中小学人工智能课程 第18节：神经网络的“能力关键”——数据与算力 教案.docxVIP

第18节：神经网络的“能力关键”——数据与算力

一、基本信息

课程名称：初中人工智能基础

课时主题：神经网络的“能力关键”——数据与算力

适用年级：九年级

课时时长：40分钟

核心定位：以“燃料与引擎”为核心类比，通过“校园场景故障排查+动手实验对比”，解析数据与算力对神经网络的支撑作用，建立“数据质量决定精度、算力规模决定效率”的认知，衔接上节课神经网络模型的落地应用条件。

二、教学目标

（一）知识目标

能说出神经网络的“数据三要素”（数量、质量、标注）及通俗含义，匹配校园场景实例（如标注=给图书贴分类标签），准确率≥90%；

能区分算力的核心硬件（CPU/GPU）与“云-端”应用场景（如云端训练模型、端侧人脸识别），说明2条关键差异；

能解释“数据-算力-模型”的协同关系（如优质数据+小算力＞劣质数据+大算力），引用1个实验依据。

（二）能力目标

通过“数据质检”实践，提升数据质量的判断与筛选能力；

通过“算力对比”实验，强化不同场景下算力需求的分析能力；

通过“校园AI方案优化”任务，培养数据与算力的匹配设计能力。

（三）情感目标

破除“数据越多越好”“算力越大越强”的误区，建立“适配性优先”的理性认知；

体会数据隐私保护的重要性，增强“数据使用者”的责任意识；

理解技术落地的多要素制约逻辑，培养科技设计的系统性思维。

三、教学重难点

（一）教学重点

数据支撑神经网络的核心要求（校园类比版）：

要素

通俗理解

校园场景示例（作业批改AI）

核心影响

数量

学习素材的多少

收集300份vs30份学生作业数据

数据不足→模型“学不会”

质量

素材的准确性

清晰手写作业vs模糊涂改作业

质量差→模型“学错”

标注

素材的标签说明

给作业标注“错题类型：计算错误”

无标注→模型“看不懂”

算力支撑神经网络的关键维度：

硬件基础：CPU（普通计算器）适合简单推理，GPU（超级计算器）适合大规模训练；

场景适配：云端（校园服务器）负责模型训练，端侧（门禁设备）负责实时推理。

（二）教学难点

数据“质量优先于数量”的实证理解：通过对比实验突破“数据越多效果越好”的认知偏差；

数据与算力的协同适配逻辑：结合任务需求（如实时性、精度）匹配资源，避免“大材小用”或“力不从心”；

数据标注的规范性影响：理解“错标数据”对神经网络的误导作用，如将“散文”标为“科普”导致分类错误。

四、教学准备

多媒体资源：

PPT：含“垃圾分类AI训练失败”情境动画、数据质量对比图、云-端算力架构示意图；

模拟工具：在线神经网络训练演示器（可调整数据量/质量/算力参数观察输出变化）；

短视频：《AI的数据“食堂”》（3分钟，类比数据筛选如食材质检）。

教具材料：

数据质检卡：每组10张（含清晰/模糊的图书图片、正确/错误标注的垃圾照片）；

算力体验包：每组1部手机、1台电脑（预装同一神经网络模拟程序）；

任务匹配卡：6张（印“实时人脸识别”“课后作业批改”等场景及数据/算力选项）；

标注工具包：每组5张校园植物照片、标签贴纸（“乔木/灌木”“开花/不开花”）。

课前准备：

让学生收集3张“校园常见物品”照片（如课本、校服）；

预分6组，每组增设“数据师”“算力师”角色分工。

五、教学过程

（一）情境导入：AI“学不会”的秘密（5分钟）

1.故障复盘（3分钟）

播放上节课“垃圾分类AI大脑”训练失败动画：“AI把塑料瓶反复判成厨余垃圾，问题出在哪？”

小组抢答猜想，教师板书关键词：“数据不够？”“算得太慢？”“数据错了？”

2.概念引入（2分钟）

出示“汽车类比图”：“神经网络像汽车，模型结构是车身，数据是汽油，算力是发动机——缺一样都跑不起来！”

板书课题：神经网络的“能力关键”——数据与算力，明确本节课任务：“找出AI‘学不会’的真因，给它配齐‘燃料’和‘引擎’。”

（二）新知探究一：数据——AI的“学习燃料”（12分钟）

1.数据三要素：从“能用”到“好用”（4分钟）

播放《AI的数据“食堂”》短视频，讲解：“AI挑食！要吃‘足量、新鲜、带标签’的‘饭菜’”：

数量：“吃得多才学得会”——识别校园植物需100张vs10张照片的差异；

质量：“吃得鲜才学得对”——模糊照片会让AI“看走眼”；

标注：“带标签才知对错”——给照片贴“乔木”标签，AI才懂分类标准。

出示校园数据案例表，强化认知：

数据类型

数量要求

质量标准

标注示例

作业错题识别

≥200