理解人工智能中常见的问题类型，包括搜索、分类、回归、聚类、决策、优化、生成等，了解不同问题与不同算法之间的基本对应关系。
能够根据一个具体场景，判断其核心问题类型，并初步分析适合采用哪一类算法思想来进行求解。
培养学生从现象走向本质、从应用走向方法的思维习惯，形成“先识别问题、再选择方法”的理性分析意识。
引导学生理解：人工智能中的“问题”不是笼统的功能描述，而是具有明确输入、输出和目标形式的求解任务。通过地图导航、垃圾邮件识别、销量预测、客户分群、智能问答等案例说明，不同应用表面上看都很“智能”，但本质上对应的问题类型并不相同。
系统介绍搜索问题、分类问题、回归问题、聚类问题、决策问题、优化问题和生成问题。重点讲清每类问题的核心任务是什么、输出结果是什么、适合解决什么样的场景。例如：分类关注“属于哪一类”，回归关注“具体数值是多少”，聚类关注“数据内部如何自动分组”，优化关注“怎样更优”。
通过“问题特征—求解目标—算法选择”的链条，帮助学生建立初步的算法思维。强调算法不是孤立记忆的知识点，而是围绕问题需要进行选择和设计的方法工具。引导学生理解，算法学习的核心不是背结论，而是学会识别问题、抽象结构并匹配合适的方法。
教学重点：典型问题类型的区分，以及问题类型与算法思想之间的基本联系。
教学难点：帮助学生摆脱“看应用名称猜算法”的表层理解，真正从输入形式、输出目标和求解任务出发分析问题本质。
采用“情境举例 + 类型归纳 + 对比辨析 + 课堂练习”的教学方式组织内容。
通过多个生活与工程场景进行横向比较，让学生在辨析中逐渐建立问题类型意识和算法思维框架。
给出“路线规划、商品推荐、房价预测、用户分群、智能诊断、文本生成”等多个应用场景，组织学生判断这些场景分别属于哪类问题，并说明判断依据。
以小组为单位，将常见智能应用按“问题类型”进行分类整理，绘制简单的问题类型图谱，训练学生的归纳能力和表达能力。
任务1：从身边找出5个智能应用，判断其主要属于哪一类问题，并写出理由。
任务2：任选一个具体场景，用“输入是什么、输出是什么、目标是什么”三个方面描述该问题。
任务3：思考为什么同样是人工智能应用，不同场景不能用同一种算法统一解决。