资源简介

(共36张PPT)
第七单元 第3课
杰弗里·辛顿的故事
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）了解杰弗里·辛顿的求学故事和科研经历，学习其在逆境中坚持不懈的精神。
（2）了解杰弗里·辛顿在深度神经网络领域的贡献和对深度学习发展的推动作用。
02
新知导入
辛顿的学术贡献与地位
杰弗里·辛顿作为神经网络领域的先驱，两次引领研究走出低谷，开创深度学习范式，被誉为“AI名人堂”的核心人物。
02
新知导入
跨学科荣誉的里程碑意义
2024年以人工智能研究者身份获诺贝尔物理学奖，标志着AI技术对基础科学的深远影响，体现学科边界融合的时代趋势。
02
新知导入
技术变革的社会价值
辛顿的成果直接推动AI爆发式发展，其获奖是对“AI驱动科学进步”这一历史路径的权威认证。
03
新知讲解
1
曲折求学路
显赫的学术家族背景
辛顿出身科学名门——曾祖父是奠定计算机逻辑基础的乔治·布尔（布尔代数发明者），父亲为昆虫学家，叔叔是提出GNP概念的经济学家，家族跨学科的学术基因深刻影响其研究方向。
03
新知讲解
1
曲折求学路
曲折的学术探索历程
剑桥大学期间经历物理/化学→生理学→哲学→心理学的多次专业转换（1965-1970），最终以实验心理学学士毕业，反映其对认知本质的执着追寻特质。
03
新知讲解
1
曲折求学路
职业低谷中的坚守
本科毕业后一度以木匠为生，却始终未放弃对大脑机制的思考，体现"生计维艰仍不忘科研初心"的学者本色。
03
新知讲解
1
曲折求学路
博士阶段的孤勇抗争
1973年顶着神经网络研究低谷压力，坚持选择该方向并立下"六个月证明价值"的军令状，1978年最终完成博士论文，展现了科学叛逆精神。
03
新知讲解
1
曲折求学路
跨国学术生涯的积淀
博士后于教职阶段（1978-1987）辗转萨塞克斯大学、加州大学圣地亚哥分校、卡内基梅隆大学，始终聚焦神经网络研究，奠定技术突破的学术基础。
03
新知讲解
1
曲折求学路
加拿大时期的稳定突破
1987年移居加拿大后，以CIFAR研究员和多伦多大学教授身份获得长期科研支持，为反向传播算法、深度信念网络等颠覆性成果提供孵化环境。
03
新知讲解
神经网络研究的低谷背景
20世纪70年代，因无法解决非线性问题等感知器模型的局限性，神经网络研究陷入低谷，人工智能领域整体进入“寒冬期”。
2
“寒冬”中的坚持
03
新知讲解
辛顿的坚持与突破
辛顿在逆境中坚信神经网络的潜力，1986年与合作者推广 反向传播算法（BP） ，证明多层神经网络的可训练性，为领域注入新活力。
2
“寒冬”中的坚持
03
新知讲解
反向传播算法的历史脉络
该算法1970年由林纳伊马提出，1982年沃博斯应用于神经网络，但辛顿团队的改进与普及使其成为深度学习基石，解决了感知器的核心缺陷。
2
“寒冬”中的坚持
03
新知讲解
技术复兴的关键影响
多层神经网络的成功重建学界信心，直接推动后续深度学习的爆发，标志AI从“寒冬”迈向“复兴”。
2
“寒冬”中的坚持
03
新知讲解
深度学习的突破性发现
2006年辛顿提出 逐层预训练方法 ，解决了多层神经网络训练难题，为深度学习奠定理论基础，开启AI新纪元。
2
“寒冬”中的坚持
03
新知讲解
AlexNet的里程碑意义
2012年辛顿团队设计的卷积神经网络AlexNet在ImageNet竞赛中以压倒性优势夺冠（错误率降低38%），引爆计算机视觉革命，确立深度学习的主流地位。
2
“寒冬”中的坚持
03
新知讲解
神经网络的理论深化
后续研究发现深度网络能自动提取数据的边缘→纹理→物体的 层次特征 ，和 语言建模，推动AI在视觉、语音、自然语言等领域的全面应用。
2
“寒冬”中的坚持
03
新知讲解
行业发展的奠基作用
辛顿的成果直接促成GPT、AlphaFold等现代大模型的诞生，其“预训练+微调”范式成为AI工业界标准，被誉为“深度学习教父”。
2
“寒冬”中的坚持
03
新知讲解
学术荣誉的巅峰成就
辛顿作为首位同时斩获图灵奖（2018年）与诺贝尔物理学奖（2024年）的科学家，其“基于神经网络的机器学习基础性突破”获得跨学科最高认可，标志AI理论已升格为现代科学的核心支柱。
3
荣誉与影响
03
新知讲解
奖项背后的技术辐射力
从国家最高科学奖——加拿大基廉奖到IEEE罗森布拉特奖，系列荣誉印证其研究如何推动深度学习从边缘领域发展为AI主流范式，并重塑计算机科学、物理学、工程学的交叉创新生态。
3
荣誉与影响
03
新知讲解
爱
思
考
1.坚定的科学信仰 ：
辛顿教授在神经网络研究的低谷期始终坚信其潜力，以"克服困难必迎转机"的信念抵御外界质疑，成为领域坚守的精神标杆。
2.逆境中的执着探索 ：
面对学术界的普遍唱衰，他持续攻关（如反向传播算法、深度信念网络），用技术突破回应质疑，体现"行动至上"的研究者本色。
3.科学家精神的完整诠释 ：
其生涯轨迹（从木匠到诺奖得主）生动演绎了"不畏艰难、勇于探索、坚持真理、追求卓越"的科学精神内核，为后世树立典范。
03
新知讲解
爱
思
考
思考：1.为什么辛顿教授能在神经网络研究的低谷期坚持下来？
（1）信念的力量
辛顿坚信神经网络的潜力（如"寒冬期仍持续研究"），证明科学突破需要长期主义的信仰支撑。
03
新知讲解
知
识
库
1.创立背景与初衷 ：
诺贝尔奖由阿尔弗雷德·诺贝尔的遗产创立，旨在表彰在物理学、化学、生理学或医学、文学及和平领域为人类做出卓越贡献的个人或组织。
2.奖项发展与扩展 ：
最初设立五个领域奖项，后于1968年增设经济学奖，形成现今六大奖项体系。
3.全球影响与激励作用 ：
诺贝尔奖是对杰出成就的最高认可，激励全球学者和社会活动家追求卓越，推动人类进步。
04
课堂练习
一、填空题。
1.辛顿教授在2006年提出的 方法，解决了多层神经网络的训练难题。
2.AlexNet在2012年ImageNet竞赛中大幅降低了图像识别的 。
3.辛顿教授因其在 领域的贡献获得诺贝尔物理学奖。
4.科学家精神强调 、坚持真理和追求卓越。
5.反向传播算法通过调整 来优化神经网络的性能。
逐层预训练
错误率
机器学习
勇于探索
连接权重
04
课堂练习
二、判断题。
1.辛顿教授在神经网络研究低谷期放弃了研究。（ ）
2.反向传播算法最初由辛顿教授在1986年发明。（ ）
3.AlexNet的成功确立了深度学习在计算机视觉领域的主流地位。（ ）
4.辛顿教授是首位同时获得图灵奖和诺贝尔物理学奖的科学家。（ ）
5.科学家精神强调回避冷门研究方向以降低风险。（ ）
×
√
×
√
×
04
课堂练习
三、选择题。
1.辛顿教授在神经网络研究低谷期坚持下来的关键原因是什么？( )
A. 获得大量科研经费 B. 坚信神经网络的潜力并持续攻关
C. 转向其他热门研究方向 D. 依赖家族学术背景
2.反向传播算法（BP）对深度学习的主要贡献是？ ( )
A. 增加了神经网络层数 B. 实现了多层神经网络的训练优化
C. 完全替代了传统编程 D. 仅用于图像识别
3.AlexNet在2012年ImageNet竞赛中的突破性表现是？ ( )
A. 首次使用CPU进行计算 B. 将图像识别错误率降低38%
C. 仅能识别黑白图像 D. 需要人工标注所有数据
B
B
B
05
拓展延伸
1.布尔代数与计算机科学奠基
乔治·布尔提出的布尔代数（逻辑运算规则）为现代计算机的二进制运算和数字电路设计奠定了数学基础，是人工智能底层逻辑的重要支撑。
05
拓展延伸
2.深度信念网络（DBN）的预训练原理
通过逐层无监督训练初始化网络权重，解决深层神经网络梯度消失问题，为深度学习模型的训练提供了有效方法。
05
拓展延伸
3.图灵奖与诺贝尔奖的交叉意义
图灵奖与诺贝尔奖（自然科学）的交叉案例（如辛顿、约翰·巴丁）体现了AI研究对基础科学的反向推动，例如深度学习在生物医学中的应用（如AlphaFold）。
06
课堂总结
1
曲折求学路
2
“寒冬”中的坚持
3
完成课堂练习
4
进行相关知识拓展
1
2
4
5
杰弗里·辛顿的故事
4
荣誉与影响
3
07
板书设计
杰弗里·辛顿的故事
1、曲折求学路
2、“寒冬”中的坚持
3、荣誉与影响
4、完成课堂练习
5、进行知识拓展
课后作业。
1、辛顿教授他的成功给我们哪些启示？
08
课后作业
思考：1.辛顿教授他的成功给我们哪些启示？
逆袭的启示
冷门方向可能蕴藏颠覆性机会
用技术成果回应质疑比争论更有力
跨学科思维（心理学+计算机）催生创新
https://www.21cnjy.com/recruitment/home/fine

展开更多......

收起↑