人工智能通识教程教与学（思政教学大纲+教学课件+微课视频+习题答案）
✦
教学大纲
✦
01
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
02
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。
03
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。
04
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
12.3 CHATGPT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】
05
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。
06
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
07
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。
08
教学进度安排
✦
参考书籍
✦
相关图书
在公众号书圈后台回复【9787302665762】，下载本书配套的教学资源
单击页面下方【阅读原文】，订阅【教学大纲】栏目