新一代信息技术教案 第2章 走进人工智能

教案首页课题名称第2章走进人工智能（2）——2.3课次4授课类型理论□实践□理实一体□其他学时2授课日期授课班级授课地点教学目的与要求知识目标：1.了解人工智能的关键技术。能力目标：1.能简单描述人工智能的七个关键技术。素质目标：1.了解伦理道德准则，规范日常信息行为；2.了解相关法律法规并自觉遵守；3.具备信息安全意识和相关防护能力。课程思政目标：增强民族自豪感，学习大国工匠精神，树立科技报国思想。教学重点人工智能的关键技术教学难点人工神经网络与深度学习教学方法与手段教学方法：课件讲解、举例说明、对比分析、启发引导学生学法：预习—听讲---讨论---复习—自学扩展设计意图：激发学生学习兴趣、提高课堂学习效率教学资源：课件、视频资料课程思政要素要点通过对人工智能关键技术应用的实例例举，如昆明恐怖袭击事件指纹比对抓获罪犯，让学生感受科技的力量，和我们人工智能技术的实际应用和发展，增强学生的民族自豪感，树立学生科技报国志向。课外作业查阅人工智能相关资料教学反思对于人工智能关键技术的介绍，尽量用浅显易懂的实例来说明便于学生理解。教案纸第2章走进人工智能（2）——2.3一、整体设计1.复习引入（10分钟）2.新知识讲解（80分钟）人工智能的关键技术3.总结与布置作业（10分钟）二、复习引入1.上节课内容回顾：上节课我们学习了人工智能的概念和发展历史的相关内容。2.新课引入：人工智能包括机器学习、知识图谱、自然语言处理、人机交互、机器视觉、人工神经网络与深度学习、生物识别等七个关键技术。三、新知识讲解2.3人工智能的关键技术2.3.1机器学习1.什么是机器学习机器学习与人类思考的经验过程类似的，不过它能考虑更多的情况，执行更加复杂的计算。事实上，机器学习的一个主要目的就是把人类思路归纳经验的过程转化为计算机通过对数据的处理计算得出模型的过程。经过计算机得出的模型能够以近似于人的方式解决很多灵活复杂的问题。机器学习是一门涉及诸多领域的交叉学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能。重新组织已有的知识结构使之不断改善自身的性能，是人工智能技术的核心。基于数据的机器学习是现代智能技术中的重要方法之一，研究从观测数据(样本)出发寻找规律，并利用这些规律对未来数据或无法观测的数据进行预测。2.机器学习系统的基本模型3.机器学习应用金融商务智能交通机器人游戏2.1.2知识图谱知识图谱（KnowledgeGraph/Vault）（Google，2012年5月16日），又称科学知识图谱，是显示知识发展进程与结构关系的一系列不同的图形，即用可视化技术描述知识资源及其载体，并挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。知识图谱是一种互联网环境下的知识表示方法。目的是为了提高搜索引擎的能力，改善用户的搜索质量以及搜索体验。随着人工智能的技术发展和应用，知识图谱作为关键技术之一，已被广泛应用于智能搜索、智能问答、个性化推荐、内容分发等领域。现在的知识图谱已被用来泛指各种大规模的知识库。谷歌、百度和搜狗等搜索引擎公司为了改进搜索质量，纷纷构建知识图谱，分别称为知识图谱、知心和知立方。知识图谱的应用：语义搜索知识问答社交网络垂直行业应用2.3.3自然语言处理自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信（用自然语言与计算机进行通信）的各种理论和方法。自然语言处理的应用：机器创作2005年，微软研究院研发成功《微软对联》系统：用户出上联，电脑对出下联和横批。猜字谜的智能系统：用户给出谜面，让系统猜出字；或系统给出谜面让用户猜出字。2017年微软研究院开发电脑写诗、作词、谱曲系统。中央电视台《机智过人》节目：微软的电脑作词谱曲与人类选手进行词曲创作比拼的节目。央视的“机智过人”节目，微软小冰作词作曲创作并演唱《桃花梦》2.3.4人机交互人机交互是一门研究系统与用户之间的交互关系的学科，人机交互技术除了传统的基本交互和图形交互外，还包括语音交互、情感交互、体感交互及脑机交互等技术。日本建成了一栋可应用“人机交互”技术的住宅。人们可以通过该装置，用意念不用手就能自由操控家用电器。用户头部戴着的含有“人机交互”技术的特殊装置，该装置通过读取用户脑部血流的变化以及脑波变动数据实现无线通信。连接网络的计算机通过识别装置发来的无线信号向机器传输指令。目前此装置判断的准确率达到80%，且从人的意识出现开始最短6.5秒内机器就可以识别。2.2.5机器视觉机器视觉或计算机视觉是用机器代替人眼进行测量和判断，是模式识别研究的一个重要方面。参照人类的视觉系统，摄像机等成像设备是机器的“眼睛”，计算机视觉的作用就是要模拟人的大脑（主要是视觉皮层区）的视觉能力。机器视觉的应用：家用机器人可穿戴设备三维人脸重建2.2.6人工神经网络与深度学习1.人工神经网络生物神经网络(naturalneuralnetwork,NNN):由中枢神经系统（脑和脊髓）及周围神经系统（感觉神经、运动神经等）所构成的错综复杂的神经网络，其中最重要的是脑神经系统。人工神经网络(artificialneuralnetworks,ANN):模拟人脑神经系统的结构和功能，运用大量简单处理单元经广泛连接而组成的人工网络系统。人工智能、机器学习和深度学习是非常相关的几个领域。人工智能是一类非常广泛的问题，机器学习是解决这类问题的一个重要的手段。而深度学习是机器学习的一个分支在很多人工智能问题上，深度学习的方法突破了传统学习方法的瓶颈，推动了人工智能领域的发展。2.深度学习深度学习的概念由Hinton等人于2006年提出。深度学习是一种从数据中学习表示的数学框架，它借助多层神经网络实现数据特征的提取，并逐层将初级特征抽象为高级特征。为了能更好地学习到数据的有效表示，它发展出了一系列的神经网络结构及网络训练方法。广义上来说，“深度学习”是为了让层数较多的多层神经网络可以训练，而演化出来的一套理论及方法。深度学习的相关应用：DeepDream图像生成图像生成2.2.7生物特征识别生物识别技术(BiometricIdentificationTechnology)是指利用人体生物特征进行身份认证的一种技术。更具体一点，生物特征识别技术就是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性和行为特征来进行个人身份的鉴定。步态识别的应用四、总结及布置作业1.总结工智能包括机器学习、知识图谱、自然语言处理、人机交互、机器视觉、人工神经网络与深度学习、生物识别等七个关键技术。2.布置作业：查阅人工智能相关资料五、板书设计第2章走进人工智能三、人工智能关键技术1.机器学习2.知