信息技术（财经商贸类） 教案 03第三章 人工智能.docx

《信息技术导论》课程教案

课题：第三章人工智能

教学目的：

1.了解人工智能的概念及发展历程；

2.了解知识图谱的发展历程；

3.掌握知识图谱的应用方式；

4.掌握搜索引擎的分类以及发展历程；

5.熟练掌握群体智能优化算法；

6.熟练掌握监督学习、无监督学习、弱监督学习；

7.掌握神经网络与神经元的概述；

8.了解常用的计算机视觉模型以及人脸识别技术；

9.掌握语言处理的各种方式。

课型：新授课

课时：

本章安排12个课时。

教学重点：

重点：监督学习、无监督学习、弱监督学习。

教学难点：

难点：群体智能优化算法。

教学过程：

教学形式：讲授课，教学组织采用课堂整体讲授和分组演示。

教学媒体：采用启发式教学、案例教学等教学方法。教学手段采用多媒体课件、视频等媒体技术。

板书设计：

本课标题

人工智能

课次

6

授课方式

理论课□讨论课□习题课□其他□

课时安排

12

学分

共2分

授课对象

企业管理人员的培训

任课教师

教材及参考资料

1.《信息技术导论》；电子工业出版社。

2.本教材配套视频教程及学习检查等资源。

3.与本课程相关的其他资源。

教学基本内容

教学方法及教学手段

引导案例

特斯拉的自动驾驶技术是利用人工智能和深度学习算法来实现车辆的自动驾驶。这项技术主要包括以下几个方面：

1.感知环境：自动驾驶车辆需要通过传感器（如雷达、激光雷达、摄像头等）来感知周围环境，包括道路、车辆、行人、交通标志等信息。

2.决策规划：利用深度学习算法对感知到的环境信息进行分析和处理，识别交通状况，规划车辆的行驶路径和速度。

3.控制执行：根据决策规划的结果，通过车辆的控制系统控制车辆的加速、制动、转向等动作。

4.学习优化：通过不断地学习和优化，提高自动驾驶系统的性能和安全性。

特斯拉的自动驾驶技术目前还处于不断发展和完善中，但已经取得了一定的成果。例如，特斯拉的车辆已经能够在高速公路上实现自动驾驶，减轻驾驶员的疲劳，提高行驶的安全性。

以上是人工智能在无人驾驶领域的应用，以及如何通过传感器和数据处理技术实现车辆的安全驾驶。

参考以下形式：

1.衔接导入

2.悬念导入

3.情景导入

4.激疑导入

5.演示导入

6.实例导入

7.其他形式

本章基本知识汇总

第一节人工智能概述

一、人工智能的基本概念

人工智能（ArtificialIntelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，人工智能的概念可以分成两部分，即“人工”和“智能”：“人工”是由人类设计、为人创造和制造的，“智能”是利用计算机和机器模仿人类思维解决问题和制定决策的能力。

从能力角度，人工智能可以分为弱人工智能、强人工智能和超人工智能。

弱人工智能也称限制领域人工智能（NarrowAI）或应用型人工智能（AppliedAI），通常指只专注于处理限制领域的人工智能，而不具备像人类一样的思维方式，也不会拥有自我意识，只是看起来是智能的。

强人工智能是类似人类级别的智能，也是人工智能研究的主要目标之一。强人工智能能够以人类的方式推理和解决问题，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。强人工智能的目标是使人工智能在非监督学习的情况下处理前所未见的细节，并同时与人类开展交互式学习。

超人工智能是一种构建在强人工智能之上的更高层次的智能，超人工智能可以实现与人类智能相同的功能，即可以重新编程和改进自己，正如人类智能可以实现生物进化一样，也就是“递归的自我改进功能”。现在看来，这类智能离我们还很遥远，然而在未来，超人工智能仍有可能实现。

二、人工智能的发展历程

萌芽阶段：在1956年的达特茅斯会议上，人工智能的概念首次被提出，标志着人工智能的诞生。

起步发展阶段：20世纪50年代中期至20世纪60年代初期。在萌芽阶段随后的十余年内，人工智能领域相继取得的一批令人瞩目的研究成果掀起了人工智能发展的第一个高潮。这一阶段的标志性事件有1959年第一台工业机器人Unimate的诞生和1965年第一台聊天机器人ELIZA的诞生。

反思发展阶段：20世纪60年代至20世纪70年代初期。起步发展阶段的突破性成果大大提升了人们对人工智能的期望，研究者开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，受限于当时的算法水平和计算机性能，接二连三的失败和预期目标的落空，使人工智能的发展陷入低谷。

应用发展阶段：20世纪70年代初期至20世纪80年代中期。经过反思发展阶段，人们发现机器模仿人类思维是一个十分庞大的系统工程，难以用现有的理论成果构建模型，但通过计算机模拟人类专家的知识和经验解决特定领域的问题是可行的，因此在这一阶段出现了诸多专家系统，实现了人工智能从理论研究走向实际应用