📄教案使用说明
⏱️通用课堂流程（60 分钟）
| 时间 | 环节 | 教师动作 | 学生动作 | 材料 |
|---|---|---|---|---|
| 00–05 | 暖场导入 | 复习上一站关键词；抛出本站问题（只问不答） | 举手回答上一站「AI 第一次做到了什么」 | 时间轴墙面图 |
| 05–17 | 故事讲述 | 按故事页图卡顺序讲，每张卡 20–30 秒 | 看图、听故事，可在手册记一个词 | 课件故事页 |
| 17–32 | 知识讲解 | 把故事收成一句话概念 + 一个生活比喻 | 跟读关键词，补充自己的比喻 | 课件知识页 |
| 32–47 | 互动实验 | 示范 1 次 → 分组操作 → 巡视提问 | 1 人 1 台，独立操作并说出发现 | 电脑 / 平板 |
| 47–55 | 小测验 | 先独立做，再请 3 名学生说答案与理由 | 独立完成 3 道题（第 1 / 7 站各 8 题），订正错题 | 课件小测验 |
| 55–60 | 收获盖章 | 请 3–5 人说关键词 → 盖章 → 预告下一站 | 说关键词、盖章、写手册小问 | 手册 / 印章 |
✏️详案示例 ①：第 1 站「图灵测试：机器会思考吗？」（1950）
教学目标
- 能说出图灵测试的规则：看不见对方时，人分不出是人还是机器，机器就算通过。
- 能解释「为什么要把人藏起来」（去掉外貌、声音等干扰，只比「回答」）。
- 能举出一个生活例子，说明「看起来聪明」和「真的懂」不一样。
教具与课前准备
- 课件：lesson1.html（故事页 / 知识页 / 图灵测试实验室 / 谜机破译实验室）
- 道具：两个信封（写上「人」「机器」）
- 学生手册第 1 页
教学流程
| 时间 | 环节 | 教师动作 | 学生动作 |
|---|---|---|---|
| 05–10 | 抛问题 | 问：「如果手机里的助手和你聊天，你怎么知道对面是人还是机器？」 | 自由猜测，说出自己的判断方法 |
| 10–22 | 讲故事 | 讲 1950 年图灵提出「模仿游戏」；补充二战布莱切利园用「炸弹机」破译谜机的故事 | 听故事，观察故事页图片 |
| 22–34 | 讲知识 | 把图灵测试写成规则：测试者隔着墙提问 → 分不清 = 通过。强调「行为像」≠「真的懂」 | 跟读规则，尝试复述 |
| 34–50 | 做实验 | 打开图灵测试实验室：先由教师演示一次判断，再让学生互相提问判断 | 分组操作并记录判断理由 |
| 50–55 | 小测验 | 巡视，收集典型错误 | 独立完成 3 题 |
| 55–60 | 盖章 | 请学生用一句话总结「模仿游戏」 | 说关键词、盖章 |
关键提问（板书用）
- 如果看不见对方，你能分清人和机器吗？
- 为什么要「看不见」才公平？
- 分不出就是真的懂吗？
板书 / 关键句
图灵测试 = 看不见对方 → 提问 → 分不清 = 通过。关键：比的是「回答」，不是「长相」。
评价与作业
- 课堂观察：能否说出测试规则（量表 A 第 2 项）。
- 作业：回家问家人一个「你分得清吗」的问题，记录在手册。
✏️详案示例 ②：第 3 站「感知机：第一台会学习的机器」（1957）
教学目标
- 能说出感知机的三条线：输入 x₁ / x₂、权重 w、输出 y。
- 能解释「学习」在感知机里 = 出错后按 x 的方向调整权重 w。
- 能通过对比发现：AND、OR 学得会，XOR 一条直线分不开。
教具与课前准备
- 课件：lesson3.html（含 Mark I 真机结构图、感知机可视化训练器）
- 教具：4 张卡片写 (0,0)(0,1)(1,0)(1,1) 与答案
- 学生手册第 3 页
教学流程
| 时间 | 环节 | 教师动作 | 学生动作 |
|---|---|---|---|
| 05–10 | 抛问题 | 问：「机器能不能像小朋友一样，做错了就改？」 | 说出自己的「改错经验」 |
| 10–22 | 讲故事 | 讲 1957 年罗森布拉特造出 Mark I 真机：400 光电管当眼睛、512 个 A 单元、4096 个电位计 | 看图猜机器在做什么 |
| 22–34 | 讲知识 | 对照 ①真机结构图 → ②训练器网络图，讲「输入 × 权重 → 求和 → 激活」。强调被权重乘的是 A 单元输出 | 跟读三条线、复述公式 |
| 34–50 | 做实验 | 用「👣 单步」走一条样本：算加权求和 → 激活 → 比答案 → 拧旋钮；再切到 XOR 看它学不会 | 分组操作，记录权重前后变化 |
| 50–55 | 小测验 | 引导说出「XOR 学不会」的原因（一条直线分不开） | 独立完成 3 题 |
| 55–60 | 盖章 | 请学生用一句话说明「机器怎么学会的」 | 说关键词、盖章 |
关键提问（板书用）
- 机器做错了，怎么改？
- 权重变小/变大，对结果有什么影响？
- 为什么 XOR 一条直线分不开？
板书 / 关键句
感知机 = 输入 × 权重 + 偏置 → 大于 0 就输出 1。学习 = 出错后按 x 的方向改 w。
评价与作业
- 实验记录：能否说出一条样本前后的权重变化（量表 C 第 1 项）。
- 作业：把「拧旋钮」比作生活中一件事，写在手册。
✏️详案示例 ③：第 13 站「ChatGPT：人人都会用的 AI」（2022）
教学目标
- 能说出 ChatGPT 为什么「人人都会用」：用日常语言提问即可，不用写代码。
- 能解释「会提问」是和 AI 合作的关键：问题越清楚，回答越有用。
- 能识别 AI 也会一本正经地答错，形成「要核对」的习惯。
教具与课前准备
- 课件：lesson13.html（GPT 文本生成实验室）
- 道具：3 张纸条，分别写「模糊问题 / 具体问题 / 加了限制的问题」
- 学生手册第 13 页
教学流程
| 时间 | 环节 | 教师动作 | 学生动作 |
|---|---|---|---|
| 05–10 | 抛问题 | 问：「如果 AI 什么都能答，我们还需要学什么？」 | 自由表达，不评判 |
| 10–22 | 讲故事 | 讲从 GPT 系列到 2022 年 ChatGPT 上线、AI 走进千家万户 | 听故事，看故事页图片 |
| 22–34 | 讲知识 | 讲「会提问」的三个技巧：说清楚对象、给出限制、要求举例 | 练习改写一句提问 |
| 34–50 | 做实验 | 在 GPT 生成实验室里，用三种提问方式对比生成结果 | 分组操作，记录三种结果差异 |
| 50–55 | 小测验 | 重点讲「AI 会答错」这一题 | 独立完成并订正 |
| 55–60 | 盖章 | 请学生说一个「我以后要这样问 AI」的句子 | 说关键词、盖章 |
关键提问（板书用）
- 同一个问题，问法不同结果会一样吗？
- AI 说的都对吗？怎么核对？
- 哪些事不该交给 AI 决定？
板书 / 关键句
好提问 = 说清对象 + 加上限制 + 要求举例。AI 会答错 → 一定要核对。
评价与作业
- 课堂观察：能否把模糊问题改成具体问题（量表 D 第 2 项）。
- 作业：和家长一起问 AI 一个问题，记录 AI 答错的地方。
📚16 站教案要点一览
| 站次 | 年份 | 主题 | 教学重点 | 课堂实验 | 关键提问 |
|---|---|---|---|---|---|
| 第1站 | 1950 | 图灵测试：机器会思考吗？ 第一台会思考的机器梦 | 认识图灵提出的「模仿游戏」：当人分不清和自己对话的是人还是机器时，机器就算通过了测试 | 图灵测试 + 谜机破译实验室（turing-lab.js / enigma-lab.js） | 「这一站，AI 第一次做到了什么？」 |
| 第2站 | 1956 | 人工智能诞生：一场改变世界的会议 给「聪明的机器」正式起名 | 了解 1956 年达特茅斯会议上「人工智能」这个名字正式诞生，理解 AI = 人工 + 智能 | 达特茅斯会议互动时间轴 + 人物图卡（story-photos.js） | 「这一站，AI 第一次做到了什么？」 |
| 第3站 | 1957 | 感知机：第一台会学习的机器 像一颗小小的神经元 | 认识罗森布拉特的感知机——第一台像神经元一样会「学习」的机器，理解「输入—权重—判断」的雏形 | 感知机可视化训练器 + Mark I 真机结构图（perceptron-trainer.js） | 「这一站，AI 第一次做到了什么？」 |
| 第4站 | 1966 | ELIZA：世界上第一个聊天机器人 假装成心理医生的程序 | 认识 1966 年假装心理医生的聊天程序 ELIZA，理解最早的对话程序靠「关键词套话」回应，并没有真正听懂 | 真·ELIZA 规则引擎：关键词分级 + 分解/重组规则 + 记忆队列 + 人称反射（eliza-real.js） | 「这一站，AI 第一次做到了什么？」 |
| 第5站 | 1980 | 专家系统：装进电脑的专家经验 AI 当起了「专家顾问」 | 认识 1980 年代的专家系统：把专家的经验变成「如果…就…」的规则，让电脑当专家顾问 | 专家系统规则实验室（expert-lab.js） | 「这一站，AI 第一次做到了什么？」 |
| 第6站 | 1986 | 反向传播：让神经网络学会纠错 「向后纠错」的魔法算法 | 理解 1986 年反向传播算法让多层神经网络能「向后纠错」，从错误中不断调整自己 | 反向传播实验室（neural-net-lab.js）+ XOR 多层实验（xor-lab.js） | 「这一站，AI 第一次做到了什么？」 |
| 第7站 | 1997 | 深蓝战胜棋王：算得快的力量 电脑第一次赢过世界冠军 | 认识 IBM 深蓝 1997 年首次在正式比赛中战胜国际象棋世界冠军，理解「算得多、想得全」的力量 | 深蓝棋力实验室（chess-lab.js） | 「这一站，AI 第一次做到了什么？」 |
| 第8站 | 1998 | LeNet：教电脑读懂手写数字 会「扫描特征」的卷积神经网络 | 认识杨立昆的 LeNet——最早会「扫描特征」的卷积神经网络，理解它一层层提取特征来识图 | LeNet 手写数字识别实验室（cnn-lab-real.js + MNIST 数据） | 「这一站，AI 第一次做到了什么？」 |
| 第9站 | 2012 | 电脑学会了认猫：深度学习爆发 AI 自己看几百万张图学会了「猫」 | 了解 2012 年神经网络自己看了几百万张图学会认猫，理解深度学习 = 让机器自己找规律 | 深度学习「认猫」实验室（dlv-real.js） | 「这一站，AI 第一次做到了什么？」 |
| 第10站 | 2016 | AlphaGo：AI 有了棋感 学会了「直觉」的围棋高手 | 认识 2016 年 AlphaGo 战胜李世石，理解强化学习——机器通过自己与自己下棋练出「直觉」 | AlphaGo 围棋实验室（alphago-lab.js） | 「这一站，AI 第一次做到了什么？」 |
| 第11站 | 2017 | Transformer：注意力改变了世界 一篇论文带来的 AI 革命 | 认识 2017 年 Transformer 的「注意力机制」——让 AI 学会关注重点，成为今天大语言模型的基石 | 注意力机制可视化实验室（att-lab.js） | 「这一站，AI 第一次做到了什么？」 |
| 第12站 | 2018 | BERT：会读诗、懂情感的语言小天才 Google 提出双向编码器表示，刷新 11 项 NLP 任务纪录 | 认识 2018 年 Google 提出的 BERT——用双向编码器同时“读懂”前后文，刷新 11 项 NLP 任务纪录 | BERT 完形填空实验室（bert-cls-lab.js） | 「这一站，AI 第一次做到了什么？」 |
| 第13站 | 2022 | ChatGPT：人人都会用的 AI AI 走进了千家万户 | 认识 2022 年 ChatGPT 让 AI 走进千家万户，理解「会提问」是和 AI 合作的关键 | GPT 文本生成实验室（gpt-lab.js） | 「这一站，AI 第一次做到了什么？」 |
| 第14站 | 2023 | 多模态 AI：看得见、听得懂、画得出 AI 长出了「眼睛、耳朵和画笔」 | 认识多模态 AI：不只读文字，还能看图、听声、绘画，像人一样用多种感官理解世界 | 多模态 CLIP 对照实验室（clip-lab.js） | 「这一站，AI 第一次做到了什么？」 |
| 第15站 | 2024 | 文生视频 · 视频生成 一句话，生成一段会动的视频 | 认识文生视频技术——输入一句话，AI 就能生成逼真视频，还能模拟真实的物理世界 | 文生视频扩散模型实验室（diff-lab.js） | 「这一站，AI 第一次做到了什么？」 |
| 第16站 | 2025 | OpenClaw：会自己用手机电脑的 AI 助理 会自己看屏幕、点按钮，跨 App 替你干活 | 认识 AI 智能体（Agent）——能自己看屏幕、点按钮，跨 App 协同，真正替你「跑腿干活」 | 智能体（Agent）操作实验室（claw-agent.js） | 「这一站，AI 第一次做到了什么？」 |
⚠️ 表中「关键提问」全站统一使用课程主线问题，方便学生形成固定思维习惯：每一站都在追问「AI 第一次做到了什么」。
💡教学提示与分层建议
- 故事页图卡是讲故事的骨架：每张卡一句话，不要念稿，用孩子的语言讲。
- 知识页只讲一个概念、一个比喻；孩子提出的「为什么」先记在手册上，课后再答。
- 实验室一定要先示范、再放手；1 人 1 台，每人独立完成一次操作，并把发现记在手册上。
- 小学 5–6 年级：减少术语（只说「输入、权重、输出」），小测验口答。
- 初中 1–3 年级：加入「为什么会出错」「如果是你会怎么改」等追问，可让学有余力的学生自己解释实验现象。
- 每站结束前留 30 秒预告下一站年份，让学生带着问题回家。