第3课 人工智能怎么工作 · 教案

一、教学目标

1. 知识与技能：理解数据是 AI 的「原料」、模型是 AI 的「本领」，知道训练让机器从数据中学到规律。
2. 过程与方法：通过「喂数据—学规律—做预测」的比喻活动，理解 AI 工作流程。
3. 情感态度与价值观：体会数据质量的重要性，尊重 AI 背后人的劳动与数据价值。

二、教学重点与难点

• 重点：理解「数据训练」与「模型」的关系，说出 AI 工作的大致流程。
• 难点：理解「模型」是一个从数据中总结出来的规律，看不见摸不着却能被使用。

三、教学准备

多媒体课件、识别猫狗的小程序演示（或图片）、训练/预测对比图、任务单。

四、教学过程

环节一　情境导入（5 分钟）

展示一个「识别猫和狗」的小程序：上传照片立刻判断。提问：它怎么学会分辨的？引出「数据训练」和「模型」。

环节二　新知探究：数据与模型（12 分钟）

1. 数据：AI 学习用的例子，比如成千上万张标好「猫」「狗」的照片。
2. 训练：把数据交给算法，让机器从中找出区分猫狗的规律（耳朵、体型等）。
3. 模型：训练后得到的一套「判断本领」，能用它去预测新照片。
4. 流程：收集数据 → 训练 → 得到模型 → 用模型预测。

环节三　实践操作：体验「训练与预测」（15 分钟）

小组活动（用简化比喻）：

• 任务一：给一组画有不同形状（圆 / 方）的卡片贴标签，作为「训练数据」。
• 任务二：找出区分圆和方的规则（如「有没有尖角」），这就是「模型」。
• 任务三：用规则判断几张新卡片，看准不准；若数据太少或标错，预测就会出错。

教师引导：数据越多越准、标签越正确，模型通常越好。

环节四　交流总结（8 分钟）

各组分享，教师总结：AI 不是天生聪明，是「喂」了大量数据训练出来的；模型好坏取决于数据和人的设计；要尊重数据与劳动。

五、板书设计

人工智能怎么工作

数据（原料）→ 训练（学规律）→ 模型（本领）→ 预测（用本领）

例：很多猫狗照片 + 标签 → 训练 → 能分辨猫狗的模型

数据越多越准，标签越对越好

六、教学反思

（课后填写：学生是否理解「模型」是规律而非实物；比喻活动是否直观；可补充数据标注的不易。）