你好中小学人工智能

第1章 时代已至 002
1．1 新一代人工智能崛起 002
1．1．1 一盘围棋引发的关注 002
1．1．2 人工智能助力工业革命 004
1．1．3 人工智能促进社会发展 009
1．2 人工智能急需人才培养 013
1．3 中小学人工智能教育的可行性与重要性 017
1．3．1 重要性 017
1．3．2 可行性 019
第2章 战略定位 023
2．1 发展目标 025
2．1．1 人工智能发展成为国家的重要战略部署 025
2．1．2 培养聚集人工智能人才是国家重点任务 025
2．1．3 中小学人工智能教育政策频出，重要性凸显 026
2．2 教学现状 027
2．2．1 顶层设计相对缺失，标准指引仍然空白 027
2．2．2 课程体系还未健全，教材水平参差不齐 028
2．2．3 校内学习课时不足，校外培训“新瓶装旧酒” 030
2．2．4 知识技能迭代较快，师资水平需要提升 031
2．3 保障举措 032
2．3．1 加强顶层设计，明确课程标准 032
2．3．2 评比优秀教材，遴选典型案例 033
2．3．3 共建交叉学科，创新培养模式 033
2．3．4 提倡终身学习，强化师资培训 033
2．3．5 资源合理布局，谨防数字鸿沟 034
2．3．6 鼓励多方力量，共建生态体系 034
第3章 顾往识今 036
3．1 人工智能的定义 036
3．1．1 重新审视定义 036
3．1．2 典型的定义 037
3．2 何谓“智能” 040
3．2．1 人工智能的脑视角 041
3．2．2 图灵测试与“人工蠢能” 043
3．2．3 智能的测量 046
3．2．4 强／弱人工智能 049
3．2．5 奇点 051
3．3 三派鼎力，分释智能 051
3．3．1 符号主义 051
3．3．2 连接主义 053
3．3．3 行为主义 055

3．4 正视起落，宠辱不惊 058
3．4．1 “人工智能”初问世 058
3．4．2 三起两落 060
3．4．3 寒冬下的反思 062

法
第4章 课程体系 066
4．1 中小学人工智能课程体系探索 066
4．2 中小学人工智能课程体系建设思路 069
4．3 小学人工智能课程体系建设 072
4．4 初中人工智能课程体系建设 073
4．5 高中人工智能课程体系建设 074
第5章 计算思维 079
5．1 计算思维概述 079
5．1．1 计算思维的内涵 079
5．1．2 计算思维与编程 081
5．2 计算思维的重视与培养 082
5．2．1 计算思维培养的重要性与必要性 082
5．2．2 计算思维的培养思路 084
5．3 不插电的计算思维训练 085
5．3．1 不插电的含义 085
5．3．2 生活中的计算思维 087
5．3．3 不插电教学实例 088


器
第6章 编程教育 092
6．1 以SCRATCH为代表的可视化编程语言 093
6．1．1 可视化编程语言的低门槛、薄壁垒 095
6．1．2 可视化编程对于青少年教育的促进 095
6．1．3 可视化编程的局限性 096
6．2 以PYTHON为代表的代码式编程语言 097
6．2．1 Python的教育定位 097
6．2．2 Python的优点 098
6．3 以TENSORFLOW和PYTORCH为代表的人工智能框架 103
6．3．1 种类繁多的人工智能框架语言 103
6．3．2 广受热捧的TensorFlow的PyTorch 104
6．4 编程语言的更迭 106
6．5 中小学编程热下的反思 107
第7章 智能机器 109
7．1 机器人 110
7．1．1 作品中的智能机器 110
7．1．2 生活中的智能机器 112
7．2 中小学机器人教育 114
7．2．1 机器人教育的独特性 114
7．2．2 中小学机器人教育现状 115
7．2．3 中小学机器人课程资源 116
7．3 智能硬件 117
7．4 教学用智能机器人 119
7．4．1 人形机器人 119
7．4．2 模块化机器人 121

术
第8章 知识工程 126
8．1 专家系统 126
8．1．1 专家系统的含义 126
8．1．2 专家系统的简单实例 127
8．2 知识表示 130
8．2．1 一阶谓词逻辑 132
8．2．2 产生式规则 133
8．2．3 框架表示法 134
8．2．4 状态空间表示法 135
8．3 知识图谱 136
8．3．1 知识图谱的历程 136
8．3．2 知识图谱的构成 138
第9章 搜索算法 142
9．1 图搜索策略 142
9．1．1 盲目搜索 144
9．1．2 启发式搜索 145
9．2 博弈搜索 148
9．2．1 极小极大算法 148
9．2．2 Alpha-Beta剪枝法 149
9．3 蒙特卡罗树搜索 151
第10章 机器学习 154
10．1 机器学习概述 154
10．1．1 机器学习的含义 154
10．1．2 机器学习的分类 155
10．2 数据初探 156
10．2．1 数据的结构 156
10．2．2 大数据特征 158
10．3 监督学习 159
10．3．1 线性回归 160
10．3．2 支持向量机 164
10．3．3 朴素贝叶斯 166
10．4 无监督学习 169
10．4．1 K-均值聚类 170
10．4．2 主成分分析 172
10．5 半监督学习 175
10．6 强化学习 177
10．6．1 初识强化学习 177
10．6．2 策略优化与评估 179
10．6．3 强化学习的算法 181
第11章 深度学习 184
11．1 基本概念 184
11．1．1 神经元 184
11．1．2 激活函数 185
11．1．3 感知机 188
11．2 多层前馈神经网络 190
11．2．1 损失函数 191
11．2．2 网络结构 191
11．2．3 梯度与随机梯度 195
11．2．4 反向传播 197
11．3 卷积神经网络 198
11．3．1 卷积核 199
11．3．2 卷积核的应用 201
11．3．3 感受野 206
11．3．4 卷积神经网络结构 210
11．4 RNN神经网络与LSTM网络 213
11．4．1 RNN神经网络 213
11．4．2 LSTM网络 215
11．5 胶囊神经网络 218
11．6 生成对抗网络 220
第12章 人工智能+X 223
12．1 人工智能+语文 224
12．1．1 自然语言处理助力语文 225
12．1．2 自然语言处理的应用领域 226
12．1．3 自然语言处理的基础术语 230
12．1．4 自然交叉的学科 231
12．2 人工智能+情感分析 232
12．2．1 情为何物 232
12．2．2 触景生情 237
12．2．3 知情达理 242
12．2．4 情意绵绵 244
12．3 人工智能+自动驾驶 245
12．3．1 了解自动驾驶的历史 245
12．3．2 知晓自动驾驶的现状 246
12．3．3 熟悉自动驾驶的技术 247
12．3．4 自动驾驶下的思考 249
12．4 人工智能+艺术 251
12．5 人工智能+生物 254
12．5．1 “搅局”之眼 255
12．5．2 遗传算法 257
12．6 人工智能+视觉分析 261
12．6．1 人脸识别 261
12．6．2 垃圾分类 265
12．7 人工智能+法律与伦理道德 266
12．7．1 责任划分 266
12．7．2 隐私保护 267
12．7．3 知识产权 268
12．7．4 道德伦理 269
12．7．5 算法偏差 273

道
第13章 赋能教育 278
13．1 教育重塑 278
13．1．1 传统教育方式的挑战 278
13．1．2 人工智能时代下教育的改变 279
13．1．3 赋能教师 281
13．1．4 赋能学生 283
13．1．5 赋能课堂 285
13．2 职业转变 288
13．2．1 职业的消失 288
13．2．2 卢德主义的教训 289
13．3 人机协作 290
13．3．1 各有千秋 290
13．3．2 取长补短 291
第14章 教学思考 295
14．1 “135”教学理念 295
14．1．1 一“观” 296
14．1．2 三“意” 298
14．1．3 五“心” 302
14．2 公益万里 306
14．2．1 公益授课传温情 306
14．2．2 义教万里暖人心 307
14．3 体验式学习 309
第15章 未来展望 311
15．1 前车之鉴 311
15．1．1 STEAM教育之热 311
15．1．2 “STEAM热”下的反思 312
15．2 基础为本 314
15．3 长路漫漫 315