第3课 人工智能的边界 · 教案

一、教学目标

1. 知识与技能：认识 AI 的主要局限，理解「可靠性」与「人复核」的必要性。
2. 过程与方法：通过出错案例，分析 AI 为什么会在某些情况下失败。
3. 情感态度与价值观：培养审慎、不盲从的态度，懂得对关键决策保留人的判断。

二、教学重点与难点

• 重点：理解 AI 的局限与可靠性。
• 难点：理解「AI 给出的是概率性结果，不是绝对真理」，关键处要人把关。

三、教学准备

多媒体课件、AI 出错案例（如误识别、误判）、任务单。

四、教学过程

环节一　情境导入（5 分钟）

展示一个人脸识别把路人误认成通缉犯的假想案例，提问：如果机器错了，后果多严重？引出边界与可靠性。

环节二　新知探究：AI 的局限（12 分钟）

1. 依赖数据：没见过的、数据少的情况容易错。
2. 不会真正理解：它匹配模式，不等于懂含义。
3. 难处理陌生/极端情况：遇到训练时没见过的情形会「翻车」。
4. 受偏见与对抗样本影响：被刻意干扰可能误判。

环节三　实践操作：找边界（15 分钟）

小组活动：

• 任务一：分析 3 个 AI 出错小案例，写出可能的原因（数据少？情况陌生？被干扰？）。
• 任务二：给每个案例想一个「人怎么兜底」的办法。
• 任务三：讨论哪些场景绝对不能只信 AI（如医疗诊断、司法判决）。

教师引导：关键决策要人复核。

环节四　交流总结（8 分钟）

各组展示，教师总结：AI 有边界，结果有概率；便利不等于万能；重要的事留人判断，是对自己也是对他人负责。

五、板书设计

人工智能的边界

局限：① 依赖数据　② 不会真理解　③ 怕陌生/极端　④ 受干扰误判

可靠性：AI 结果是概率性的，可能出错

关键决策要人复核，不盲从

六、教学反思

（课后填写：学生是否理解「概率性结果」；案例是否引发思考；可补充对抗样本的通俗解释。）