资源简介

(共55张PPT)
第三单元 第1课
梦想与失落
清华版（中学）
通
1
学习目标
3
新知讲解
5
拓展延伸
7
板书设计
2
新知导入
4
课堂练习
6
课堂总结
课后作业
8
01
教学目标
（1）了解人工智能发展过程中的高潮与低谷，以及各个时期的代表性成果。
（2）探讨人工智能科学家在困境中的探索精神及其对学科发展的推动作用。
02
新知导入
1、人工智能探索的曲折性
早期学者高估技术成熟度，遭遇算法瓶颈、算力不足等挑战，导致研究多次陷入低谷，从符号主义到深度学习，每次突破均需长期积累。
02
新知导入
2、人工智能坚持的价值
麦卡锡、明斯基等奠基者虽未见证AI繁荣，但其理论为后续发展铺路，辛顿等学者在90年代AI低谷期仍坚持研究，最终推动深度学习革命。
02
新知导入
人工智能发展史证明，重大技术突破既需直面曲折的勇气，更依赖长期主义的坚持。
总结
03
新知讲解
1
达特茅斯会议与黄金十年(1956-1974)
1、人工智能的诞生与早期信心
1956年，达特茅斯会议的召开标志着人工智能学科的正式诞生。1956-1974年为快速发展期，人工智能进入了所谓的“黄金十年”是人工智能的第一次高潮。
03
新知讲解
1
达特茅斯会议与黄金十年(1956-1974)
1、人工智能的诞生与早期信心
科学家如赫伯特 西蒙、马文·闵斯基对人工智能前景极度乐观，预言机器将很快达到人类智能水平。
“二十年内，机器人将完成人能做到的一切工作。”—— 赫伯特 西蒙 .
“在三到八年的时间里我们将得到一台具有人类平均智能的机器。”—— 马文·闵斯基
03
新知讲解
1
达特茅斯会议与黄金十年(1956-1974)
2、符号主义主导的研究方法
符号方法是这一时期的主要研究手段,通过符号逻辑和规则进行推理，代表性成果包括定理证明程序、ELIZA对话机器人和感知器模型。
03
新知讲解
1
达特茅斯会议与黄金十年(1956-1974)
3、定理证明的突破
西蒙和纽瓦尔开发“逻辑理论家”定理证明程序后，王浩（1959年）和罗宾逊（1965年）分别提出高效算法和归结法，推动定理证明成为AI首个重要成果。
03
新知讲解
1
达特茅斯会议与黄金十年(1956-1974)
4、对话机器人的初步探索
1966年维森鲍姆开发ELIZA，通过简单模板模拟心理医生对话，虽无真实智能，但展示了人机交互的可能性。
03
新知讲解
1
达特茅斯会议与黄金十年(1956-1974)
弗兰克·罗森布拉特设计的感知器模型(perceptron)也是这一时期的重要成果。
5. 感知器模型( perceptron)
弗兰克·罗森布拉特(1928-1971)
“神经网络之父”
03
新知讲解
1
达特茅斯会议与黄金十年(1956-1974)
弗兰克·罗森布拉特的Mark 1感知器是首个单层神经网络模型，通过学习权重实现简单图像识别，但受限于线性分类能力，最终被证明能力有限。
Mark 1感知器
03
新知讲解
1
达特茅斯会议与黄金十年(1956-1974)
罗森布拉特设计的感知机接收图片作为输入，可以识别图片中的字母或数字，下图是识别字母C的例子。
03
新知讲解
2
第一次低谷(1974-1980)
20世纪70年代，人工智能发展陷入低谷，库克和卡普的研究揭示了计算复杂性难题，表明多数问题无法在合理时间内解决，引发对人工智能实用性的质疑。
03
新知讲解
2
第一次低谷(1974-1980)
斯蒂芬·库克是加拿大计算机科学家，因提出“NP完全性”理论获1982年图灵奖，奠定了计算复杂性理论基础。
03
新知讲解
2
第一次低谷(1974-1980)
理查德·曼宁·卡普是计算机科学家，因在计算复杂性理论上的突破性研究获得1985年图灵奖。
03
新知讲解
2
第一次低谷(1974-1980)
图灵 是英国数学家、计算机科学之父，提出图灵机模型与图灵测试，二战中曾破解德军密码。
03
新知讲解
2
第一次低谷(1974-1980)
图灵奖 是计算机界最高荣誉，由ACM于1966年设立，纪念图灵，奖励对计算机领域有重大贡献者，奖金100万美元，被誉为“计算机界诺贝尔奖”。
03
新知讲解
3
短暂回暖(1980-1987)
1、研究方向的转变
20世纪80年代初，AI研究从追求通用智能转向解决特定领域任务，专家系统成为研究热点。
03
新知讲解
3
短暂回暖(1980-1987)
2、专家系统的诞生与发展
1965年美国计算机学家爱德华·费根鲍姆和遗传学家约书亚·莱德伯格合作开发首个专家系统DENDRAL，通过化学规则库实现分子结构推断，开创知识驱动AI先河。
03
新知讲解
3
短暂回暖(1980-1987)
专家系统是模拟人类专家决策能力的AI程序，通过知识库和推理机解决特定领域问题（如医疗诊断）。
03
新知讲解
3
短暂回暖(1980-1987)
爱德华·阿尔伯特·费根鲍姆（1936-）是"专家系统之父"，因开创知识驱动AI获1994年图灵奖。
爱德华·阿尔伯特·费根鲍姆
03
新知讲解
3
短暂回暖(1980-1987)
3. 专家系统的广泛应用
20世纪80年代，专家系统如MYCIN（医疗诊断）和XCON（计算机配置）推动AI在多个领域落地应用。
03
新知讲解
3
短暂回暖(1980-1987)
4、对AI发展的阶段性推动
专家系统的成功应用为当时处于低谷的AI研究注入活力，推动医疗诊断、工程设计等领域的智能化发展，成为知识驱动AI的代表性成果。
03
新知讲解
4
第二次低谷(1987-1993)
1、专家系统的局限性
20世纪80年代，专家系统因知识库构建困难（如CADUCEUS耗时十年）和维护成本高，逐渐暴露应用瓶颈。
03
新知讲解
4
第二次低谷(1987-1993)
2、日本第五代计算机计划的失败
1981年日本提出以AI为核心的第五代计算机计划，但因技术未达预期，导致全球AI研究再次陷入低谷。
03
新知讲解
4
第二次低谷(1987-1993)
3、对传统AI方法的反思
罗德尼·布鲁克斯批判符号逻辑的局限性，提出智能应聚焦感知、行动等基础能力，推动行为主义兴起。
03
新知讲解
4
第二次低谷(1987-1993)
“大象不下棋”是布鲁克斯的经典比喻，指出真正的智能在于适应环境的生存能力（如觅食、避敌），而非仅会下棋等抽象任务，颠覆了传统AI对符号逻辑的迷信。
03
新知讲解
4
第二次低谷(1987-1993)
4、行为主义的实践方向
行为主义通过仿生昆虫机器人验证智能源于与环境的实时交互，而非预设符号规则。
仿生昆虫
03
新知讲解
5
务实与复苏(1993-2010)
20世纪90年代，AI研究转向务实，专注语音识别、图像处理、自然语言处理等具体领域，数据驱动和统计模型成为主流，推动机器学习崛起。
03
新知讲解
5
务实与复苏(1993-2010)
数据驱动是通过分析大量实际数据来指导决策和优化系统的方法，广泛应用于商业、AI和科研领域。
03
新知讲解
5
务实与复苏(1993-2010)
统计模型是基于数据概率分布构建的数学工具，用于分析变量关系、预测趋势或分类数据（如线性回归、贝叶斯网络）。
03
新知讲解
5
务实与复苏(1993-2010)
1997年IBM"深蓝"击败卡斯帕罗夫，2011年"沃森"智胜《危险边缘》，标志AI从低谷走向复苏。
Watson在节目中战胜人类选手
IBM"深蓝"击败卡斯帕罗夫
03
新知讲解
5
务实与复苏(1993-2010)
《危险边缘》是1964年开播的美国经典问答节目，参赛者需抢答涵盖历史、科学等领域的题目，答对得分、答错扣分，全球广受欢迎。
03
新知讲解
6
迅猛发展(2011 至今)
1、大数据与深度学习的崛起（2011-2012）
2012年Hinton团队凭借深度神经网络在ImageNet竞赛中大幅提升识别准确率，标志着AI进入大数据驱动时代。
03
新知讲解
6
迅猛发展(2011 至今)
2、人工智能的里程碑突破（2016-2017）
2016年DeepMind的AlphaGo击败围棋冠军李世石，2017年以3:0战胜柯洁，获职业九段称号，激发全球对AI潜力的关注。
03
新知讲解
6
迅猛发展(2011 至今)
3、大规模预训练模型时代（2022）
OpenAI发布ChatGPT，基于海量知识训练，具备语言理解与生成能力，推动AI迈向通用人工智能（AGI），并拓展至多模态（文本、图像、视频）。
03
新知讲解
6
迅猛发展(2011 至今)
4、AI的跨学科革命（当前）
AI已渗透物理、医学、天文等学科，从技术工具升级为科研与创新的核心驱动力，正重塑各领域发展范式。
03
新知讲解
7
总结
1、曲折的发展历程
人工智能历经多次繁荣（如专家系统、深度学习）与寒冬（算力不足、技术瓶颈），众多科学家在人工智能寒冬期坚持研究，最终迎来深度学习革命。
03
新知讲解
7
总结
2、方法论的演变
早期依赖人工规则（如逻辑推理），现代转向大数据学习（如GPT、Sora），人工智能从“人类编程”到“自主从数据中学习”，减少人工干预。
03
新知讲解
7
总结
3、科学精神的传承
科学家勇于探索，在困境中寻找新方向（如神经网络复兴），并且 持续创新，推动人工智能从理论到应用（如自动驾驶、医疗诊断），迈向智能时代。
03
新知讲解
思
考
与
讨
论
讨论一下，人工智能的发展为什么这样曲折？是人工智能学科本身的问题，还是所有学科发展的必然？
人工智能发展曲折的两大原因 ：
（1） 学科特殊性 ：AI需模拟人类智能（如学习、推理），但人类对自身智能机制尚未完全理解，技术路线易偏差（如早期过度依赖符号逻辑，后转向数据驱动）。
（2）科学探索共性 ：所有前沿学科（如可控核聚变）均需经历“理论提出→实践验证→瓶颈反思→突破”的循环，AI的起伏符合这一规律。
本质 ：AI的曲折是 认知局限 与 技术迭代 共同作用的结果。
03
新知讲解
课
程
实
践
人工智能的发展起起伏伏,有高潮也有低谷。每到发展遇到瓶颈时，总有一些伟大的科学家坚守智能机器的理想，为人工智能带来新的思路。组成兴趣小组，选择一位你敬仰的科学家，把他的故事做成海报，向同学们宣讲。
科大讯飞副总裁兼AI研究院院长，带队研发“讯飞星火”大模型，获30余项国际比赛冠军及国家科技进步一等奖。
04
课堂练习
一、判断题。
1、专家系统在20世纪80年代因知识库构建简单而广泛应用。（ 　）
2、“大象不下棋”比喻批判了符号逻辑的局限性，强调基础智能的重要性。（　 ）
3、日本第五代计算机计划成功推动了全球AI技术的突破。（ 　）
4、罗德尼·布鲁克斯是行为主义的代表人物，主张通过环境交互实现智能。（　 ）
5、ChatGPT的发布标志着AI进入大规模预训练模型时代。（ 　）
×
×
√
√
√
04
课堂练习
二、选择题
1、 下列哪项不是早期符号主义的成果？（ ）
A. ELIZA对话机器人 B. 逻辑理论家 C. AlphaGo D. 感知机
2、“NP完全性”理论的主要贡献者是？ （ ）
A. 图灵 B. 库克与卡普 C. 费根鲍姆 D. 罗森布拉特
3、专家系统XCON的主要应用领域是？ （ ）
A. 医疗诊断 B. 计算机配置 C. 金融风控 D. 自动驾驶
4、下列哪项属于行为主义的实践？ （ ）
构建知识库 B. 开发仿生机器人
C. 设计线性回归模型 D. 训练大语言模型
C
B
B
B
04
课堂练习
三、填空题
1、1956年____ ____会议标志着人工智能学科的正式诞生。
2、首个专家系统____ __由费根鲍姆于1965年开发，用于化学分子结构推断。
3、罗森布拉特发明的____ ____是首个单层神经网络模型，但受限于线性分类能力。
4、1997年IBM的____ ____击败国际象棋冠军卡斯帕罗夫，成为AI复苏的标志性事件。
5、2012年____ ____团队在ImageNet竞赛中通过深度学习大幅提升图像识别准确率。
达特茅斯
DENDRAL
Mark 1感知器
深蓝
Geoffrey Hinton
05
拓展延伸
1、算力是计算机系统处理数据的能力，通常以每秒浮点运算次数（FLOPS）衡量，是AI训练和运行的基础支撑。
05
拓展延伸
2、NP完全性是指一类极难计算的问题（如为快递员设计最短送货路线），目前没有快速解法，但验证答案是否正确却很容易。
05
拓展延伸
3、人工智能的未来发展方向。人工智能未来将向多模态融合、自主决策与可解释性发展，推动通用人工智能（AGI）实现。
06
课堂总结
1
人工智能发展的历史启示
2
人工智能发展过程史
3
图灵与图灵奖
4
完成课堂练习
5
进行相关知识拓展
1
2
3
4
5
梦想与失落
07
板书设计
梦想与失落
1、人工智能发展的历史启示
2、人工智能发展过程史
3、图灵与图灵奖
4、完成课堂练习
5、进行知识拓展
课后作业。
1、果未来AI再遇瓶颈，你认为应如何调整研究方向？
08
课后作业
1、早期AI依赖符号逻辑，现代转向数据驱动。如果未来AI再遇瓶颈，你认为应如何调整研究方向？
未来AI研究方向调整建议 ：
（1） 理论创新 ：探索神经符号结合，突破数据依赖瓶颈。
（2）应用落地 ：聚焦垂直领域，通过实际需求反哺技术迭代。
（3）核心原则 ：平衡基础研究与应用场景，避免陷入单一技术路径依赖。
https://www.21cnjy.com/recruitment/home/fine

展开更多......

收起↑