2.教学内容设计
《指南》根据不同学段学生的认知特点安排了9个教学模块和1个综合实践环节。9个教学模块分别为人工智能概述、智能工具与社会伦理、机器感知、机器认知、机器学习、人工神经网络、知识表示与推理、群体智能与进化智能、人机交互。不同学段的教学内容可从这些模块中进行取舍与组合。
（1）人工智能概述模块
人工智能概述模块的主要内容包括自然智能与人工智能、人工智能的发展过程、人脑与计算机信息处理能力的差异、人工智能的分类，以及人工智能的主要应用领域等，各学段的教学内容可从中取舍。本模块的教学重点是激发学生对人工智能的好奇心和学习兴趣，帮助学生了解什么是人工智能，人工智能有哪些重要应用，为进一步学习打下基础。
（2）智能工具与社会伦理模块
所谓工具泛指所有用于人类工作和生活的人造产品，包括器具、机器、软件等。智能工具与社会伦理模块应体现科学教育与人文教育相融合的理念，强调从农业社会到工业社会、从信息社会到智能社会，人类发明创造的工具具有不同时代的技术烙印和功能特点。本模块应重点突出智能化时代的智能工具及其应用场景、智能工具对社会发展的利弊，以及应用智能工具的伦理问题等。
（3）机器感知模块
从中学生物学人体感觉系统、人的感知能力和感觉器官等相关知识，过渡到机器的感知系统模型和常用传感器，强调人类创造的工具通过模拟人和辅助人从而拓展人类的感觉能力这一重要特点。机器感知模块的主要内容包括机器视觉系统和图像传感器的基本知识、声波的分类与声音传感器的基本知识、温度传感器的基本知识、压力传感器的基本知识、嗅觉传感器的基本知识、味觉传感器的基本知识，以及多传感器信息融合的基本概念。小学生在日常生活中会接触到大量有关“检测”的设备，如温度计、压力表、电子秤、照相机等。在机器感知模块的教学中，应尽量结合这类应用实例帮助学生理解有关基本概念。中学生在生物学、物理学等课程中会学习到很多与感官和传感相关的知识，如生物学中关于眼睛、耳朵、皮肤等的知识，物理学中关于压电效应、压阻效应、声波传播等的知识。本模块的教学内容应尽量结合学生在相关课程中学过的知识并进行深化。
（4）机器认知模块
机器认知模块主要涉及模式识别领域的基本概念和基本知识，包括特征提取与特征表示、线性分类与非线性分类、聚类与聚类中心等。在本模块的教学中，应多结合学生在日常生活中的经历和体验来帮助他们理解特征提取、分类、聚类等基本知识；第三、四学段应注意与数学课中的直线方程、平面方程以及二维空间、三维空间等知识相结合，以加深学生对相关知识的理解。
（5）机器学习模块
机器学习模块的主要内容包括：关于机器学习系统的基本知识；关于机器学习方法的基本知识，如监督学习、无监督学习、半监督学习、强化学习等；关于机器学习算法的基本知识，如线性回归、决策树分类、均值聚类、主成分分析降维等经典算法。这些教学内容涉及的技术术语较多，在教学中要特别注意深入浅出，尽量结合学生在日常生活中的经历和体验。
（6）人工神经网络模块
人工神经网络模块的主要内容包括生物神经元的信息处理机理、人工神经元的M-P模型、人工神经网络模型、人工神经网络的特点和功能等。在本模块的教学中，第三、四学段应结合生物学课程中关于生物神经元的知识，帮助学生理解人工神经元的结构、信息处理方法和数学模型，熟悉人工神经网络的几种典型结构，了解人工神经网络与深度学习的关系。
（7）知识表示与推理模块
知识表示与推理模块的主要内容包括：关于知识表示的基本知识，如一阶谓词、产生式规则、语义网络等知识表示法；关于知识推理系统的基本知识，如正向推理、逆向推理和混合推理等；关于状态空间搜索策略的基本知识，如盲目搜索和启发式搜索等；以及关于知识图谱的基本概念和关键技术。在本模块的教学中，第三、四学段应结合编程课程的相关内容，注重培养学生使用Python语言编写程序的能力，鼓励学生尝试编程实现人工智能领域的简单推理案例。
（8）群体智能与进化智能模块
群体智能部分的主要内容包括：关于优化问题的基本概念，如函数组合和组合优化；关于群体智能的基本概念和常用算法，如蚁群算法、蜂群算法、鱼群算法、鸟群算法、狼群算法等；关于智能体与多智能体系统的概念。第三、四学段的教学重点不是使学生理解算法的数学原理，而是结合生物学课程的相关知识使学生认识到，在生物群体中，每个个体的能力都微不足道，但整个群体却呈现出很多不可思议的智能行为：蚁群在觅食、筑巢和合作搬运过程中的自组织能力，蜂群的角色分工和任务分配行为，鸟群从无序到有序的聚集飞行，狼群严密的组织系统及其精妙的协作捕猎方式，鱼群通过觅食、聚群及追尾行为找到营养物质最多的水域，等等。这些历经数万年进化而来的群体智能为人造系统的优化提供了很多可资借鉴的天然良策。因此，群体智能算法就是用数学方法对自然界某些生物群体的智能行为进行模拟。
进化智能部分的主要内容包括常规优化算法的特点及其瓶颈、进化论和基因遗传学的观点对复杂问题优化的启发，以及遗传算法如何引入“自然选择，优胜劣汰，适者生存”的优化机制，实现复杂问题的优化。
（9）人机交互模块
人机交互模块的主要内容包括自然语言处理、语音交互、情感计算、动作识别等。本模块重点介绍自然语言处理技术与应用场景，例如，在查询资料、解答问题、摘录文献、汇编资料等各种有关自然语言信息加工处理领域的应用，帮助各学段的学生了解、体验、熟悉自然语言处理技术。