单元一 · 走进人工智能
第4课 人工智能的技术基础
一、学习目标
- 理解数据、算力和算法在人工智能技术中的重要作用及其相互关系。
- 通过实践活动，体验数据量、设备计算能力和不同训练方式对人工智能模型性能的影响。
二、情境导入
同学们，你们有没有想过：为什么人工智能能够如此迅速地发展？
其实，人工智能的发展离不开几个关键要素：数据、算力和算法。
这些要素就像推动人工智能前进的“三驾马车”，对模型的性能和效果有着至关重要的影响。
三、核心讲解
本课学习路径：
1数据
2算力
3算法
1．数据
丰富的数据是驱动人工智能不断成长的“养料”。就像人类需要通
模型：用已有例子学会规律，再对新输入给出预测或分类。
- 过学习积累知识一样，智能系统也需要通过大量数据来训练自己，通过
- 分析数据中的规律，逐渐学会完成特定任务。数据越多样、质量越高，人工智能的学习效果就越好。
- 运行配套资源中的《猫狗识
- 别系统》软件。
- 选择“小数据集”选项后单
2．算力
人工智能的发
- 更强的算力除了能显著缩短模型开发周期，更重要的是，算力决定
- 了技术探索的边界——无论是处理更大规模的数据，训练更复杂的模型，还是实现实时推理应用，都依赖算力的持续突破与提升。
- 近年来，我国在人工智能芯片领域取得了显著进展，自主研发的AI
- 芯片已广泛应用于云计算、智能制造等领域，为我国人工智能发展提供
- 了坚实的算力支撑。
弄清以上要点后，再进入下方动手体验，用实际操作验证。
四、动手体验 · MixAI 组件
请在下列组件中完成操作，至少体验一个并记录现象。
组件 model_item_classification — 在框内完成操作
五、课堂总结
- 数据量越大，人工智能模型的学习效果通常越好，但性能提升存在瓶颈，不会无限增长。
- 算力越强，模型训练越快，越能支撑更复杂、更大规模的人工智能任务。
- 算法是技术突破的核心，高效的算法能显著提升模型性能，是人工智能研究的重点方向。
六、拓展提升
拓展：随着人工智能技术的不断发展，科研人员借助强大算力和先进算法，不断基于海量数据训练模型，使人工智能的能力持续提升。然而，在这一过程中也暴露出越来越多的问题。
测评
完成练习后作答；选出后点「检查」。答错会显示简短说明。
下列哪一项更接近本课学习目标？
本课课堂总结强调的是？
本课主题最贴近下列哪一项？
完成本课后，优先应该做什么来证明学会了？
判断：教学指南中的学习活动可以全部跳过。
拓展提升部分的作用是？
本节小结
回顾本课要点，完成动手体验与测评。记住：人工智能的技术基础。