《人工智能基础》教案：与机器人畅聊.docxVIP

《人工智能基础》教案

课时分配表

任务

课程内容

课时

备注

1

走进人工智能——从身边的智能应用说起

6

2

图像识别——花卉识别App的奥秘

8

3

自然语言处理——与机器人畅聊

8

4

智能推荐系统——电商平台的“贴心管家”

8

5

交通出行智变——无人驾驶的智能力量

6

6

创作领域焕新——生成式AI开启新生活

8

7

人工智能的发展态势与伦理规范

4

总计

48

任务3：自然语言处理——与机器人畅聊

课题

自然语言处理——与机器人畅聊

课时

8课时

教学目标

知识技能目标：

1.会通过不同方式唤醒常见聊天机器人（如华为小艺、苹果Siri、小米小爱同学、百度小度），熟练运用其完成查询天气、设置提醒、驾车信息查询等任务。

2.理解自然语言处理（NLP）的定义，清晰区分自然语言理解（如机器听懂指令）与自然语言生成（如机器生成回复），结合“小艺查天气”案例阐述工作原理。

3.了解自然语言处理从萌芽阶段（1950s）到深度学习阶段（2010年至今）的5个时期特点、标志性事件（如图灵测试、GANs提出）、关键理论（转换生成语法）及技术突破（预训练模型）。

4.能列举语音助手、机器翻译、智能客服、文本生成、情感分析5个以上NLP应用场景，说明技术在各场景的具体作用（如智能客服通过NLP理解用户咨询意图）。

5.阐述自然语言处理一般流程（词法分析→句法分析→语义理解→语用分析→文本生成），了解各环节任务（如词法分析含分词、词性标注）与常用方法（如分词的基于词典法）。

6.区分基于规则的方法（如语法规则句法分析）、统计机器学习方法（如SVM情感分析）、深度学习方法（如Transformer文本生成）在NLP不同阶段的应用差异。

7.了解朴素贝叶斯（垃圾邮件检测）、支持向量机（情感分析）、隐马尔可夫模型（语音识别）等传统机器学习算法，以及RNN、LSTM、Transformer等深度学习算法在NLP中的应用场景与核心原理。

8.了解自然语言处理面临的语言歧义性（词汇/结构/指代歧义）、文化背景差异、语言动态变化等挑战，能提出对应解决思路（如用Transformer模型消除歧义）。

9.结合京东客服案例，了解智能问答系统“问题获取→问题理解→知识检索→答案生成→答案输出”各环节的具体工作内容（如问题理解含词法/句法分析）与实现方式。

10.以百度翻译为例，理解机器翻译“数据收集与预处理→模型训练→翻译解码→后处理”各阶段的操作（如数据清洗去除乱码）与原理（如Transformer架构学习语言映射）。

思政育人目标：

1.了解我国在自然语言处理领域的成果（如百度翻译、华为小艺的中文语境优化），增强民族自豪感与爱国主义情怀。

2.学习自然语言处理技术研发中的探索精神（如图灵提出测试理论、Transformer模型创新），培养科学思维与积极进取的学习态度，勇于面对“语言歧义性”等技术挑战。

3.树立正确的技术价值观，认识自然语言处理可能带来的文化传播风险（如文化特色表达翻译偏差），培养对跨文化文本的批判性理解能力，传播正向语言文化。

教学重难点

教学重点：

1.自然语言处理的定义与核心组成（自然语言理解+生成）、发展历程的5个阶段及标志性事件。

2.自然语言处理的一般流程（词法→句法→语义→语用→文本生成）及各环节任务与方法。

3.NLP三大技术方法（基于规则、统计机器学习、深度学习）的应用场景与差异。

4.智能问答系统（京东客服）与机器翻译（百度翻译）的完整流程与实现原理。

教学难点：

1.自然语言理解与自然语言生成的协同逻辑（如机器先理解“查天气”指令，再生成天气回复）。

2.深度学习算法（如Transformer的自注意力机制）在NLP中的应用原理（如何捕捉长文本依赖）。

3.语言歧义性的解决思路（如用上下文分析消除“bank”的“银行/河岸”歧义）。

4.机器翻译中文化特色表达的处理（如“叶公好龙”的寓意传递而非字面翻译）。

教学方法

讲授法、案例分析法（小艺查天气、京东智能客服、百度翻译）、实践操作法（唤醒并使用聊天机器人）、小组讨论法（探讨NLP挑战的解决思路）、对比分析法（三大技术方法差异）

教学用具

电脑、投影仪、多媒体课件、教材、智能手机（学生自备，用于体验聊天机器人）、PPT（含NLP流程示意图、算法原理图解、案例操作步骤图）、聊天机器人操作视频（辅助演示）

教学设计

第1-8节课

?考勤（2分钟）：清点人数，记录考勤，培养组织纪律性。

?知识讲解（每节40分钟，含实践操作与课堂互动）：结合聊天机器人实操、