本书为高等院校师范类学生教材。在人工智能时代，每一位未来的教育工作者都需要理解人工智能的基本原理、应用场景和伦理边界，因此本书面向非人工智能专业的师范生，定位为一本系统、实用、易懂的人工智能入门教材。本书共六章，主要内容包括：人工智能的基本概念和发展历程，人工智能的核心技术，人工智能带来的伦理问题和挑战，人工智能在教育领域的典型应用场景，教育实践，并展望人工智能时代的教师素养和教育创新方向，帮助读者做好职业准备。本书力求体现系统性、实用性、可读性和针对性，希望不仅帮助读者掌握人工智能的基本知识和技能，更能引导读者培养批判性思维和伦理意识，在拥抱技术的同时保持人文关怀。

王瑞，首都师范大学信息工程学院教授/博士生导师，CCF形式化专委执行委员，荣获首都师范大学"实验室开放基金优秀指导教师”、首都师范大学师德先进个人，主持首都师范大学课程思政示范项目《软件测试与验证》，参与首都师范大学课程思政示范课程《数理逻辑+图论》。

第一章 人工智能基础 1
1.1 人工智能的定义 2
1.1.1 什么是人工智能：一个不断演变的答案 2
1.1.2 多角度看人工智能：思考还是行动，类人还是理性 3
1.1.3 现代人工智能：从“人工”到“智能”的飞跃 3
1.1.4 人工智能的“智能”是真智能吗 4
1.2 人工智能发展历程 5
1.2.1 孕育期（20 世纪初—20 世纪 50 年代中） 5
1.2.2 诞生期（20 世纪 50 年代中—20 世纪 70 年代初） 6
1.2.3 第一次寒冬（20 世纪 70 年代初—20 世纪 80 年代中） 6
1.2.4 繁荣期（20 世纪 80 年代中—20 世纪 90 年代末） 6
1.2.5 第二次寒冬（20 世纪 90 年代末—21 世纪初） 7
1.2.6 黄金发展期（21 世纪初至今） 7
1.3 人工智能核心技术与教育的关联性 7
1.3.1 人工智能赋能教育的重要性 8
1.3.2 人工智能赋能教育的核心技术 8
1.3.3 人工智能赋能教育的挑战 9
1.3.4 人工智能赋能教育的国家战略 10
阅读材料：达特茅斯会议 11
附录：人工智能发展大事记（ 1943—2023 ） 12
参考文献 13
第二章 人工智能核心技术 14
2.1 机器学习基础 15
2.1.1 监督学习：有“教师”指导的学习之旅 16
2.1.2 无监督学习：自主探索数据的奥秘 21
2.1.3 强化学习：让机器在试错中成长 26
2.1.4 三种学习方式的联系与区别 32
2.2 深度学习简介 33
2.2.1 神经网络架构 33
2.2.2 卷积神经网络 36
2.2.3 循环神经网络 48
2.2.4 Transformer 52
2.2.5 大语言模型 56
2.3 自然语言处理技术 63
2.3.1 词法分析：给机器“上语文课” 63
2.3.2 句法分析：理清语言的骨架 65
2.3.3 语义理解：触及语言的灵魂 66
2.3.4 文本生成：让机器“开口说话” 67
2.4 计算机视觉技术 69
2.4.1 图像识别与分类：认出“这是什么” 69
2.4.2 目标检测与跟踪：不仅“看见”，还要“找到”并“追上” 71
阅读材料：深度学习的“三驾马车” 75
参考文献 76
第三章 人工智能伦理问题 78
3.1 数据隐私与安全 79
3.1.1 教育数据采集的合规边界 79
3.1.2 学生信息加密与匿名化处理 84
3.2 算法偏见与公平性 88
3.2.1 算法偏差的教育场景实例 88
3.2.2 公平性评估与矫正方法 92
3.3 责任归属问题 98
3.3.1 智能决策中的法律责任界定 98
3.3.2 教育 AI 系统开发者和使用者权责 101
3.4 教育公平性 104
3.4.1 技术应用中的城乡数字鸿沟：国内城乡差异与全球发展失衡 104
3.4.2 包容性人工智能教育方案设计 107
参考文献 111
第四章 人工智能在教学中的应用 112
4.1 智能教学辅导系统 113
4.1.1 意义及目标 113
4.1.2 智能辅导系统的设计与实现 115
4.1.3 智能答疑系统的功能与特点 120
4.1.4 大模型智能答疑系统 124
4.2 个性化学习支持：从学生建模到路径推荐的实践与创新 126
4.2.1 学生学习风格与能力建模 127
4.2.2 基于数据的个性化学习路径推荐 127
4.2.3 大模型推荐系统 129
4.3 教育资源的智能生成 130
4.3.1 自动课件生成技术 131
4.3.2 智能试题生成与组卷系统 134
4.3.3 AIGC 用于教学资源的智能生成 137
4.4 课堂教学中的人工智能应用 143
4.4.1 智能考勤与课堂行为分析 143
4.4.2 互动式智能教学工具 146
4.4.3 AIGC 赋能教学内容生成与创新设计 149
第五章 人工智能教育综合实践：智能教育项目设计 152
5.1 项目选题与需求分析 153
5.1.1 教育场景中的问题转化为人工智能任务 153
5.1.2 案例：手写数字识别在数学作业批改中的应用 155
5.2 技术选型与模型调优 157
5.2.1 Python 库（TensorFlow/PyTorch）实践 157
5.2.2 Kaggle 数据集操作和模型调优 165
5.3 教学场景模拟与效果评估 168
5.3.1 仿真环境搭建和用户测试 168
5.3.2 教育效能指标设计与验证 170
第六章 人工智能时代的教师素养与教育创新 173
6.1 人工智能时代教师的角色转变 174
6.1.1 从知识传授者到学习引导者 174
6.1.2 从单一学科教师到跨学科融合者 177
实训任务 177
6.1.3 小结 180
6.2 教师的人工智能素养要求 180
6.2.1 技术应用能力 180
6.2.2 数据素养 184
6.2.3 伦理与法律意识 185

目 录 VII

6.2.4 小结 186
6.3 基于人工智能的教育创新实践 187
6.3.1 创新教学模式与方法 187
6.3.2 开展人工智能主题的教育活动 190
6.3.3 小结 193
拓展学习 194
附录 A 国务院关于深入实施“人工智能 + ”行动的意见
附录 B “人工智能 + 教育”行动计划
附录 C 人工智能科技伦理管理服务办法（试行）