理解人工智能的基本概念、主要研究内容和典型应用领域，认识人工智能与算法、数据、算力之间的基本关系。
能够从实际问题出发，初步判断其是否属于人工智能问题，并尝试用“问题—算法—应用”思路进行分析。
树立正确的人工智能认知观，理解技术应用的价值边界、社会影响与工程伦理要求，提升跨学科理解意识。
介绍人工智能的基本内涵、发展历程和典型技术方向，帮助学生建立对人工智能整体图景的初步认识。通过智能语音、图像识别、推荐系统、自动驾驶和大模型应用等案例，引导学生理解人工智能并不是单一技术，而是由多种算法方法共同支撑的综合性技术体系。
强调“算法是人工智能理解与实现的关键桥梁”。通过路径规划、垃圾邮件识别、销量预测、图像分类等生活与工程案例，说明不同人工智能任务背后都对应着不同的问题类型与算法思路。帮助学生建立课程主线：面对实际问题，先识别问题，再选择方法，最终形成应用。
初步介绍搜索、分类、预测、聚类、决策、优化、生成等典型问题类型，让学生知道人工智能解决问题并非“万能回答”，而是围绕具体任务进行建模和求解。为后续各算法单元的展开奠定认知基础。
教学重点：人工智能的基本概念、典型问题类型，以及“问题驱动—算法实现—应用落地”的课程主线。
教学难点：帮助非人工智能专业学生避免把人工智能简单理解为聊天机器人或单一软件功能，而是从算法与问题求解角度理解其本质。
采用“案例导入 + 问题讨论 + 概念梳理 + 场景分析”的方式组织教学。
通过真实案例让学生感知人工智能应用，再通过问题分类引出算法方法，增强课程的启发性与参与性。
以“手机地图如何找到最优出行路线”“短视频平台为什么能推荐感兴趣内容”“智能客服为什么能回答常见问题”为切入，分析这些应用背后分别涉及搜索、推荐、分类与生成等问题。
组织学生将身边常见的智能应用进行归类，尝试回答“它解决的是什么问题”“可能使用了哪类算法思想”，形成初步的问题建模意识。
任务1：列举3个日常生活中的人工智能应用，并说明它们分别解决了什么问题。
任务2：尝试用“问题—算法—应用”三句话描述一个你熟悉的智能系统。
任务3：思考人工智能应用可能带来的便利与风险，形成简短反思。