(
课件网) 第五单元 第5课 大模型时代 清华版（小学） 通 1 学习目标 3 新知讲解 5 拓展延伸 7 板书设计 2 新知导入 4 课堂练习 6 课堂总结 课后作业 8 01 教学目标 （1）了解大模型产生的背景，知道ChatGPT诞生的条件。 （2）了解ChatGPT的发展过程，体会ChatGPT在语言理解方面的强大功能。 （3）理解大模型的概念，明白模型、数据、计算三要素对大模型时代到来的重要意义。 02 新知导入 技术演进的阶段性特征 2010-2020年深度学习在人脸识别、语音处理等感知智能领域取得突破，为AI发展奠定基础，但其潜力尚未完全释放。 02 新知导入 未来趋势的核心方向 21世纪20年代以大模型为主导，聚焦"类脑智能"的更高目标，从感知能力向认知、推理等通用智能维度拓展，一场大变革即将拉开帷幕。 02 新知导入 社会影响的预期升级 这场变革中，大模型成为主角，模拟人脑的思维能力成为更加明确的方向。很多人预期，这场革命有望把人类推进到真正的智能时代。 03 新知讲解 1 大模型产生的背景 技术蛰伏与爆发转折 深度学习自2006年提出后经历5年沉寂期，直至2012年在图像、语音识别领域以压倒性优势超越传统方法，才引发学术界和产业界的广泛关注，标志AI技术范式的正式转向。 03 新知讲解 1 大模型产生的背景 算法研究的加速突破 2010-2020年间，学者们通过优化器设计、正则化技术等方法、架构创新（如ResNet、Transformer）等，大幅提升深度神经网络的训练效率与可扩展性，验证"规模效应"的理论潜力。 03 新知讲解 1 大模型产生的背景 硬件与数据的协同革命 智能手机普及催生移动互联网时代，用户生成的视频（优酷）、知识（百度百科）、社交信息（微博）及学术成果（Arxiv）等海量数据，为深度学习提供燃料；同时GPU等硬件进步支撑了模型规模扩张。 03 新知讲解 1 大模型产生的背景 社会认知的范式升级 开放社区平台不仅加速知识传播，更重塑科研协作模式，如Arxiv打破学术壁垒，推动了AI从实验室研究向大众化应用转型，为后续大模型时代奠定了数据生态基础。 03 新知讲解 1 大模型产生的背景 数据爆炸与知识民主化 数字化时代使全球数据量激增，开放共享平台打破知识壁垒，理论上任何人皆可获取海量信息，为AI训练提供前所未有的资源基础。 03 新知讲解 1 大模型产生的背景 硬件革命的算力支撑 GPU凭借并行计算架构（数千计算单元）完美适配深度学习的大规模矩阵运算需求，其性能远超CPU，成为训练神经网络的硬件基石。 03 新知讲解 1 大模型产生的背景 技术需求的硬件适配 图像渲染与深度学习共享"简单操作×海量并行"的特点，促使GPU从图形处理转向通用计算（GPGPU），历史性解决AI训练的算力瓶颈。 03 新知讲解 1 大模型产生的背景 人机能力的隐喻对照 数据规模与计算能力的同步跃升（如GPU算力+ZB级数据）暗示：AI若想逼近人类智能，需同时具备"大脑容量"（参数规模）与"思维速度"（并行计算），二者缺一不可。 03 新知讲解 1 大模型产生的背景 GPU与深度学习的双向赋能 2010年左右，研究者发现GPU的并行计算特性完美匹配神经网络训练的"简单操作×海量数据"需求，实现训练速度提升数十至百倍，彻底改变AI研发效率；同时AI需求反向重塑GPU产业生态，使其从图形渲染转向智能计算核心硬件。 03 新知讲解 1 大模型产生的背景 技术基础的三元聚合 2020年前后，深度学习算法（如Transformer）、开放数据生态（如ImageNet）、GPU算力形成"算法-数据-算力"黄金三角，推动机器翻译等应用爆发，如谷歌支持109种语言。 03 新知讲解 1 大模型产生的背景 发展节奏的加速跃迁 从GPU加速训练（2010s）到大语言模型革命（2020s），AI进步呈现指数级加速特征，单项技术突破尚未普及即被更 ... ...
