第3课：数据·算力·算法——AI的“三驾马车”

【学习目标】

1. 理解数据、算力、算法在AI技术中的重要作用及其相互关系

2. 能够通过实验分析数据规模与偏差对模型性能的影响

3. 认识自主研发AI芯片对国家技术安全的战略意义

4. 评价数据、算力、算法三者动态平衡的重要性

【情境导入】

当你向不同的AI工具输入同样的指令“生成一张赛博朋克风格的城市夜景图”时，有的工具几秒就能生成细节丰富的图片，有的却生成缓慢且效果歪曲。同样是AI，为什么差异如此巨大？答案就藏在数据、算力、算法这“三驾马车”之中。数据是AI的“燃料”，算法是AI的“发动机”，算力是AI的“高速公路”。任何一方的短板，都会成为制约整体能力的瓶颈。

【知识大揭秘】

概念引入：AI的三大核心要素

数据是驱动AI不断成长的“养料”，数据的多样性越丰富、质量越高，AI的学习效果就越好。算力是驱动AI高速运行的“引擎”，它决定了AI从数据中寻找规律的速度。算法是AI解决问题的“核心思路”，它定义了系统如何解析信息、识别模式并做出决策。

深度解析：数据规模与偏差的双重影响

数据规模不足会导致模型无法识别不同品种和姿态的猫；数据分布不均（如绝大多数是黑猫）会导致模型在面对白猫或花猫时容易出错。这就是“数据偏差”问题，它不仅影响模型性能，还可能引发公平性问题。

案例时间：“只识别黑猫”的AI——数据偏差的危害

某公司开发的猫品种识别AI，训练数据中90%以上是黑猫图片。结果这个AI对白猫的识别准确率仅有30%，而对黑猫的准确率高达95%。这个案例生动说明：数据偏差会直接导致模型偏见，影响AI系统的公平性。

案例时间：中国AI芯片的突破之路

近年来，我国在AI芯片领域实现了从依赖进口到自主创新的突破。多家企业成功研发出高性能AI芯片，广泛应用于云计算、智能制造、图像识别与自然语言处理等领域。自主研发AI芯片不仅是技术问题，更是国家技术安全的战略问题。

知识小结：三驾马车的动态平衡

数据决定了AI的知识广度和深度，算法决定了AI的思考方式和解决问题的效率，算力决定了AI的运算速度和规模。三者的动态平衡决定了AI的整体性能，任何一方的薄弱环节都会成为制约整体能力的瓶颈。

【AI看图学】

【动手练一练】

活动：数据规模与偏差对模型的影响实验

步骤： 1. 使用Teachable Machine，分别用猫狗各15张、各3张、各1张图片训练模型，测试识别效果 2. 使用偏差数据集（15张白猫+15张黑狗）训练模型，测试对白狗和黑猫的识别效果 3. 记录实验数据，分析数据规模和偏差如何影响模型性能

工具/平台：工具/平台：Teachable Machine（Google免费在线工具）

预期成果：预期成果：两份实验记录表，包含不同数据规模和偏差条件下的识别结果对比

【想一想·辨一辨】

1. 如果一个AI招聘系统的训练数据主要来自男性的简历，它可能会对女性求职者产生什么样的偏见？

2. 有人说“只要数据足够多，算法不重要”，你同意吗？为什么？

【拓展阅读·前沿视窗】

了解误差反向传播算法——它是训练人工神经网络的基础算法，能够在无人干预的情况下高效调整神经网络参数。AI芯片架构师是当前最稀缺的职业之一，他们负责设计和优化AI计算的硬件架构。