《人工智能通识教程》（第2版）教学大纲

《人工智能通识教程》（第2版）教学大纲一、课程基本信息•课程名称：人工智能导论/人工智能概论•课程代码：•课程英文名称：AI-Introduction•学时与学分：理论学时32，课外实践学时16，总学分2•课程性质：必修课（选修课）•适用专业：人工智能、大数据、计算机等工科专业（其他各专业）•先修课程：略•后续课程：机器学习、深度学习、智能机器人等二、课程目标学习本课程，通常旨在为学生奠定坚实的人工智能基础知识，培养其在人工智能领域的基本技能和理解能力。以下是主要学习目标，可能会根据不同课程设置有所差异：1.理解人工智能基础：掌握人工智能的基本概念、发展历程、主要分支领域（如机器学习、深度学习、自然语言处理、计算机视觉等）及其在现代社会中的应用。2.理论与技术基础：学习和理解支撑人工智能的核心算法和理论，包括搜索算法、知识表示、推理方法、决策制定、学习理论等。3.实践技能培养：通过编程实践和项目作业，掌握至少一种编程语言（如Python）在人工智能领域的应用，以及如何使用常见的AI框架和库（如TensorFlow、PyTorch）。4.问题解决能力：培养分析和解决人工智能问题的能力，包括如何定义问题、选择合适的技术路线、设计并实施解决方案。5.伦理与社会责任：讨论人工智能技术的伦理和社会影响，理解隐私保护、数据安全、算法偏见等议题，培养负责任的AI开发与应用意识。6.创新与批判性思维：鼓励学生批判性地评估现有的AI技术，激发创新思维，探索AI在新领域的应用可能。7.沟通与团队合作：通过团队项目，提升与他人合作解决复杂问题的能力，以及有效沟通研究成果和想法的能力。8.持续学习能力：鉴于AI领域的快速变化，课程应培养学生自主学习的习惯，跟踪技术进展，适应未来可能出现的新技术、新理论。这些目标旨在为学生构建一个全面的人工智能知识框架，不仅关注技术细节，也重视理论与实践的结合，以及技术的社会影响和伦理考量，为学生将来在AI领域的深入研究或职业发展打下坚实的基础。三、课程思政结合本课程融入的思政教育，旨在将思想政治教育与专业教育有机融合，引导学生在学习专业知识的同时，树立正确的世界观、价值观和道德观，培养具有社会责任感和创新能力的高素质人才。以下是一些可能包含在人工智能导论课程思政教育中的内容：1.国家政策与战略导向：介绍我国在人工智能领域的国家战略规划，如《新一代人工智能发展规划》等，使学生理解国家发展目标，增强服务国家重大需求的责任感和使命感。2.科技伦理与法律规范：探讨人工智能技术应用中的伦理问题，如隐私保护、数据安全、算法公平性、人工智能的责任归属等，强化学生的伦理意识和法制观念，培养遵守行业规范和法律法规的行为习惯。3.创新精神与工匠精神：强调在人工智能领域进行创新的重要性，鼓励学生勇于探索、敢于突破，同时弘扬精益求精的工匠精神，注重细节，追求卓越。4.团队合作与沟通能力：通过团队项目和案例分析，培养学生的团队协作能力，学会有效沟通，尊重多样性和包容性，为未来跨学科合作打下基础。5.全球视野与文化自信：在全球化背景下，引导学生了解国际人工智能发展趋势，增强国际竞争意识，同时树立文化自信，鼓励在吸收国际先进成果的同时，贡献中国智慧和中国方案。6.社会责任与可持续发展：讨论人工智能技术如何服务于社会发展，如在教育、医疗、环保等领域的应用，培养学生的社会责任感，思考如何利用技术促进社会公平与可持续发展。7.批判性思维与自我反思：鼓励学生在学习技术的同时，培养批判性思维，对技术的利弊进行理性分析，能够自我反思，理解技术进步对个人、社会和环境的全面影响。8.历史与未来展望：回顾人工智能的发展历程，激发学生对未来技术趋势的好奇心和探索欲，同时培养历史使命感，认识到作为未来技术领导者所承担的历史责任。通过这些课程思政内容的融入，人工智能导论课程不仅教授技术知识，更注重学生全面发展，引导他们成为既有专业技术能力，又具有高尚道德情操和强烈社会责任感的新型科技人才。四、教学内容及学时分配1.第1章思考的工具（2学时）【导读案例】动物智能：聪明的汉斯1.1计算的渊源1.2巴贝奇与数学机器1.3计算机的出现1.4计算机的智能行为1.5人工智能大师2.第2章定义人工智能（4学时）【导读案例】自动驾驶概述2.1人工智能学科基础2.2人工智能概述2.3人工智能发展历史2.4人工智能的研究3.第3章大数据与人工智能（2学时）【导读案例】电子商务的推荐系统3.1什么是模糊逻辑3.2模糊逻辑系统3.3数据思维与变革3.4大数据与人工智能4.第4章智能体与智能代理（2学时）【导读案例】智能体：下一个颠覆性AI应用4.1智能体和环境4.2智能体的良好行为4.3环境的本质4.4智能体的结构4.5智能代理技术4.6智能代理的典型应用5.第5章机器学习（2学时）【导读案例】奈飞的电影推荐引擎5.1什么是机器学习5.2基于学习方式的分类5.3机器学习的基本结构5.4机器学习算法5.5机器学习的应用6.第6章深度学习（2学时）【导读案例】人类与动物智商的差别6.1动物的中枢神经系统6.2了解人工神经网络6.3深度学习的定义6.4卷积神经网络6.5迁移学习6.6深度学习的应用7.第7章强化学习（2学时）【导读案例】谷歌制定新“守则”，确保机器人决策更安全7.1强化学习的定义7.2与监督学习的区别7.3强化学习基础理论7.4强化学习分类7.5强化学习的应用8.第8章数据挖掘（2学时）【导读案例】葡萄酒的品质8.1从数据到知识8.2数据挖掘方法8.3数据挖掘经典算法8.4机器学习VS.数据挖掘9.第9章机器人技术（2学时）【导读案例】划时代的阿波罗计划9.1包容体系结构9.2包容体系结构的实现9.3机器感知9.4机器人的概念9.5机器人的技术问题10.第10章计算机视觉（2学时）【导读案例】谷歌大脑的诞生10.1模式识别10.2图像识别10.3计算机视觉技术10.4智能图像处理技术10.5计算机视觉系统典型功能10.6计算机视觉技术的应用11.第11章自然语言处理（2学时）【导读案例】机器翻译：大数据简单算法与小数据复杂算法11.1语言的问题和可能性11.2什么是自然语言处理11.3语法类型与语义分析11.4处理数据与处理工具11.5语音处理12.第12章GPT—大语言模型起步（2学时）【导读案例】2023国内大模型汇总12.1自然语言处理的进步12.2科普AI大语言模型12.3CHATGPT的模仿秀12.4传统行业的下岗13.第13章群体智能（2学时）【导读案例】无人机最快圈速：算法控制战胜专业驾驶员13.1向蜜蜂学习群体智能13.2什么是群体智能13.3典型算法模型13.4群体智能背后的故事13.5群体智能的应用13.6群体智能的发展14.第14章自动规划（2学时）【导读案例】自动驾驶泊车技术14.1规划的概念14.2人工智能的WUMPUS世界14.3什么是自动规划14.4规划方法14.5时间、调度和资源15.第15章人工智能发展（2学时）【导读案例】科学家发现新的人类脑细胞15.1创新发展与社会影响15.2伦理与安全15.3人工智能的极限15.4人工智能架构15.5人工智能的机遇与挑战15.6未来的人工智能【课程学习总结】五、教学方法与手段•结合课前“导读案例”阅读、课文的课堂讲授、课后习题点评讨论等多种方式。•强调理论联系实际，通过实例解析加深理解。•鼓励学生主动探索，培养自学能力。•鼓励学生发挥批判性思维，质疑，拓展知识。六、考核方式专业课：•平时成绩（作业、课堂参与等）：40%•期中考试：20%•期末考试：40%选修课：期末大作业：课程学习总结七、选用教材•周苏等主编，《人工智能通识教程》（第2版），清华大学出版社，2024。八、教学进度安排序号校历周次章节（或实验、习题课等）名称与内容学时教学方法课后作业布置11第1章思考的工具2导读案例课文知识作业22第2章定义人工智能（1）233第2章定义人工智能（2）244第3章大数据与人工智能25