资源简介

(共30张PPT)
第六单元 第5课
不会学习的机器不是好机器
清华版（小学）
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）知道自主学习的人工智能与基于知识的人工智能的区别。
（2）了解机器学习的起源和发展历程，知道机器学习从数据中总结规律的基本思想。
（3）了解机器学习的优势与风险。
02
新知导入
早期AI的局限性
传统人工智能依赖人类输入规则和知识，能力受限于人类认知水平，难以实现突破。
02
新知导入
机器学习的革命性突破
通过让机器从海量数据中自主学习（如识别图像、下围棋），AI开始超越人类知识上限。
02
新知导入
现代AI的核心优势
大数据训练+算法优化使AI能力持续进化，形成“越学越强”的智能增长模式。
03
新知讲解
1
从知识驱动到机器学习
图灵的预见性思想
早在1950年代，图灵就提出“像教孩子一样教机器”的自主学习理念，为现代机器学习奠定理论基础。
03
新知讲解
1
从知识驱动到机器学习
早期AI的技术限制
由于计算机算力和存储不足，初期AI只能依赖人类编写的规则和知识，无法实现自主进化。
03
新知讲解
1
从知识驱动到机器学习
知识驱动AI的局限性
机器虽能快速执行预设逻辑，如推理解题，但缺乏真正的“思考”能力，智能表现受限于人类预设的边界。
03
新知讲解
1
从知识驱动到机器学习
机器学习的必然转向
随着硬件进步，AI从“被动执行”转向“主动学习”，通过数据训练突破人类知识上限，实现能力跃升。
03
新知讲解
1
从知识驱动到机器学习
机器学习的开创性突破
1959年亚瑟·塞缪尔首次提出机器学习概念，通过西洋跳棋程序验证"规则设定+自主优化"的可行性，标志着AI从"硬编码"转向"自主学习"。
03
新知讲解
1
从知识驱动到机器学习
人机协作的启蒙模式
采用"基础规则由人类设定，策略优化由机器完成"的框架，类比教师传授基础知识后引导学生自主探索，奠定监督学习范式。
03
新知讲解
1
从知识驱动到机器学习
历史里程碑意义
该实验推翻"AI必须完全依赖人类知识"的旧认知，为深度学习时代"数据→能力"的范式奠定思想基础。
03
新知讲解
机器学习的突破性发展
21世纪后，神经网络算法借助大数据和高性能计算实现强大自主学习能力，使AI可能突破人类知识边界，如AlphaGo发现新围棋策略。
2
机器学习的优势与风险
03
新知讲解
数据驱动的双刃剑效应
数据是机器学习的"粮食"，但数据不足、偏差或带偏见的文本会导致AI输出错误或不道德内容，凸显数据质量的关键性。
2
机器学习的优势与风险
03
新知讲解
AI与人类社会的共存挑战
随着AI能力提升，需解决人机协作中的责任界定、价值对齐等的伦理问题，确保技术发展符合人类整体利益。
2
机器学习的优势与风险
03
新知讲解
技术治理的迫切需求
需建立数据审核、算法透明度等机制，从源头规避"垃圾进-垃圾出"的风险，同时制定AI行为规范，引导技术向善。
2
机器学习的优势与风险
03
新知讲解
爱
思
考
1.学习是智能进化的核心
人工智能从依赖规则到自主学习的转变证明，持续学习是突破能力边界的关键，对人类和机器同样适用。
2.主动学习决定成长高度
热爱并坚持自主学习的人（或AI）能不断超越自我，被动接受知识则永远受限，体现"能动性创造可能性"。
3.积累是成功的永恒法则
无论是AI的数据训练还是人类的知识获取，重大成就都源于微小进步的持续叠加，强调长期主义的价值。
03
新知讲解
爱
思
考
思考：1.中国有哪些让人骄傲的AI科技？
超级工程代表
上海洋山港 ：全球最大无人码头，AI自动调度集装箱，效率提升30%
沙漠植树无人机 ：用AI识别最佳种植点，1小时完成人工10天工作量
04
课堂练习
一、填空题。
1.机器学习是指让机器从 中自主总结规律。
2.亚瑟·塞缪尔通过设计 游戏验证了机器学习的可行性。
3.现代AI依赖 和神经网络实现强大能力。
4.数据不足或数据 会导致AI输出错误结果。
5.AlphaGo通过分析大量棋局，自主发现了新的 策略。
数据
西洋跳棋
大数据
偏差
围棋
04
课堂练习
二、判断题。
1.传统AI完全依赖人类输入的知识和规则。（ ）
2.机器学习不需要任何数据就能自主训练。（ ）
3.数据质量对机器学习的结果非常重要。（ ）
4.现代AI可以完全脱离人类独立发展。（ ）
5.AlphaGo是通过自主学习超越人类的。（ ）
×
√
×
√
√
04
课堂练习
三、选择题。
1.机器学习的核心思想是什么？( )
A. 完全依赖人类编写的规则 B. 让机器从数据中自主总结规律
C. 只能解决简单数学问题 D. 不需要任何数据输入
2.哪位科学家首次提出了机器学习的概念？( )
A. 艾伦·图灵 B. 亚瑟·塞缪尔 C. 阿尔伯特·爱因斯坦 D. 居里夫人
3.现代AI的强大能力主要依靠什么？ ( )
A. 人类手工编写的规则 B. 大数据训练和神经网络 C. 随机猜测 D. 固定不变的算法
4.机器学习可能面临的风险是什么？ ( )
A. 数据不足或数据偏差 B. 计算机速度太快
C.人类不再需要学习 D. 机器会自己编写程序
B
A
B
B
05
拓展延伸
1.AI艺术创作坊
利用AI绘画工具生成作品，并与学生手绘对比，探讨“机器创意与人类创意的异同”。
05
拓展延伸
2.西洋跳棋AI的现代升级
对比1959年塞缪尔的跳棋程序与AlphaZero，展示AI从规则学习到完全自主的进化。
05
拓展延伸
3.中国AI超级工程
通过上海洋山港AI无人调度、无人机沙漠植树等案例，展示中国AI技术在物流与环保领域的突破性应用。
06
课堂总结
1
从知识驱动到机器学习
2
机器学习的开创性突破
3
完成课堂练习
4
进行相关知识拓展
1
2
4
5
不会学习的机器不是好机器
4
机器学习的优势与风险
3
07
板书设计
不会学习的机器不是好机器
1、从知识驱动到机器学习
2、机器学习的开创性突破
3、机器学习的优势与风险
4、完成课堂练习
5、进行知识拓展
课后作业。
1、AI在环保领域能做什么？
08
课后作业
思考：AI在环保领域能做什么？
环保黑科技
智能植树 ：无人机+AI分析土壤，在沙漠种出3000亩绿洲（库布其沙漠案例）
垃圾分拣 ：AI机器人1秒识别垃圾类型，准确率超99%。
https://www.21cnjy.com/recruitment/home/fine

展开更多......

收起↑