单元五 · 智慧社会与智能向善
第22课 智慧社会与智能创新
一、学习目标
- 了解人工智能在不同行业中的创新应用。
- 理解企业和科研机构在推动智能创新中的作用。
- 知道智能创新与自主可控之间的关系。
二、情境导入
语音助手、自动售货、智能站牌等服务，都来自持续创新。
如果核心技术依赖他人，服务会不会「罢工」？数据被随意获取会有什么风险？
三、核心讲解
本课学习路径：
1身边的智能创新应用
2智能创新应用的产生
3智能创新与自主可控
1．身边的智能创新应用
人工智能正在医疗、农业、交通、教育等领域催生新产品与新流程。
行业创新：企业与科研机构用人工智能开发产品、优化服务、提升效率，使社会运行更智能。
无人驾驶与智能辅助驾驶（示意）
① 感知：摄像头、雷达、定位
② 决策：路径规划与风险判断
③ 控制：转向、加速、制动
④ 辅助驾驶：车道保持、自动刹车等
- 观察辅助驾驶/无人驾驶：如何采集环境、如何判断、如何响应（如刹车与改道）
- 分析汽车行业因感知、决策算法产生的创新点
- 以智慧农业、医疗、教育为关键词，了解各行业创新应用
想一想：如果核心技术依赖外部且随时可能停服，对智能服务意味着什么？
2．智能创新应用的产生
成功的智能创新通常需要多方协作：科研机构、企业、数据提供方与监管环境等。
创新生态：例如智能辅助诊断：算法研发、医疗数据、软硬件产品、政策监管等环节协同，才能真正落地。
- 回顾已学技术（识别、分类聚类、知识图谱、生成等）可解决哪些现实问题
- 想一想：谁提供数据、谁开发、谁测试、谁监管
- 用图表或短文介绍一个「跨界合作」设想
想一想：缺了「数据」或「监管」中的哪一环，创新更容易出问题？
3．智能创新与自主可控
国产芯片、算法平台与大模型等成果，说明掌握核心技术对智慧社会发展至关重要。
自主可控：从数据、算法、算力出发，关键技术（芯片、系统、框架等）尽量自主，才能避免「卡脖子」与失控风险。
- 梳理构建智能系统涉及的关键技术栈
- 了解我国在芯片、大模型等方面的自主创新成果及其应用场景
- 用一句话写下印象最深的成果及理由
想一想：自主可控与每个人的生活有什么关系？举一个你能感知到的例子。
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_llm_chat — 设想一个行业创新场景（医疗问询、农业咨询等），体验智能服务如何落地
组件 model_diffusion_image_generation — 用提示生成产品/场景概念图，讨论创新应用与自主可控（模型与数据从哪来）
五、课堂总结
- 人工智能在医疗、教育、制造等多行业有创新应用。
- 身边智能设备与服务背后，是企业与科研机构的持续创新。
- 核心技术自主可控既是国家发展需要，也与每个人的生活相关。
六、拓展提升
- 讨论科技企业在隐私、算法公平与信息垄断方面应承担的社会责任，并结合见闻谈看法。
测评
对照本课学习目标作答（客观题练习）；选出后点「检查」。答错会显示简短说明。
一项智能创新成功落地，通常需要：
智能创新强调自主可控，主要是因为：
判断：无人驾驶/辅助驾驶与人工智能行业创新无关。
本节小结
回顾本课要点，完成动手体验与测评。记住：智慧社会与智能创新。