“人工智能與智慧社會(huì)”模塊

“人工智能的實(shí)現(xiàn)方式”單元的教學(xué)

本期內(nèi)容

1

課標(biāo)理解

●解析核心技術(shù)，設(shè)計(jì)教學(xué)實(shí)踐

——“人工智能的實(shí)現(xiàn)方式”單元的教學(xué)

2

教學(xué)課例+同步教學(xué)資源

●“人工智能的實(shí)現(xiàn)方式”的教學(xué)

——以“學(xué)習(xí)者畫像聚類”項(xiàng)目為例

●從模型探究到智能創(chuàng)造

——初中生人工智能應(yīng)用開(kāi)發(fā)實(shí)踐探究

1

課標(biāo)理解

解析核心技術(shù)，

設(shè)計(jì)教學(xué)實(shí)踐

——“人工智能的實(shí)現(xiàn)方式”

單元的教學(xué)

本文通過(guò)課標(biāo)理解，介紹了人工智能（AI）四大核心技術(shù)（搜索、推理、預(yù)測(cè)及機(jī)器學(xué)習(xí)）的應(yīng)用、實(shí)現(xiàn)及融合情況，提出了用生活場(chǎng)景（如預(yù)測(cè)遲到）和項(xiàng)目式學(xué)習(xí)拆解AI黑箱的教學(xué)策略，旨在幫助初中生理解AI的實(shí)現(xiàn)方式，培養(yǎng)計(jì)算思維。

“人工智能的實(shí)現(xiàn)方式”單元是《義務(wù)教育信息科技課程標(biāo)準(zhǔn)（2022年版）》（以下簡(jiǎn)稱“課標(biāo)”）9年級(jí)內(nèi)容模塊“人工智能與智慧社會(huì)”中的第二個(gè)學(xué)習(xí)單元。要做好本單元的教學(xué)，教師首先應(yīng)當(dāng)研讀課標(biāo)，認(rèn)識(shí)并理解人工智能中的“搜索、推理、預(yù)測(cè)和機(jī)器學(xué)習(xí)”這幾種實(shí)現(xiàn)方式，在此基礎(chǔ)上，引導(dǎo)學(xué)生從身邊的人工智能應(yīng)用入手，做好分類分析，逐步了解其實(shí)現(xiàn)的方式。

課標(biāo)理解——人工智能的應(yīng)用場(chǎng)景及實(shí)現(xiàn)方式

課標(biāo)要求“通過(guò)對(duì)比不同的人工智能應(yīng)用場(chǎng)景，初步了解人工智能中的搜索、推理、預(yù)測(cè)和機(jī)器學(xué)習(xí)等不同實(shí)現(xiàn)方式”。所謂人工智能應(yīng)用場(chǎng)景是指人工智能技術(shù)在具體實(shí)際需求環(huán)境中的落地應(yīng)用，也就是通過(guò)數(shù)據(jù)處理、智能分析或任務(wù)執(zhí)行，解決特定問(wèn)題、優(yōu)化流程或提供智能服務(wù)的具體場(chǎng)景。人工智能（AI）在不同場(chǎng)景中的應(yīng)用，主要依托搜索、推理、預(yù)測(cè)、機(jī)器學(xué)習(xí)這四大核心實(shí)現(xiàn)方向。

1.搜索：從“關(guān)鍵詞匹配”到“語(yǔ)義理解”的信息檢索

搜索是AI最基礎(chǔ)的功能，其核心就是從海量數(shù)據(jù)里快速找到想要的信息。

（1）典型應(yīng)用場(chǎng)景

人們?nèi)粘Ｊ褂玫乃阉饕妫绨俣取⒐雀瑁?dāng)搜索“人工智能怎么用”時(shí)，它會(huì)返回相關(guān)網(wǎng)頁(yè)；還有專項(xiàng)搜索，如在淘寶搜“手機(jī)”能找到對(duì)應(yīng)商品，在醫(yī)院查詢“糖尿病”可調(diào)出相關(guān)病歷，在學(xué)術(shù)網(wǎng)站搜“機(jī)器學(xué)習(xí)”能檢索到相關(guān)論文。另外，還有多種搜索方式，如在淘寶上傳裙子圖片可找到同款，在抖音上說(shuō)出“搞笑視頻”就能搜索到相關(guān)內(nèi)容等。

（2）實(shí)現(xiàn)方式與技術(shù)演進(jìn)

搜索的核心是“建目錄+找東西”，技術(shù)上主要解決兩個(gè)問(wèn)題：怎么快速建目錄、怎么精準(zhǔn)找到想要的。

早期關(guān)鍵詞搜索：依靠“關(guān)鍵詞目錄”對(duì)應(yīng)詞與文檔列表，用詞頻統(tǒng)計(jì)（TF-IDF）或BM25算法算相似度，缺點(diǎn)是只看字面不懂語(yǔ)義。

語(yǔ)義搜索：依靠機(jī)器學(xué)習(xí)把文字變成電腦能懂的數(shù)字（向量），再通過(guò)比較數(shù)字相似度找意思相近的內(nèi)容。常用模型：Word2Vec/GloVe—將詞轉(zhuǎn)為數(shù)字向量，捕捉語(yǔ)義關(guān)系；BERT/Transformer：結(jié)合上下文理解歧義。

多模態(tài)搜索：把文字、圖片、語(yǔ)音的意思對(duì)應(yīng)起來(lái)，如騰訊混元圖像3.0模型能讓“紅色裙子”的文字和圖片匹配，實(shí)現(xiàn)“以圖搜圖”“以文搜圖”。

（3）特點(diǎn)與局限性

特點(diǎn)：快、處理海量數(shù)據(jù)、結(jié)果能驗(yàn)證。局限性：需要有現(xiàn)成數(shù)據(jù)；太復(fù)雜的問(wèn)題需要靠推理。

2.推理：從“按規(guī)則算”到“會(huì)靈活思考”的邏輯推導(dǎo)

推理就是AI學(xué)習(xí)人類思考，其核心是根據(jù)已知信息或規(guī)則推出新結(jié)論。其發(fā)展的關(guān)鍵在于，在保持邏輯正確性的基礎(chǔ)上提升靈活性。

（1）典型應(yīng)用場(chǎng)景

醫(yī)療診斷系統(tǒng)根據(jù)癥狀和規(guī)則判斷病情；法律AI依據(jù)條款推理合同有效性；代碼生成工具根據(jù)需求生成代碼。

（2）實(shí)現(xiàn)方式與技術(shù)演進(jìn)

推理的核心是“規(guī)則+推導(dǎo)”，技術(shù)上主要解決怎么寫規(guī)則、怎么快速推導(dǎo)結(jié)論。

傳統(tǒng)規(guī)則推理：用“如果P就Q”規(guī)則，通過(guò)正向/反向推理推導(dǎo)結(jié)果，缺點(diǎn)是規(guī)則需人工編寫，難覆蓋復(fù)雜場(chǎng)景及模糊信息。

概率推理：針對(duì)模糊情況，用貝葉斯網(wǎng)絡(luò)結(jié)合規(guī)則與概率。

神經(jīng)符號(hào)推理：結(jié)合神經(jīng)網(wǎng)絡(luò)的識(shí)別能力與符號(hào)邏輯的嚴(yán)謹(jǐn)性，智譜GLM-4則通過(guò)“思維鏈”逐步推理。

（3）特點(diǎn)與局限性

特點(diǎn)：結(jié)論可解釋、邏輯嚴(yán)密；局限性：傳統(tǒng)規(guī)則需人工編寫，復(fù)雜場(chǎng)景覆蓋不全，概率推理需大量數(shù)據(jù)，神經(jīng)符號(hào)推理尚未普及。

3.預(yù)測(cè)：從“過(guò)去數(shù)據(jù)”推“未來(lái)趨勢(shì)”

預(yù)測(cè)是AI的核心能力，就是從過(guò)去數(shù)據(jù)里找規(guī)律，猜未來(lái)會(huì)發(fā)生什么、概率是多少。發(fā)展方向就是模型越來(lái)越復(fù)雜，預(yù)測(cè)越來(lái)越準(zhǔn)。

（1）典型應(yīng)用場(chǎng)景

天氣預(yù)報(bào)、經(jīng)濟(jì)預(yù)測(cè)、用戶行為預(yù)測(cè)、健康預(yù)測(cè)。

（2）實(shí)現(xiàn)方式與技術(shù)演進(jìn)

預(yù)測(cè)的核心就是“從數(shù)據(jù)中找規(guī)律，再用到未來(lái)”，技術(shù)上主要解決怎么找規(guī)律、怎么用規(guī)律。

傳統(tǒng)統(tǒng)計(jì)模型：假設(shè)數(shù)據(jù)分布，用ARIMA/SARIMA預(yù)測(cè)時(shí)間序列，線性/邏輯回歸預(yù)測(cè)房?jī)r(jià)或購(gòu)買概率。缺點(diǎn)：處理不了復(fù)雜數(shù)據(jù)；當(dāng)數(shù)據(jù)不符合假設(shè)時(shí)，預(yù)測(cè)不準(zhǔn)。

機(jī)器學(xué)習(xí)模型：不用假設(shè)數(shù)據(jù)規(guī)律，算法自己從數(shù)據(jù)里學(xué)規(guī)律。樹模型處理復(fù)雜數(shù)據(jù)；神經(jīng)網(wǎng)絡(luò)處理時(shí)間序列數(shù)據(jù)。

大模型預(yù)測(cè)：通義千問(wèn)根據(jù)股價(jià)描述預(yù)測(cè)走勢(shì)，華為盤古大模型處理多特征時(shí)間序列，精度超傳統(tǒng)模型。

（3）特點(diǎn)與局限性

特點(diǎn)：具有前瞻性、概率性，依賴數(shù)據(jù)質(zhì)量。局限性：無(wú)法預(yù)測(cè)黑天鵝事件，當(dāng)歷史數(shù)據(jù)代表性不足時(shí)偏差大，深度學(xué)習(xí)模型可解釋性差。

4.機(jī)器學(xué)習(xí)：讓AI自己學(xué)規(guī)律的核心方法

機(jī)器學(xué)習(xí)（ML）是人工智能（AI）的核心技術(shù)，它能讓模型自主從數(shù)據(jù)中學(xué)習(xí)規(guī)律，無(wú)需人工編寫規(guī)則。其本質(zhì)是“從經(jīng)驗(yàn)中學(xué)習(xí)”，可使搜索、推理、預(yù)測(cè)的性能得到顯著提升。

（1）典型應(yīng)用場(chǎng)景

計(jì)算機(jī)視覺(jué)（CV）：人臉識(shí)別、腫瘤檢測(cè)、自動(dòng)駕駛。

自然語(yǔ)言處理（NLP）：機(jī)器翻譯（百度文心一言）、情感分析（科大訊飛星火）、聊天機(jī)器人（字節(jié)跳動(dòng)豆包）；強(qiáng)化學(xué)習(xí)（RL）：絕藝圍棋、優(yōu)必選機(jī)器人抓取、淘寶推薦系統(tǒng)優(yōu)化點(diǎn)擊策略。

（2）實(shí)現(xiàn)方式與技術(shù)分類

機(jī)器學(xué)習(xí)的核心邏輯是“數(shù)據(jù)→模型→預(yù)測(cè)”，按“有沒(méi)有標(biāo)簽”和“怎么學(xué)”分以下三大類。

監(jiān)督學(xué)習(xí)：用帶標(biāo)簽數(shù)據(jù)學(xué)習(xí)輸入輸出關(guān)系，算法包括CNN、文心一言、XGBoost，應(yīng)用于搜索、推理、預(yù)測(cè)。

無(wú)監(jiān)督學(xué)習(xí)：用無(wú)標(biāo)簽數(shù)據(jù)學(xué)習(xí)內(nèi)在規(guī)律，算法有K-means（用戶分群）、PCA（數(shù)據(jù)降維）、自編碼器（圖像壓縮），應(yīng)用于搜索（查詢分群優(yōu)化結(jié)果）、推理（文獻(xiàn)主題聚類）、預(yù)測(cè)（用戶活躍度分群預(yù)測(cè)銷量）。

強(qiáng)化學(xué)習(xí)（RL）：通過(guò)獎(jiǎng)勵(lì)機(jī)制學(xué)習(xí)動(dòng)作策略（如絕藝圍棋贏棋獎(jiǎng)勵(lì)），算法包括DQN（游戲）、PPO（機(jī)器人）、天壤圍棋AI（搜索+深度學(xué)習(xí)），應(yīng)用于搜索排序優(yōu)化、代碼生成正確性提升、預(yù)測(cè)策略優(yōu)化。

（3）與其他實(shí)現(xiàn)方式的關(guān)系

機(jī)器學(xué)習(xí)是搜索、推理、預(yù)測(cè)的底層技術(shù)，唯有其取得進(jìn)步，另外三個(gè)方向的性能才能得到顯著提升。搜索與機(jī)器學(xué)習(xí)：從人工規(guī)則分詞升級(jí)為BERT自動(dòng)學(xué)習(xí)語(yǔ)義，提升匹配精度。推理與機(jī)器學(xué)習(xí)：神經(jīng)網(wǎng)絡(luò)與邏輯結(jié)合解決傳統(tǒng)規(guī)則靈活性問(wèn)題，提升效率。預(yù)測(cè)與機(jī)器學(xué)習(xí)：深度學(xué)習(xí)處理復(fù)雜數(shù)據(jù)，預(yù)測(cè)精度超越統(tǒng)計(jì)模型。

5.四大技術(shù)怎么配合工作

搜索、推理、預(yù)測(cè)與機(jī)器學(xué)習(xí)并非獨(dú)立運(yùn)作，而是相互支撐、協(xié)同作用的。下面，筆者將從核心邏輯、技術(shù)特點(diǎn)、應(yīng)用場(chǎng)景三個(gè)維度展開(kāi)對(duì)比，再通過(guò)實(shí)例闡釋它們?nèi)绾闻浜稀?/p>

（1）核心邏輯對(duì)比（如表1）

表1

（2）技術(shù)特點(diǎn)對(duì)比（如表2）

表2

（3）融合應(yīng)用舉例

以醫(yī)療領(lǐng)域舉例，四個(gè)技術(shù)配合的流程是：搜索——醫(yī)生輸入“糖尿病”調(diào)取病歷。推理——結(jié)合規(guī)則判斷“可能2型糖尿病”。預(yù)測(cè)——XGBoost分析數(shù)據(jù)預(yù)測(cè)并發(fā)癥風(fēng)險(xiǎn)。機(jī)器學(xué)習(xí)——CNN檢測(cè)視網(wǎng)膜病變，百度靈醫(yī)智惠生成診斷報(bào)告。

再以電商舉例，它們配合的流程是：搜索——用戶搜“手機(jī)”返回商品。推理——規(guī)則推導(dǎo)推薦理由。預(yù)測(cè)——華為盤古大模型預(yù)測(cè)雙11銷量調(diào)整庫(kù)存。機(jī)器學(xué)習(xí)——協(xié)同過(guò)濾個(gè)性化推薦，騰訊混元圖像3.0實(shí)現(xiàn)圖像搜索。

6.未來(lái)趨勢(shì)：多模態(tài)、神經(jīng)符號(hào)、大模型一起用

隨著AI技術(shù)的發(fā)展，這四種技術(shù)會(huì)結(jié)合得更緊密，未來(lái)趨勢(shì)主要有：多模態(tài)融合：搜索、推理、預(yù)測(cè)會(huì)從只用文字，擴(kuò)展到文字、圖片、語(yǔ)音、視頻一起用。搜索（圖+語(yǔ)音找同款）、推理（圖像+文本推結(jié)論）、預(yù)測(cè)（視頻+評(píng)論+點(diǎn)擊數(shù)據(jù)預(yù)測(cè)熱度）。

神經(jīng)符號(hào)融合：推理會(huì)從傳統(tǒng)規(guī)則向“神經(jīng)符號(hào)”發(fā)展，解決“邏輯準(zhǔn)”和“靈活用”的問(wèn)題。神經(jīng)符號(hào)搜索：文心一言學(xué)語(yǔ)義+符號(hào)邏輯分類（如“蘋果”分水果/公司），提升搜索精度。神經(jīng)符號(hào)推理：用神經(jīng)網(wǎng)絡(luò)處理模糊信息，結(jié)合符號(hào)邏輯推導(dǎo)結(jié)論，兼顧靈活性與可解釋性。

大模型融合：搜索、推理、預(yù)測(cè)會(huì)從“專用模型”變成“大模型”，用一個(gè)框架解決多種問(wèn)題。大模型驅(qū)動(dòng)：文心一言理解復(fù)雜問(wèn)題（如“AI解決氣候變化”），智譜GLM-4思維鏈推理（解數(shù)學(xué)題、寫代碼），華為盤古大模型多數(shù)據(jù)預(yù)測(cè)（天氣、經(jīng)濟(jì)等），實(shí)現(xiàn)通用框架。

歸納起來(lái)，人工智能的應(yīng)用（搜索、推理、預(yù)測(cè)）和實(shí)現(xiàn)方法（機(jī)器學(xué)習(xí)），本質(zhì)上是“處理信息能力”的不同層次：搜索是“找信息”（解決“找得到”）；推理是“推結(jié)論”（解決“想得對(duì)”）；預(yù)測(cè)是“猜趨勢(shì)”（解決“算得準(zhǔn)”）；機(jī)器學(xué)習(xí)是“學(xué)規(guī)律”（解決“學(xué)得會(huì)”）。四大技術(shù)融合將推動(dòng)AI從工具升級(jí)為智能體，最終實(shí)現(xiàn)能理解、會(huì)思考、可預(yù)測(cè)的通用人工智能（AGI）。

教學(xué)策略——做好分類分析，了解實(shí)現(xiàn)方式

課標(biāo)要求“通過(guò)對(duì)常見(jiàn)人工智能應(yīng)用的分類和分析，引導(dǎo)學(xué)生發(fā)現(xiàn)其中存在的不同實(shí)現(xiàn)方式，認(rèn)識(shí)各種實(shí)現(xiàn)方式的計(jì)算過(guò)程，了解其適用的場(chǎng)景”。教學(xué)中用學(xué)生熟悉的場(chǎng)景設(shè)計(jì)項(xiàng)目，讓他們分類、分析，逐步了解常見(jiàn)人工智能應(yīng)用背后的實(shí)現(xiàn)方式。

1.用生活場(chǎng)景幫助學(xué)生了解人工智能

初中生學(xué)習(xí)人工智能，應(yīng)從他們熟悉的生活場(chǎng)景切入。例如，“判斷同學(xué)是否會(huì)遲到”，可按以下步驟教學(xué)：先引導(dǎo)學(xué)生分享自己的遲到經(jīng)歷，讓他們回憶近3天上學(xué)遲到的原因，將這些原因在課堂上羅列出來(lái)，學(xué)生就能意識(shí)到：人類判斷事情依賴零散的經(jīng)驗(yàn)，有時(shí)并不準(zhǔn)確。

再展示AI的處理方式：用文心一言演示“預(yù)測(cè)遲到”功能，輸入“家離學(xué)校3公里、騎自行車、明天中雨”，AI會(huì)輸出遲到概率。學(xué)生通常會(huì)憑直覺(jué)猜測(cè)“應(yīng)該不會(huì)遲到”，通過(guò)對(duì)比，他們會(huì)產(chǎn)生疑問(wèn)：“為什么AI需要這么多數(shù)據(jù)？”

用生活中的比喻解釋AI概念：將AI的三種實(shí)現(xiàn)方式對(duì)應(yīng)到熟悉的事物上——“規(guī)則基方法”類似交通信號(hào)燈（紅燈停、綠燈行，遵循固定規(guī)則），“經(jīng)驗(yàn)法”如同老司機(jī)憑感覺(jué)開(kāi)車（依賴以往的經(jīng)歷），“機(jī)器學(xué)習(xí)”好比導(dǎo)航軟件（走的路越多，越清楚哪條路線最快），這樣學(xué)生能快速理解。

2.動(dòng)手做項(xiàng)目，拆解人工智能“黑箱”，了解其實(shí)現(xiàn)方式

（1）收集數(shù)據(jù)：拆解AI“依賴什么輸入”

讓學(xué)生分組記錄10個(gè)同學(xué)2周內(nèi)的“上學(xué)時(shí)間、交通方式（騎車/地鐵）、天氣、是否遲到”共140條數(shù)據(jù)。展示一張漏記天氣的表格，提問(wèn)“這樣AI能算準(zhǔn)嗎？”，引導(dǎo)學(xué)生發(fā)現(xiàn)：AI的輸入必須包含完整的關(guān)鍵信息，缺失會(huì)導(dǎo)致輸出偏差（垃圾數(shù)據(jù)出垃圾結(jié)果）——這是AI工作的基礎(chǔ)，它“吃”什么數(shù)據(jù)，決定了能“吐”什么結(jié)果。

（2）挑關(guān)鍵因素：拆解AI“如何處理信息”

組織“哪些因素真的影響遲到”小辯論（如正方說(shuō)“出發(fā)時(shí)間晚導(dǎo)致遲到”，反方說(shuō)“吃早餐快慢不影響”），讓學(xué)生自主選出3～5個(gè)關(guān)鍵因素（如天氣、交通方式、出發(fā)時(shí)間）。再教他們將“晴天”編碼為1、“陰天”編碼為2，引導(dǎo)學(xué)生理解：AI無(wú)法自動(dòng)識(shí)別重要因素，需要人類幫它提煉“特征”；同時(shí)，AI只能處理數(shù)字，文字必須轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)——這是AI處理信息的必經(jīng)步驟。

（3）訓(xùn)練模型：拆解AI“如何學(xué)習(xí)規(guī)律”

用Teachable Machine導(dǎo)入整理好的數(shù)據(jù)，先讓學(xué)生實(shí)時(shí)觀察AI生成的預(yù)測(cè)規(guī)則，再讓其用50條和100條數(shù)據(jù)分別訓(xùn)練，對(duì)比結(jié)果：數(shù)據(jù)量越多，規(guī)則越穩(wěn)定、預(yù)測(cè)越準(zhǔn)確。通過(guò)這一過(guò)程，學(xué)生能直觀理解：AI的“學(xué)習(xí)”本質(zhì)是從大量數(shù)據(jù)中統(tǒng)計(jì)、歸納規(guī)律，再用這些規(guī)律建立模型——這是AI工作的核心機(jī)制，它不會(huì)“憑空想象”，只會(huì)“從數(shù)據(jù)里找模式”。

（4）測(cè)試模型：拆解AI“有什么局限性”

開(kāi)展“AI預(yù)測(cè)大比拼”：輸入當(dāng)天的實(shí)際情況（如“周三、暴雨、坐地鐵”），讓各組用訓(xùn)練好的模型預(yù)測(cè)是否遲到。學(xué)生發(fā)現(xiàn)有時(shí)預(yù)測(cè)不準(zhǔn)，進(jìn)而思考“為什么？”。此時(shí)引導(dǎo)學(xué)生理解：AI的預(yù)測(cè)基于歷史數(shù)據(jù)中的規(guī)律，無(wú)法應(yīng)對(duì)未見(jiàn)過(guò)的突發(fā)情況。進(jìn)一步拆解了AI的“邊界”——它不是萬(wàn)能的，輸出受限于訓(xùn)練數(shù)據(jù)和已學(xué)規(guī)律。

這樣教下來(lái)，學(xué)生不光懂了AI是如何實(shí)現(xiàn)的，還能自己動(dòng)手體驗(yàn)，以后遇到AI應(yīng)用也會(huì)多問(wèn)一句：“它是如何算出來(lái)的？靠譜嗎？”——這就是課標(biāo)希望培養(yǎng)的“人-智協(xié)同”的計(jì)算思維。

本文作者：

李維明

四川省教育科學(xué)研究院

文章刊登于《中國(guó)信息技術(shù)教育》

2026年第6期

引用請(qǐng)注明參考文獻(xiàn)：

李維明.解析核心技術(shù)，設(shè)計(jì)教學(xué)實(shí)踐——“人工智能的實(shí)現(xiàn)方式”單元的教學(xué)[J].中國(guó)信息技術(shù)教育，2026（06）：22-25.

2

教學(xué)課例+同步教學(xué)資源

“人工智能的實(shí)現(xiàn)方式”的教學(xué)

——“以學(xué)習(xí)者畫像聚類”

項(xiàng)目為例

作者：

王鈺茹 藺洋 四川省成都市第七中學(xué)

資源：

（1）教學(xué)論文：“人工智能的實(shí)現(xiàn)方式”的教學(xué)——以“學(xué)習(xí)者畫像聚類”項(xiàng)目為例點(diǎn)擊閱讀

（2）教學(xué)設(shè)計(jì)及課件：學(xué)習(xí)者畫像聚類教學(xué)設(shè)計(jì)及課件點(diǎn)擊下載

課例介紹：以“學(xué)習(xí)者畫像聚類”項(xiàng)目為例，提取學(xué)習(xí)者特征，構(gòu)建學(xué)習(xí)者畫像，通過(guò)對(duì)學(xué)習(xí)者畫像數(shù)據(jù)進(jìn)行數(shù)據(jù)編碼和聚類分析，了解聚類算法的實(shí)踐應(yīng)用，體會(huì)人工智能技術(shù)給社會(huì)生活帶來(lái)的影響。

提示：在線兌換完雜志后自動(dòng)解鎖本期目錄、原貌預(yù)覽、教學(xué)資源（可下載使用）。

從模型探究到智能創(chuàng)造

——初中生人工智能應(yīng)用開(kāi)發(fā)

實(shí)踐探究

作者：

蔣琪 北京學(xué)校

明紀(jì)英 北京市通州區(qū)教師研修中心

資源：

（1）教學(xué)論文：從模型探究到智能創(chuàng)造——初中生人工智能應(yīng)用開(kāi)發(fā)實(shí)踐探究點(diǎn)擊閱讀

（2）教學(xué)設(shè)計(jì)及課件：AI賦能安全駕駛——專注駕駛提醒器的設(shè)計(jì)與開(kāi)發(fā)教學(xué)設(shè)計(jì)及課件點(diǎn)擊下載

課例介紹：本單元學(xué)生將圍繞“分心駕駛”這一真實(shí)社會(huì)問(wèn)題，利用MediaPipe人體關(guān)鍵點(diǎn)檢測(cè)技術(shù)，開(kāi)發(fā)一個(gè)部署在行空板上的專注駕駛提醒器原型。學(xué)習(xí)內(nèi)容涵蓋從問(wèn)題發(fā)現(xiàn)、數(shù)據(jù)特征提取、閾值設(shè)定、編程實(shí)現(xiàn)到硬件部署與倫理反思的完整AI應(yīng)用開(kāi)發(fā)流程，深刻理解特征、閾值、決策邏輯等AI核心概念。

提示：在線兌換完雜志后自動(dòng)解鎖本期目錄、原貌預(yù)覽、教學(xué)資源（可下載使用）。

歡迎訂閱

識(shí)別上方二維碼訂閱紙質(zhì)版或電子版雜志