣。有鉴于此，本节课的设计不只停留在对人工智能产品的感知应用上，而是一定程度对其实现方法进行剖析和举例说明，满足学生的好奇心和求知欲。
【教学目标】
1. 了解什么是机器学习；
2. 了解人工神经网络在人工智能中的基本应用；
3. 了解人工智能技术发展的新趋势。
【教学重点难点】
教学重点：机器学习的实现方法
教学难点：对神经网络的理解。
【教学过程】
环节 教师活动 设计意图
1、 引 入 话题导入：人工智能在我们生活的生活中十分常见，比如各种购物资讯软件的信息推送，手机的语音助手，在线客服，更高级一点的就有人脸识别，自动驾驶，智能管家等等。 提出问题：那人工智能是如何能实现这些各种各样的功能呢？ 1.通过生活中的例子引入课堂 2.引起同学思考
2、 机 器 学 习 引入概念：机器学习就是人工智能的核心技术之一，它使计算机能模拟甚至实现人类的学习行为，获取新的知识或技能，重新组织已有的知识结构，从而不断完善自身性能。 举例：我们给计算机看一些照片，并告诉它这是一只鸟，一只狗，一只猫或者一头象，计算机就去学习我们“告诉”它的知识，并记住这些知识。后面我们给它看一张新的照片，它也能推断出这张照片中的内容。 引入机器学习概念，让学生对机器学习有一个感性认识。 通过一个简单的例子帮助学生理解机器学习的基本模式。
任务安排： 给出一张图片，请同学们以小组的形式交流讨论一下如何使计算机识别出图片中的内容。（给5—8分钟的时间） 讨论结束后每个小组派一个代表总结各自小组提出的实现方法。 采用任务驱动法使每个学生都能参与到课堂中来，也利于学生主动思考、自主学习能力的培养。
结合学生提出的观点，总结机器学习的运作模式，提出模型的概念。 计算中任意数字都是以“0”和“1”来表示的，图片在计算机中也可由数字构成，屏幕中的每一个像素点都可以用数字来代表它亮度。 比如我们用“0”来代表黑色，“255”来代表白色，那么任何介于0和255之间的数字就可以用来代表介于黑色和白色之间的颜色。 图片中的内容也可以用某一数字来替代。 我们教导计算机这个图是什么、那个图是什么的学习过程又叫做训练，目的是为了让计算机得出上面这个公式，这个公式我们通常叫做模型。 概念解析：帮助学生总结，深入理解机器学习的基本知识。
3. 人 工 神 经 网 络 概念解析：通过模型引出人工神经网络，其实就是一个数学公式，数学模型。它是仿照生物大脑的神经细胞来工作的。 讲解生物神经元传递信号的方式： (3)结合T恤图片的案例讲解人工神经网络的主要组成结构。 通过对学生已有的生物神经元传递信号的知识讲解有利于学生从已有认知角度去思考、理解、认识人工神经网络的知识。
4. 深 度 学 习 和 强 化 学 习 深度学习就是人工神经网络的一个特例，这里的“深度”并非学习的内容、难度有多复杂、高深，而是指内部的练习强度。深度学习算法尽管取得很大的突破，却要依赖非常非常多的数据，并且得标注什么数据是正确的，什么数据是错误的，稍有一点偏差计算机就会误判。比如我们给计算机一张猫猫的图片，它可能会给我们一个狗狗的图片。 面对这种情况，我们出现了一种新的机器学习算法——强化学习。强化学习是用来解决智能决策问题的算法框架，强化学习算法的核心就是不停地跟环境交互，不停地试错，不停地改进自己，直到得到最优策略。 应用场景: AlphaGo—> AlphaGo zero就是典型的深度学习—>强化学习： 我们知道AlphaGo 打败了围棋世界冠军，AlphaGO 是采用神经网络学习算法，分析了三千万盘职业棋手的棋谱来学习的，这里采取的是深度学习。但是 AlphaGo的升级版，AlphaGo zero，完全通过自我博弈的强化学习算法训练自己，从0开始训练，而且完全摈弃了人类棋谱的影响，最后在与 Alpha Go 的对弈中取得 100 比 0 的胜利。这是强化学习算法的优势所在。 1. 认识深度学习及其深度学习的局限，介绍强化学习以及它的优势，通过alpha go的例子加深学生对强化学习的认识。
5. 总 结 人工智能、机器学习、人工神经网络及其深度学习之间的关系： 人工智能技术还处于快速发展阶段，未来还有很多突飞猛进的变化等待着我 们，让我们拭目以待。 梳理知识点； 巩固认知。