第1章 時(shí)代已至 002
1.1 新一代人工智能崛起 002
1.1.1 一盤圍棋引發(fā)的關(guān)注 002
1.1.2 人工智能助力工業(yè)革命 004
1.1.3 人工智能促進(jìn)社會(huì)發(fā)展 009
1.2 人工智能急需人才培養(yǎng) 013
1.3 中小學(xué)人工智能教育的可行性與重要性 017
1.3.1 重要性 017
1.3.2 可行性 019
第2章 戰(zhàn)略定位 023
2.1 發(fā)展目標(biāo) 025
2.1.1 人工智能發(fā)展成為國(guó)家的重要戰(zhàn)略部署 025
2.1.2 培養(yǎng)聚集人工智能人才是國(guó)家重點(diǎn)任務(wù) 025
2.1.3 中小學(xué)人工智能教育政策頻出，重要性凸顯 026
2.2 教學(xué)現(xiàn)狀 027
2.2.1 頂層設(shè)計(jì)相對(duì)缺失，標(biāo)準(zhǔn)指引仍然空白 027
2.2.2 課程體系還未健全，教材水平參差不齊 028
2.2.3 校內(nèi)學(xué)習(xí)課時(shí)不足，校外培訓(xùn)“新瓶裝舊酒” 030
2.2.4 知識(shí)技能迭代較快，師資水平需要提升 031
2.3 保障舉措 032
2.3.1 加強(qiáng)頂層設(shè)計(jì)，明確課程標(biāo)準(zhǔn) 032
2.3.2 評(píng)比優(yōu)秀教材，遴選典型案例 033
2.3.3 共建交叉學(xué)科，創(chuàng)新培養(yǎng)模式 033
2.3.4 提倡終身學(xué)習(xí)，強(qiáng)化師資培訓(xùn) 033
2.3.5 資源合理布局，謹(jǐn)防數(shù)字鴻溝 034
2.3.6 鼓勵(lì)多方力量，共建生態(tài)體系 034
第3章 顧往識(shí)今 036
3.1 人工智能的定義 036
3.1.1 重新審視定義 036
3.1.2 典型的定義 037
3.2 何謂“智能” 040
3.2.1 人工智能的腦視角 041
3.2.2 圖靈測(cè)試與“人工蠢能” 043
3.2.3 智能的測(cè)量 046
3.2.4 強(qiáng)／弱人工智能 049
3.2.5 奇點(diǎn) 051
3.3 三派鼎力，分釋智能 051
3.3.1 符號(hào)主義 051
3.3.2 連接主義 053
3.3.3 行為主義 055

3.4 正視起落，寵辱不驚 058
3.4.1 “人工智能”初問世 058
3.4.2 三起兩落 060
3.4.3 寒冬下的反思 062

法
第4章 課程體系 066
4.1 中小學(xué)人工智能課程體系探索 066
4.2 中小學(xué)人工智能課程體系建設(shè)思路 069
4.3 小學(xué)人工智能課程體系建設(shè) 072
4.4 初中人工智能課程體系建設(shè) 073
4.5 高中人工智能課程體系建設(shè) 074
第5章 計(jì)算思維 079
5.1 計(jì)算思維概述 079
5.1.1 計(jì)算思維的內(nèi)涵 079
5.1.2 計(jì)算思維與編程 081
5.2 計(jì)算思維的重視與培養(yǎng) 082
5.2.1 計(jì)算思維培養(yǎng)的重要性與必要性 082
5.2.2 計(jì)算思維的培養(yǎng)思路 084
5.3 不插電的計(jì)算思維訓(xùn)練 085
5.3.1 不插電的含義 085
5.3.2 生活中的計(jì)算思維 087
5.3.3 不插電教學(xué)實(shí)例 088


器
第6章 編程教育 092
6.1 以SCRATCH為代表的可視化編程語言 093
6.1.1 可視化編程語言的低門檻、薄壁壘 095
6.1.2 可視化編程對(duì)于青少年教育的促進(jìn) 095
6.1.3 可視化編程的局限性 096
6.2 以PYTHON為代表的代碼式編程語言 097
6.2.1 Python的教育定位 097
6.2.2 Python的優(yōu)點(diǎn) 098
6.3 以TENSORFLOW和PYTORCH為代表的人工智能框架 103
6.3.1 種類繁多的人工智能框架語言 103
6.3.2 廣受熱捧的TensorFlow的PyTorch 104
6.4 編程語言的更迭 106
6.5 中小學(xué)編程熱下的反思 107
第7章 智能機(jī)器 109
7.1 機(jī)器人 110
7.1.1 作品中的智能機(jī)器 110
7.1.2 生活中的智能機(jī)器 112
7.2 中小學(xué)機(jī)器人教育 114
7.2.1 機(jī)器人教育的獨(dú)特性 114
7.2.2 中小學(xué)機(jī)器人教育現(xiàn)狀 115
7.2.3 中小學(xué)機(jī)器人課程資源 116
7.3 智能硬件 117
7.4 教學(xué)用智能機(jī)器人 119
7.4.1 人形機(jī)器人 119
7.4.2 模塊化機(jī)器人 121

術(shù)
第8章 知識(shí)工程 126
8.1 專家系統(tǒng) 126
8.1.1 專家系統(tǒng)的含義 126
8.1.2 專家系統(tǒng)的簡(jiǎn)單實(shí)例 127
8.2 知識(shí)表示 130
8.2.1 一階謂詞邏輯 132
8.2.2 產(chǎn)生式規(guī)則 133
8.2.3 框架表示法 134
8.2.4 狀態(tài)空間表示法 135
8.3 知識(shí)圖譜 136
8.3.1 知識(shí)圖譜的歷程 136
8.3.2 知識(shí)圖譜的構(gòu)成 138
第9章 搜索算法 142
9.1 圖搜索策略 142
9.1.1 盲目搜索 144
9.1.2 啟發(fā)式搜索 145
9.2 博弈搜索 148
9.2.1 極小極大算法 148
9.2.2 Alpha-Beta剪枝法 149
9.3 蒙特卡羅樹搜索 151
第10章 機(jī)器學(xué)習(xí) 154
10.1 機(jī)器學(xué)習(xí)概述 154
10.1.1 機(jī)器學(xué)習(xí)的含義 154
10.1.2 機(jī)器學(xué)習(xí)的分類 155
10.2 數(shù)據(jù)初探 156
10.2.1 數(shù)據(jù)的結(jié)構(gòu) 156
10.2.2 大數(shù)據(jù)特征 158
10.3 監(jiān)督學(xué)習(xí) 159
10.3.1 線性回歸 160
10.3.2 支持向量機(jī) 164
10.3.3 樸素貝葉斯 166
10.4 無監(jiān)督學(xué)習(xí) 169
10.4.1 K-均值聚類 170
10.4.2 主成分分析 172
10.5 半監(jiān)督學(xué)習(xí) 175
10.6 強(qiáng)化學(xué)習(xí) 177
10.6.1 初識(shí)強(qiáng)化學(xué)習(xí) 177
10.6.2 策略優(yōu)化與評(píng)估 179
10.6.3 強(qiáng)化學(xué)習(xí)的算法 181
第11章 深度學(xué)習(xí) 184
11.1 基本概念 184
11.1.1 神經(jīng)元 184
11.1.2 激活函數(shù) 185
11.1.3 感知機(jī) 188
11.2 多層前饋神經(jīng)網(wǎng)絡(luò) 190
11.2.1 損失函數(shù) 191
11.2.2 網(wǎng)絡(luò)結(jié)構(gòu) 191
11.2.3 梯度與隨機(jī)梯度 195
11.2.4 反向傳播 197
11.3 卷積神經(jīng)網(wǎng)絡(luò) 198
11.3.1 卷積核 199
11.3.2 卷積核的應(yīng)用 201
11.3.3 感受野 206
11.3.4 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 210
11.4 RNN神經(jīng)網(wǎng)絡(luò)與LSTM網(wǎng)絡(luò) 213
11.4.1 RNN神經(jīng)網(wǎng)絡(luò) 213
11.4.2 LSTM網(wǎng)絡(luò) 215
11.5 膠囊神經(jīng)網(wǎng)絡(luò) 218
11.6 生成對(duì)抗網(wǎng)絡(luò) 220
第12章 人工智能+X 223
12.1 人工智能+語文 224
12.1.1 自然語言處理助力語文 225
12.1.2 自然語言處理的應(yīng)用領(lǐng)域 226
12.1.3 自然語言處理的基礎(chǔ)術(shù)語 230
12.1.4 自然交叉的學(xué)科 231
12.2 人工智能+情感分析 232
12.2.1 情為何物 232
12.2.2 觸景生情 237
12.2.3 知情達(dá)理 242
12.2.4 情意綿綿 244
12.3 人工智能+自動(dòng)駕駛 245
12.3.1 了解自動(dòng)駕駛的歷史 245
12.3.2 知曉自動(dòng)駕駛的現(xiàn)狀 246
12.3.3 熟悉自動(dòng)駕駛的技術(shù) 247
12.3.4 自動(dòng)駕駛下的思考 249
12.4 人工智能+藝術(shù) 251
12.5 人工智能+生物 254
12.5.1 “攪局”之眼 255
12.5.2 遺傳算法 257
12.6 人工智能+視覺分析 261
12.6.1 人臉識(shí)別 261
12.6.2 垃圾分類 265
12.7 人工智能+法律與倫理道德 266
12.7.1 責(zé)任劃分 266
12.7.2 隱私保護(hù) 267
12.7.3 知識(shí)產(chǎn)權(quán) 268
12.7.4 道德倫理 269
12.7.5 算法偏差 273

道
第13章 賦能教育 278
13.1 教育重塑 278
13.1.1 傳統(tǒng)教育方式的挑戰(zhàn) 278
13.1.2 人工智能時(shí)代下教育的改變 279
13.1.3 賦能教師 281
13.1.4 賦能學(xué)生 283
13.1.5 賦能課堂 285
13.2 職業(yè)轉(zhuǎn)變 288
13.2.1 職業(yè)的消失 288
13.2.2 盧德主義的教訓(xùn) 289
13.3 人機(jī)協(xié)作 290
13.3.1 各有千秋 290
13.3.2 取長(zhǎng)補(bǔ)短 291
第14章 教學(xué)思考 295
14.1 “135”教學(xué)理念 295
14.1.1 一“觀” 296
14.1.2 三“意” 298
14.1.3 五“心” 302
14.2 公益萬里 306
14.2.1 公益授課傳溫情 306
14.2.2 義教萬里暖人心 307
14.3 體驗(yàn)式學(xué)習(xí) 309
第15章 未來展望 311
15.1 前車之鑒 311
15.1.1 STEAM教育之熱 311
15.1.2 “STEAM熱”下的反思 312
15.2 基礎(chǔ)為本 314
15.3 長(zhǎng)路漫漫 315