《人工智能通识教程》（第2版）教案全套 周苏 第1-15章 思考的工具-人工智能发展

《人工智能通识教程》第2版教学设计课程名称：人工智能概论/导论授课年级：授课学期：教师姓名：2024年月章节名称第1章思考的工具计划课时2课时教学目标熟悉计算机的诞生历史；了解计算机的智能行为知识了解人工智能大师教学重点1.3计算机的出现1.4计算机的智能行为1.4.1类人行为：图灵测试1.4.2类人思考：认知建模1.4.3理性思考：“思维法则”1.4.4理性行为：理性智能体1.4.5对人类可证益的智能体教学难点1.4计算机的智能行为教学方式结合PPT开展课堂理论教学，引导学生阅读课文并做好课堂笔记教学过程课时2：1.1计算的渊源1.1.1巨石阵1.1.2安提基特拉机械1.1.3阿拉伯数字1.2巴贝奇与数学机器1.2.1差分机1.2.2分析机1.2.3“机器人”的由来1.3计算机的出现1.3.1为战争而发展的计算机器1.3.2计算机无处不在1.3.3通用计算机1.3.4计算机语言1.3.5计算机建模1.4计算机的智能行为1.4.1类人行为：图灵测试1.4.2类人思考：认知建模1.4.3理性思考：“思维法则”1.4.4理性行为：理性智能体1.4.5对人类可证益的智能体1.5人工智能大师教学后记授课结合实例：通过实际案例和示范演示，帮助学生理解课文内容。互动讨论：鼓励学生参与讨论，调用学生主动学习的积极性。章节名称第2章定义人工智能计划课时4课时教学目标熟悉人工智能学科基础掌握人工智能概述的全部知识了解人工智能发展历史教学重点2.1人工智能学科基础2.2人工智能概述2.2.1“人工”与“智能”2.2.2人工智能定义2.2.3人工智能的实现途径2.2.4人工智能发展的6个阶段2.3人工智能发展历史2.3.1人工智能研究获得的图灵奖2.3.2从人工神经元开始（1943-1956）2.3.3早期期望无限（1952-1969）2.3.4一些现实（1966-1973）2.3.5专家系统（1969-1986）2.3.6神经网络的回归（1986—现在）2.3.7概率推理和机器学习（1987—现在）2.3.8大数据（2001—现在）2.3.9深度学习（2011—现在）2.4人工智能的研究教学难点2.3人工智能发展历史2.4人工智能的研究教学方式结合PPT开展课堂理论教学，引导学生阅读课文并做好课堂笔记教学过程课时2：2.1人工智能学科基础2.2人工智能概述2.2.1“人工”与“智能”2.2.2人工智能定义2.2.3人工智能的实现途径2.2.4人工智能发展的6个阶段2.3人工智能发展历史2.3.1人工智能研究获得的图灵奖2.3.2从人工神经元开始（1943-1956）2.3.3早期期望无限（1952-1969）2.3.4一些现实（1966-1973）2.3.5专家系统（1969-1986）2.3.6神经网络的回归（1986—现在）2.3.7概率推理和机器学习（1987—现在）2.3.8大数据（2001—现在）2.3.9深度学习（2011—现在）2.4人工智能的研究教学后记章节名称第3章大数据与人工智能计划课时2课时教学目标了解模糊逻辑知识；掌握数据思维与变革知识；熟悉大数据与人工智能教学重点3.1什么是模糊逻辑3.1.1甲虫机器人的规则3.1.2模糊逻辑的发明3.1.3制定模糊逻辑的规则3.1.4模糊逻辑的定义3.1.5模糊理论的发展3.3数据思维与变革3.3.1思维转变之一：样本=总体3.3.2思维转变之二：接受数据的混杂性3.3.3思维转变之三：数据的相关关系3.4大数据与人工智能3.4.1人工智能与大数据的联系3.4.2人工智能与大数据的区别3.4.3人工智能深化大数据应用教学难点3.1什么是模糊逻辑3.3数据思维与变革教学方式结合PPT开展课堂理论教学，引导学生阅读课文并做好课堂笔记教学过程课时2：3.1什么是模糊逻辑3.1.1甲虫机器人的规则3.1.2模糊逻辑的发明3.1.3制定模糊逻辑的规则3.1.4模糊逻辑的定义3.1.5模糊理论的发展3.2模糊逻辑系统3.2.1纯模糊逻辑系统3.2.2高木-关野模糊逻辑系统3.2.3具有产生器及消除器的模糊逻辑系统3.3数据思维与变革3.3.1思维转变之一：样本=总体3.3.2思维转变之二：接受数据的混杂性3.3.3思维转变之三：数据的相关关系3.4大数据与人工智能3.4.1人工智能与大数据的联系3.4.2人工智能与大数据的区别3.4.3人工智能深化大数据应用教学后记章节名称第4章智能体与智能代理计划课时2课时教学目标掌握智能体和环境知识熟悉智能代技术了解智能代理的典型应用教学重点4.1智能体和环境4.2智能体的良好行为4.2.1性能度量4.2.2理性4.2.3全知、学习和自主4.3环境的本质4.3.1指定任务环境4.3.2任务环境的属性4.5智能代理技术4.5.1智能代理的定义4.5.2智能代理的典型工作过程4.5.3智能代理的特点4.5.4系统内的协同合作教学难点4.2智能体的良好行为4.3环境的本质教学方式结合PPT开展课堂理论教学，引导学生阅读课文并做好课堂笔记教学过程课时2：4.1智能体和环境4.2智能体的良好行为4.2.1性能度量4.2.2理性4.2.3全知、学习和自主4.3环境的本质4.3.1指定任务环境4.3.2任务环境的属性4.4智能体的结构4.4.1智能体程序4.4.2学习型智能体4.4.3智能体程序组件的工作4.5智能代理技术4.5.1智能代理的定义4.5.2智能代理的典型工作过程4.5.3智能代理的特点4.5.4系统内的协同合作4.6智能代理的典型应用4.6.1股票/债券/期货交易4.6.2医疗诊断4.6.3搜索引擎4.6.4实体机器人4.6.5电脑游戏教学后记章节名称第5章机器学习计划课时2课时教学目标熟悉什么是机器学习掌握学习方式的分类了解机器学习算法熟悉机器学习的应用教学重点5.1什么是机器学习5.1.1机器学习的发展5.1.2机器学习的定义5.1.3机器学习的研究5.2基于学习方式的分类5.2.1监督学习5.2.2无监督学习5.2.3强化学习5.2.4机器学习的其他分类5.3机器学习的基本结构5.4机器学习算法5.4.1专注于学习能力5.4.2回归算法5.4.3K-近邻算法5.4.4决策树算法5.4.5贝叶斯算法5.4.6聚类算法5.4.7支持向量机算法5.4.8神经网络算法5.4.9梯度增强算法5.4.10关联规则算法5.4.11EM（期望最大化）算法教学难点5.4机器学习算法教学方式结合PPT开展课堂理论教学，引导学生阅读课文并做好课堂笔记教学过程课时2：5.1什么是机器学习5.1.1机器学习的发展5.1.2机器学习的定义5.1.3机器学习的研究5.2基于学习方式的分类5.2.1监督学习5.2.2无监督学习5.2.3强化学习5.2.4机器学习的其他分类5.3机器学习的基本结构5.4机器学习算法5.4.1专注于学习能力5.4.2回归算法5.4.3K-近邻算法5.4.4决策树算法5.4.5贝叶斯算法5.4.6聚类算法5.4.7支持向量机算法5.4.8神经网络算法5.4.9梯度增强算法5.4.10关联规则算法5.4.11EM（期望最大化）算法5.5机器学习的应用5.5.1数据分析与挖掘5.5.2模式识别5.5.3生物信息学应用5.5.4物联网5.5.5聊天机器人5.5.6自动驾驶教学后记章节名称第6章深度学习计划课时2课时教学目标了解动物的中枢神经系统和人工神经网络掌握深度学习的定义了解深度学习的应用教学重点6.1动物的中枢神经系统6.1.1神经系统的结构6.1.2神经系统学习机制6.2了解人工神经网络6.2.1人工神经网络的研究6.2.2典型的人工神经网络6.2.3类脑计算机6.3深度学习的定义6.3.1深度学习的优势6.3.2深度学习的意义6.3.3神经网络理解图片6.3.4训练神经网络6.3.5深度学习的方法6.6深度学习的应用教学难点6.4卷积神经网络6.5迁移学习教学方式结合PPT开展课堂理论教学，引导学生阅读课文并做好课堂笔记教学过程课时2：6.1动物的中枢神经系统6.1.1神经系统的结构6.1.2神经系统学习机制6.2了解人工神经网络6.2.1人工神经网络的研究6.2.2典型的人工神经网络6.2.3类脑计算机6.3深度学习的定义6.3.1深度学习的优势6.3.2深度学习的意义6.3.3神经网络理解图片6.3.4训练神经网络6.3.5深度学习的方法6.4卷积神经网络6.4.1为什么选择卷积6.4.2卷积神经网络结构6.5迁移学习6.5.1基于实例的迁移6.5.2基于特征的迁移6.5.3基于共享参数的迁移6.6深度学习的应用教学后记章节名称第7章强化学习计划课时2课时教学目标掌握强化学习的定义了解强化学习基础理论熟悉强化学习的应用教学重点7.1强化学习的定义7.1.1发展历史7.1.2基本模型和原理7.1.3网络模型设计7.1.4设计考虑7.1.5数据依赖性7.3强化学习基础理论7.3.1基于模型与免模型环境7.3.2探索与利用7.3.3预测与控制7.5强化学习的应用7.5.1游戏博弈7.5.2机器人控制7.5.3制造业7.5.4医疗服务业7.5.5电子商务教学难点7.1强化学习的定义7.3强化学习基础理论教学方式结合PPT开展课堂理论教学，引导学生阅读课文并做好课堂笔记教学过程课时2：7.1强化学习的定义7.1.1发展历史7.1.2基本模型和原理7.1.3网络模型设计7.1.4设计考虑7.1.5数据依赖性7.2与监督学习的区别7.2.1学习方式7.2.2先验知识与标注数据7.3强化学习基础理论7.3.1基于模型与免模型环境7.3.2探索与利用7.3.3预测与控制7.4强化学习分类7.4.1从奖励中学习7.4.2被动强化学习7.4.3主动强化学习7.4.4强化学习中的泛化7.4.5学徒学习与逆强化学习7.5强化学习的应用7.5.1游戏博弈7.5.2机器人控制7.5.3制造业7.5.4医疗服务业7.5.5电子商务教学后记章节名称第8章数据挖掘计划课时2课时教学目标了解从数据到知识的相关知识熟悉数据挖掘方法了解数据挖掘经典算法教学重点8.1从数据到知识8.1.1决策树分析8.1.2购物车分析8.1.3贝叶斯网络8.2数据挖掘方法8.2.1数据挖掘的发展8.2.2数据挖掘的对象8.2.3数据挖掘的步骤8.2.4数据挖掘分析方法8.3数据挖掘经典算法8.3.1神经网络法8.3.2决策树法8.3.3遗传算法8.3.4粗糙集法8.3.5模糊集法8.3.6关联规则法教学难点8.3数据挖掘经典算法8.4机器学习VS.数据挖掘教学方式结合PPT开展课堂理论教学，引导学生阅读课文并做好课堂笔记教学过程课时2：8.1从数据到知识8.1.1决策树分析8.1.2购物车分析8.1.3贝叶斯网络8.2数据挖掘方法8.2.1数据挖掘的发展8.2.2数据挖掘的对象8.2.3数据挖掘的步骤8.2.4数据挖掘分析方法8.3数据挖掘经典算法8.3.1神经网络法8.3.2决策树法8.3.3遗传算法8.3.4粗糙集法8.3.5模糊集法8.3.6关联规则法8.4机器学习VS.数据挖掘8.4.1数据挖掘和机器学习典型过程8.4.2机器学习&数据挖掘应用案例教学后记章节名称第9章机器人技术计划课时2课时教学目标了解包容体系结构与及其实现掌握机器人基本概念熟悉机器人的技术问题教学重点9.1包容体系结构9.1.1所谓“中文房间”9.1.2传统机器人学9.1.3建立包容体系结构9.4机器人的概念9.4.1机器人的发展9.4.2机器人“三原则”9.5机器人的技术问题9.5.1机器人的组成9.5.2机器人的运动9.5.3机器人大狗教学难点9.1包容体系结构9.3机器感知教学方式结合PPT开展课堂理论教学，引导学生阅读课文并做好课堂笔记教学过程课时2：9.1包容体系结构9.1.1所谓“中文房间”9.1.2传统机器人学9.1.3建立包容体系结构9.2包容体系结构的实现9.2.1艾伦机器人9.2.2赫伯特机器人9.2.3托托机器人9.3机器感知9.3.1机器智能与智能机器9.3.2机器思维与思维机器9.3.3机器行为与行为机器9.4机器人的概念9.4.1机器人的发展9.4.2机器人“三原则”9.5机器人的技术问题9.5.1机器人的组成9.5.2机器人的运动9.5.3机器人大狗教学后记章节名称第10章计算机视觉计划课时2课时教学目标了解模式识别、图像识别基础知识了解计算机视觉技术了解智能图像处理技术教学重点10.1模式识别10.2图像识别10.2.1人类的图像识别能力10.2.2图像识别的基础10.2.3图形识别的模型10.2.4神经网络图像识别10.3计算机视觉技术10.3.1什么是机器视觉10.3.2定义计算机视觉10.3.3计算机视觉与机器视觉的区别10.4智能图像处理技术10.4.1图像采集10.4.2图像预处理10.4.3图像分割10.4.4目标识别和分类10.4.5目标定位和测量10.4.6目标检测和跟踪教学难点10.1模式识别10.2图像识别10.4智能图像处理技术教学方式结合PPT开展课堂理论教学，引导学生阅读课文并做好课堂笔记教学过程课时2：10.1模式识别10.2图像识别10.2.1人类的图像识别能力10.2.2图像识别的基础10.2.3图形识别的模型10.2.4神经网络图像识别10.3计算机视觉技术10.3.1什么是机器视觉10.3.2定义计算机视觉10.3.3计算机视觉与机器视觉的区别10.4智能图像处理技术10.4.1图像采集10.4.2图像预处理10.4.3图像分割10.4.4目标识别和分类10.4.5目标定位和测量10.4.6目标检测和跟踪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10.6.1机器视觉的行业应用10.6.2检测与机器人视觉应用10.6.3布匹生产质量检测教学后记章节名称第11章自然语言处理计划课时2课时教学目标熟悉自然语言处理基础知识了解语音处理教学重点11.1语言的问题和可能性11.2什么是自然语言处理11.2.1自然语言处理的原因11.2.2自然语言处理的方法11.2.3自然语言处理的任务11.2.4语言模型11.5语音处理11.5.1语音处理的发展11.5.2语音理解11.5.3语音识别教学难点11.3语法类型与语义分析11.4处理数据与处理工具教学方式结合PPT开展课堂理论教学，引导学生阅读课文并做好课堂笔记教学过程课时2:11.1语言的问题和可能性11.2什么是自然语言处理11.2.1自然语言处理的原因11.2.2自然语言处理的方法11.2.3自然语言处理的任务11.2.4语言模型11.3语法类型与语义分析11.3.1语法类型11.3.2语义分析11.3.3IBM机器翻译系统11.4处理数据与处理工具11.4.1统计NLP语言数据集11.4.2自然语言处理工具11.4.3自然语言处理技术难点11.5语音处理11.5.1语音处理的发展11.5.2语音理解11.5.3语音识别教学后记章节名称第12章GPT—大语言模型起步计划课时2课时教学目标了解自然语言处理的进步熟悉AI大语言模型了解CharGPT教学重点12.1自然语言处理的进步12.1.1关于ImageNet12.1.2自然语言处理的ImageNet时刻12.1.3从GPT-1到GPT-312.1.4ChatGPT聊天机器人模型与对策12.1.5从文本生成音乐的MusicLM模型12.1.6检测AI文本的DetectGPT算法12.2科普AI大语言模型12.3CHATGPT的模仿秀12.3.1旧的守卫，新的想法12.3.2搜索引擎结合LLM12.3.3克服简单编造与重复教学难点12.3ChatGPT的模仿秀教学方式结合PPT开展课堂理论教学，引导学生阅读课文并做好课堂笔记教学过程课时2：12.1自然语言处理的进步12.1.1关于ImageNet12.1.2自然语言处理的ImageNet时刻12.1.3从GPT-1到GPT-312.1.4ChatGPT聊天机器人模型与对策12.1.5从文本生成音乐的MusicLM模型12.1.6检测AI文本的DetectGPT算法12.2科普AI大语言模型12.3CHATGPT的模仿秀12.3.1旧的守卫，新的想法12.3.2搜索引擎结合LLM12.3.3克服简单编造与重复12.4传统行业的下岗12.4.1客服市场，AI本来就很卷12.4.2“伐木场迎来工业革命”12.4.3新技术，新问题教学后记章节名称第13章群体智能计划课时2课时教学目标熟悉群体智能知识了解群体智能的典型算法模型教学重点13.2什么是群体智能13.2.1群体人工智能技术13.2.2群体智能的两种机制13.2.3基本原则与特点13.3典型算法模型13.3.1蚁群算法13.3.2搜索机器人13.3.3微粒群（鸟群）优化算法13.3.4没有机器人的集群13.5群体智能的应用13.6群体智能的发展教学难点13.3典型算法模型教学方式结合PPT开展课堂理论教学，引导学生阅读课文并做好课堂笔记教学过程课时2：13.1向蜜蜂学习群体智能13.2什么是群体智能13.2.1群体人工智能技术13.2.2群体智能的两种机制13.2.3基本原则与特点13.3典型算法模型13.3.1蚁群算法13.3.2搜索机器人13.3.3微粒群（鸟群）优化算法13.3.4没有机器人的集群13.4群体智能背后的故事13.5群体智能的应用13.6群体智能的发展教学后记章节名称第14章自动规划计划课时2课时教学目标熟悉规划的概念和WUMPUS世界；了解什么是自动规划了解规划方法教学重点14.1规划的概念14.2人工智能的WUMPUS世界14.2.1描述Wumpus世界14.2.2探索Wumpus世界14.3什么是自动规划14.3.1定义经典规划14.3.2自动规划问题14.3.3规划问题示例14.4规划方法14.4.1规划即搜索14.4.2部分有序规划14.4.3分级规划14.4.4基于案例的规划14.4.5规划方法分析教学难点14.4规划方法14.5时间、调度和资源教学方式结合PPT开展课堂理论教学，引导学生阅读课文并做好课堂笔记教学过程课时2：14.1规划的概念14.2人工智能的WUMPUS世界14.2.1描述Wumpus世界14.2.2探索Wumpus世界14