人工智能導論-技術、應用及倫理 理論教案 倪波 第1、2章 人工智能概況、生成式大模型

人工智能通識課教學設計課程名稱：人工智能通識課授課年級：大二各年級授課學期：2026-2027學年第1學期教師姓名：任課教師專業類別：理工科（非計算機類）上課地點：多媒體教室總學時：48學時（理論16+實驗32）使用教材：人工智能導論日?期：2026年09月教案正文課題名稱第1章人工智能概況計劃學時3學時內容分析本章作為全課程的導引，旨在幫助學生建立對人工智能（AI）的整體認知框架。

內容涵蓋AI的定義與分類（弱AIvs強AI）、發展"三起三落"歷程、

三大學派（符號主義/連接主義/行為主義）的思想爭鳴、驅動AI發展的三大要素（算法/算力/數據），

以及我國AI發展的路徑與格局。通過本章學習，學生將理解AI"能做"與"不能做"的能力邊界，

樹立"科技自立自強"的信念與"以人為本、智能向善"的倫理意識，為后續章節奠定基礎。思政融入通過介紹我國在全球AI浪潮中從"追趕者"邁向"定義者"的歷程

（DeepSeek開源模型、華為昇騰算力、算電協同等），

增強學生的民族自豪感與科技自立自強的使命感；

通過探討AI的倫理邊界（幻覺、偏見、隱私），

引導學生樹立"以人為本、智能向善"的技術價值觀。一、教學目標及基本要求【知識目標】·理解人工智能的經典定義、弱人工智能與強人工智能的本質區別；·掌握符號主義、連接主義、行為主義三大流派的核心觀點及融合趨勢；·熟悉人工智能發展歷程中的"三起三落"關鍵節點與標志性事件；·深刻理解算法、算力、數據"三要素"的內涵及其協同關系；·了解我國人工智能在國家戰略、區域布局及產業應用層面的最新發展格局。【能力目標】·能夠運用多元智能理論辨析當前人工智能的能力邊界與技術局限；·能夠結合智能制造、智慧農業等典型案例，分析AI技術解決行業痛點的邏輯路徑；·具備初步的產業洞察力，能識別核心技術挑戰，并辯證看待技術發展的機遇與風險。【素養目標】·樹立"科技自立自強"的信念，增強民族自豪感與使命感；·強化"以人為本、智能向善"的倫理意識，明確技術應服務于人類福祉；·確立正確的技術價值觀，認識到人工智能是"人類能力的放大器"而非"替代者"。二、教學重點、難點與教學方式教學重點1.人工智能的定義與弱/強AI分類；

2.人工智能發展"三起三落"的關鍵節點；

3.算法、算力、數據三要素的內涵與協同關系；

4.我國AI發展的路徑特征與戰略布局。教學難點1.三大學派的思想差異與協同機制；

2.深度學習與大模型在第三次AI高潮中的歷史地位；

3.如何引導學生辯證看待AI的能力邊界。教學方式教學采用教師課堂講授為主，結合教學PPT、短視頻與互動討論進行講解；

通過"機器識別水果"等生活化案例，幫助學生理解三大學派的協同機制；

安排課堂討論環節，引導學生思考AI的倫理邊界與未來挑戰。三、教學過程第一課時（人工智能的定義、分類與智能本質）1.創設情境，導入新課(1)教師播放短視頻（1-2分鐘）：展示手機語音助手、導航避堵、AI繪畫等日常場景，引出問題："這些神奇的能力背后，究竟是什么技術在驅動？"(2)教師提問：①"你們認為什么是智能？人類智能和人工智能有什么不同？"②"你們用過哪些AI工具？它們讓你印象最深刻的能力是什么？"(3)明確本章學習目標：了解AI的定義與分類、理解AI的發展歷程與三要素、認識我國AI發展格局、思考AI的倫理邊界。2.進行重點知識的講解（1）人工智能的定義教師講解：人工智能是一門讓機器能夠像人一樣"看、聽、說、想、做"的技術科學。引用國家標準GB/T41867-2022的定義："通過模擬、延伸和擴展人類智能，實現感知、認知、決策與執行的綜合技術與系統"。互動提問："你們覺得AI的智能，和人類說的智能是一回事嗎？"引出霍華德·加德納的多元智能理論。多元智能理論（加德納八種智能類型）智能類型通俗解釋典型表現語言智能對文字的敏感度和運用能力作家、詩人、演說家邏輯-數學智能對數字、邏輯關系的敏感度科學家、工程師、程序員空間智能對形狀、色彩、空間的感知能力畫家、建筑師、飛行員肢體-動覺智能用身體表達想法或動手操作的能力舞蹈家、運動員、外科醫生音樂智能對音調、節奏、音色的敏感度音樂家、作曲家人際智能理解他人、與人合作的能力教師、銷售員、心理咨詢師內省智能認識自己、了解自己感受的能力哲學家、作家、優秀管理者自然觀察智能識別和分類自然萬物的能力植物學家、農民、廚師（2）人工智能的主要分類（弱AIvs強AI）教師講解：當前所有實用AI系統都屬于"弱人工智能"——專精于特定任務，不具備真實理解與自我意識。弱AI實例：人臉識別、語音助手、下棋程序——在各自領域可能超越人類，但換個任務就無能為力。強AI（AGI）愿景：具備通用認知能力，能跨領域遷移知識，擁有真實理解——目前仍處于探索階段。課堂討論："你們認為我們這輩子能看到真正的強AI出現嗎？如果出現了，會帶來哪些機遇和風險？"3.歸納總結，布置課后作業(1)課堂小結：回顧本節課核心知識點——AI的定義（國標）、多元智能理論的八種類型、弱AI與強AI的本質區別。(2)隨堂練習（口頭作答）：①"請舉出一個你們日常生活中接觸的弱人工智能應用，并說明它屬于多元智能中的哪一類？"②"你認為目前的大語言模型（如DeepSeek）屬于弱AI還是強AI？為什么？"(3)課后作業：閱讀教材第1章1.1節，思考并完成教材"思考題"；預習1.2節（發展歷程與三要素）。第二課時（發展歷程、三大學派與三要素）1.回顧上節課內容，明確本節課學習目標(1)教師答疑：針對上節課作業中的共性問題進行解答。(2)快速回顧：AI的定義、弱AI與強AI的區別、多元智能理論。(3)明確本節課目標：了解AI發展"三起三落"歷程、理解三大學派的核心觀點、掌握算法/算力/數據三要素。2.進行重點知識的講解（1）人工智能的主要學派（符號主義/連接主義/行為主義）教師講解三大學派的核心觀點，并用"機器識別水果"的生活化案例幫助理解：符號主義（邏輯學派）："先想清楚，再行動"——類比："查字典做題"。連接主義（神經網絡學派）："多練就會了"——類比："嬰兒學說話"。行為主義（控制論學派）："干中學，學中干"——類比："訓練小狗"。協同機制：今日大模型以連接主義為主，同時融合符號主義的規則推理與行為主義的交互學習。（2）人工智能發展歷程："三起三落"第一次高潮（1956-1974）：達特茅斯會議（AI元年）、LISP語言、定理證明程序。→第一次寒冬（1974-1980）：算力不足、數據匱乏、萊特希爾報告導致經費削減。第二次高潮（1980-1987）：專家系統興起（XCON）、霍普菲爾德神經網絡復興。→第二次寒冬（1987-1993）：LISP機市場崩塌、專家系統維護成本高昂。第三次高潮（1993-至今）：IBM深藍（1997）→ImageNet（2009）→Hinton深度學習（2012）→AlphaGo（2016）→大模型爆發（2020s）。課堂互動："為什么AI每次寒冬之后都能迎來更強大的復蘇？這說明了什么？"（3）人工智能的三要素（算法/算力/數據）算法——"思考方式"：決定機器如何分析數據、學習規律、做出決策。深度學習讓機器"從經驗中學習"。算力——"體力支撐"：GPU的并行計算能力是AI訓練的關鍵。類比："CPU像一位教授，GPU像一支中學生隊伍"。數據——"學習原料"：ImageNet被稱為深度學習的"啟蒙教材"。數據質量直接影響模型表現。三者協同關系：更好算法→需要更強算力→需要更多數據→催生新算法，形成正向循環。3.歸納總結，布置課后作業(1)課堂小結：三大學派的核心差異、AI發展三起三落的里程碑事件、三要素的協同關系。(2)隨堂練習：①"請用生活中的一個例子，分別說明符號主義、連接主義、行為主義的思想。"②"你認為算法、算力、數據三者中，哪個是我國最具優勢的領域？哪個是最需要攻關的領域？"(3)課后作業：閱讀教材1.2節，整理一份"AI發展大事年表"（不少于10個關鍵事件）；預習1.3節（應用領域）。第三課時（應用領域、我國發展路徑與能力邊界）1.回顧上節課內容，明確本節課學習目標(1)教師答疑：針對"AI發展大事年表"作業中的共性問題進行點評。(2)快速回顧：三大學派、三起三落、三要素。(3)明確本節課目標：了解AI在制造、醫療、農業、教育等領域的應用；認識我國AI發展的路徑與格局；思考AI的"能做"與"不能做"。2.進行重點知識的講解（1）人工智能的典型應用場景智能制造：工業智能體（免示教焊接）、具身智能（人形機器人）、AI-MES（實時動態調度）、生成式AI助手（工廠Copilot）。智慧醫療：醫學影像輔助診斷（AI"第二雙眼睛"）、大模型臨床決策支持、慢病管理AI、醫院運行管理智能系統。智慧農業：精準種植（衛星遙感+無人機）、智能育種（AI基因圖譜，育種周期縮短50%以上）、授粉機器人。智慧教育：AI助教（個性化學習路徑）、AI學伴（24小時答疑）、校園公共管理智能化。課堂討論："結合你們自己的專業背景，談一談AI可能在你們未來的職業生涯中扮演什么角色？"（2）我國人工智能的發展路徑與全球格局算法層面：DeepSeek系列模型走出"低資源消耗、高智力產出"新路，開源模型在全球開發者社區廣泛傳播。數據層面：從"海量"轉向"高質量"，通過AI生成合成數據反哺模型訓練，突破優質語料瓶頸。算力層面：華為昇騰系列芯片走出"芯片+集群+軟件棧"系統工程道路；"算電協同"首次寫入2026年政府工作報告。區域布局：北京（科研策源）、上海（金融+科技）、深圳（硬核攻堅）、杭州（民營活力）為第一梯隊。（3）人工智能的"能為"與"不能為"AI"能為"：處理海量信息、識別復雜模式、執行高重復性任務——是人類的"能力放大器"。AI"不能為"：沒有真實理解（只是統計關聯）、會產生"幻覺"、沒有真實情感、不會主動思考"應該做什么"。核心結論：AI是"人類能力的放大器"，而非"替代者"。技術發展需要"發展與治理并重"，堅持"以人為本、智能向善"。課堂討論（思辨）："如果AI幫你寫了一篇論文，但這篇論文的觀點是AI生成的，你是否真正學會了這個知識？為什么？"3.歸納總結，布置課后作業(1)課堂小結（思維導圖回顧）：AI定義與分類→發展歷程三起三落→三大學派→三要素協同→應用場景→我國發展路徑→能力邊界與倫理。(2)隨堂練習：①"請用一句話概括本章最讓你印象深刻的知識點，并說明原因。"②開放題："你認為AI對未來10年最大的影響會是什么？你對此感到期待還是擔憂？"(3)課后作業（個人小結）：寫一篇不少于500字的學習心得，題目為《AI時代的我：機遇、挑戰與準備》，要求結合自身專業背景，談對AI能力邊界的認識和未來規劃。(4)預習下一章：第2章生成式大模型：從對話到創造。四、教學反思（課后填寫）教學效果自評達成預期目標基本達成需改進（請說明：）學生反饋亮點改進措施人工智能通識課教學設計課程名稱：人工智能通識課授課年級：大二各年級授課學期：2026-2027學年第1學期教師姓名：任課教師專業類別：理工科（非計算機類）上課地點：多媒體教室總學時：48學時（理論16+實驗32）使用教材：人工智能導論日期：2026年09月教案正文課題名稱第2章生成式大模型計劃學時3學時內容分析本章系統講解生成式大模型的定義、技術原理與應用實踐。

內容涵蓋大模型的三階段訓練（預訓練→指令微調→RLHF）、

文本型與多模態大模型的分類體系、提示詞工程四要素與六大模板（四基礎+兩進階）、

大模型在Word/PPT/Excel辦公場景的應用、風險識別與驗證機制，

以及學術誠信、隱私保護和責任歸屬三大使用準則。

通過本章學習，學生將建立"人機協同、以人為主"的正確使用觀。思政融入通過介紹提示詞工程的方法論，培養學生"清晰表達需求、精準獲取結果"的結構化思維；

通過"大模型的能耗賬本"擴展閱讀，引導學生思考AI技術的資源代價，

培養可持續使用意識；通過學術誠信與隱私保護的討論，

強化學生的責任意識與倫理判斷力。一、教學目標及基本要求【知識目標】·理解生成式大模型的基本定義、技術原理與三階段演進邏輯（預訓練→指令微調→RLHF）；·掌握文本型與多模態大模型的分類體系，了解開源/閉源模型的差異與典型代表；·掌握提示詞工程的核心四要素（背景、任務、約束、格式），熟悉基礎與進階提示詞模板的適用場景。【能力目標】·能夠針對學習與工作中的常見場景（論文寫作、PPT制作、Excel數據處理），獨立設計有效的提示詞；·能夠運用角色扮演、迭代優化等進階模板，實現與大模型的多輪協作，持續改進輸出質量；·能夠識別大模型輸出的潛在錯誤（事實錯誤/邏輯謬誤/偏見），運用交叉驗證、反向提問等方法進行核實。【素養目標】·樹立"人機協同、以人為主"的技術使用觀，強化學術誠信意識與責任擔當；·培養數據隱私保護意識，不向模型上傳敏感個人信息與未公開成果；·理解技術局限與倫理邊界，在享受技術便利的同時保持批判性思維，做到善用技術而不盲從技術。二、教學重點、難點與教學方式教學重點1.生成式大模型的三階段訓練（預訓練→指令微調→RLHF）及其技術原理；

2.提示詞工程四要素與四大基礎模板的實戰運用；

3.大模型輔助Word/PPT/Excel等辦公場景的實操方法；

4.風險識別三大驗證機制（交叉驗證/反向提問/常識檢驗）。教學難點1.理解"生成式大模型是概率預測工具而非真正思考者"這一本質認知；

2.從""能用""到""用好""——如何設計高質量提示詞并獲得預期輸出；

3.如何引導學生在學術場景中合理使用AI而非濫用。教學方式教師課堂講授為主，結合大模型工具（如DeepSeek/豆包/Kimi）進行"即講即練"的課堂演示；

安排課堂實踐環節，學生現場設計提示詞并驗證輸出效果；

通過"選課決策"等貼近學生生活的案例，引導討論AI使用中的倫理邊界。三、教學過程第一課時（生成式大模型概述）1.創設情境，導入新課(1)教師提問："你們用過哪些AI工具？它們讓你印象最深刻的功能是什么？"引出本章主題。(2)播放短視頻：展示大模型從寫文章、做PPT到生成代碼的多樣化能力，激發學生好奇心。(3)明確學習目標：理解大模型"是什么""怎么訓練出來""怎么用好它"。2.進行重點知識的講解（1）生成式大模型的定義與內涵教師講解：生成式大模型≈從海量數據中學習到的規律+深度神經網絡+內容生成能力。它不是搜索工具——不是在已有信息中查找答案，而是基于數據學習、創造全新內容。拆解兩個關鍵詞："生成式"（Generative）=創造新內容，而非檢索已有信息；"大模型"（LargeModel）=參數規模龐大（數十億至數千億）、具備理解上下文和跨領域遷移的能力。（2）技術原理：三階段訓練預訓練階段（Pre-training）：在海量公開文本上進行自監督學習，掌握語法、常識和邏輯關聯——相當于"閱讀圖書館里所有的書"，打下通識能力基礎。指令微調階段（InstructionTuning）：用高質量任務數據（問答對、寫作指令、代碼片段）進行有監督微調——從"懂知識"變成"會干活"。人類反饋強化學習（RLHF）：模型生成多個答案→人工排序→模型學習排序結果——教會模型說"人話"，避免危險、偏見或不當內容。核心認知：大模型本質上仍是一個基于概率統計的預測模型，沒有意識、沒有情感、沒有真正的理解。（3）生成式大模型的分類分類維度類型核心特征典型代表模態能力文本型大模型專注自然語言理解與生成GPT系列、Qwen、Kimi、DeepSeek模態能力多模態大模型支持圖文、音視頻跨模態理解與生成Sora（視頻）、DALL·E（圖像）、通義萬相應用領域通用大模型面向廣泛場景，全面通識能力Claude3、文心一言、Llama3應用領域行業大模型在通用基座上垂直領域微調醫療/法律/科研大模型開放程度開源大模型權重與代碼公開，支持本地部署Llama系列、Qwen開源版、ChatGLM開放程度閉源大模型僅提供API接口，參數不公開GPT-4、文心一言旗艦版3.歸納總結，布置課后作業(1)課堂小結：生成式大模型的定義、三階段訓練邏輯、分類體系。(2)隨堂練習：請用自己的話解釋"為什么大模型不是真正的思考者"。(3)課后作業：注冊DeepSeek或豆包賬號，嘗試問5個不同領域的問題，記錄對比它們的回答質量；預習2.2節提示詞工程。第二課時（提示詞工程）1.回顧上節課內容，明確本節課學習目標(1)快速回顧：三階段訓練、大模型分類體系。(2)教師引言："大模型就像一位知識淵博但毫無背景信息的超級實習生——你得學會怎么跟它說話。"引出提示詞工程。2.進行重點知識的講解（1）提示詞工程核心四要素背景信息（Context）：明確角色——"任務是教學講師"還是"創意文案撰寫者"？具體任務（Task）：清晰描述——是總結、翻譯、解決方案還是問題診斷？約束條件（Constraints）：篇幅/風格/結構/規避詞匯等執行標準。輸出格式（Format）：表格/列表/JSON/Markdown等最終交付形式。（2）四大基礎模板（課堂即講即練）基礎查詢模板（"問什么+啥基礎+怎么講"）：快速理解陌生概念。公式：【查詢主題】+【用戶背景】+【信息要求】。例："我是文科生無編程基礎，請用生活比喻解釋算法概念，不超過3個核心特點+1個例子。"任務執行模板（"給材料+說要求+定格式"）：處理總結/翻譯/整理數據等具體任務。現場演示：學生口述一段課程論文初稿內容，教師輸入大模型，當場展示潤色效果。創意生成模板（"做啥的+啥條件+啥風格+給幾個"）：頭腦風暴、寫文案。例：為新生團建活動設計破冰方案。分析決策模板（"遇難題+定維度+設標準+求建議"）：輔助理性判斷。例：從4門通識選修課中選出2門，多維度對比評分。（3）兩大進階模板角色扮演模板（"當什么專家+做什么事+什么標準+變成啥樣"）：賦予AI專家身份，獲取專業級輸出。例：以"資深計算機考研輔導老師"身份梳理二叉樹考點。迭代優化模板（"針對什么+往哪改+有何限制+變成啥樣"）：精準打磨已有成果。例：優化"互聯網+"大賽項目簡介，突出差異化優勢。3.歸納總結，布置課后作業(1)課堂小結：四要素→四基礎模板→兩進階模板，形成"基礎+進階"的提示詞體系。(2)隨堂練習：用"任務執行模板"設計一段提示詞，讓大模型幫你總結本學期任意一門課的學習筆記。(3)課后作業：嘗試用大模型輔助完成一份課程PPT大綱（用創意生成模板），記錄提示詞設計過程和輸出效果；預習2.3節應用實踐。第三課時（應用實踐、風險識別與使用準則）1.回顧上節課內容，明確本節課學習目標(1)教師答疑并點評課后作業中的優秀提示詞案例。(2