图灵提出“机器能否思考”的哲学命题，但未形成系统研究框架。 ◆1997 年 — —深蓝胜利： IBM 超级计算机击败国际象棋冠军，体现专用 Al 的突破，但通用智能仍未实现。 ◆ 2012 年——技术突破的转折点：深度学习崛起， Geoffrey Hinton 团队在 ImageNet 竞赛中以卷积神经网络将错 误率 从 26% 降至 15%, 引发算力与数据驱动的 Al 革命。 ◆ 2016 年—— AlphaGo: 年达特茅斯会议召 开 · 第二到四阶段：低谷的原因是符号主义 Al 无法处理复杂现实问题 · 第五阶段：复兴时期，标志事件是 1997 年 IBM 深蓝击败国际象棋冠军 · 第六阶段：数据驱动的崛起，驱动力是互联网积累海量数据， GPU 算力 提升，机器学习算法突破，里程碑事件是 2016 年 AlphaGo 击败李世 石 2020 年以后是通用智能探索与生成式 Al 爆发期， 2022 型信息，还可以 理解 并生成主流编程语言 ( 如 Python 、 Java 、 C++) 的高质量代码，并拥有全面的安全性评估。 2024 年 12 月， DeepSeek 迅速崛起，震撼全球，使得人工智能进入“普惠”时代 二、大模型：人工智能的前沿 2.3 人工智能和大模型的关系 人工智能包含了机器学习，机器学习包含了深度学习，深度学习可以采用不同的模型，其中一种模型是预训练模型，

外购资源有：中国知网、国研网、人大书报资料、万方数字化期刊、 万方数字化期刊全文数据库等学术搜索。  自建资源有：党校科研成果库、学科教研参考数据库、党校系统数字 报刊平台、党史党建专题库、省情研究专题库、中部崛起专题库、科 学发展观专题库、北大法宝 - 中国法律信息总库、“哲摄线”数据库、 中国知网党政领导决策参考信息库、中国知网法律资源总库。 信息发布系统  信息发布系统是一套软硬件结合的系

也可以满足需要。训练和推理 阶段所使用的芯片类型也可能不同，训练阶段可能更倾向于使用高性能 GPU，而推理阶段则可以根据实际需 求选择更经济高效的芯片。随着 DeepSeek 等先进通用大模型的崛起以及行业模型的快速发展，教育领域对算 力的需求分布也发生变化，整体训练所需算力减少，而推理将成为算力主要需求。 教育大模型在不同应用场景下对算力的需求呈现出多样化特征。在教学场景中，算力需求呈现实时性与多模态 统人类主体——教师与学生的角色与能力边界，使其向设计 引导与自主学习演进，更催生并定义了一个全新的教育主体——人工智能体。它不再是传统意义上的辅助工具， 而是凭借大模型赋予的深度认知与交互能力，崛起为教育场域中具有主体性的“第三极”，与人类主体共同构 建了一个协同共生的新型教育生态。 教育大模型推动教师角色向引导与设计转型。教育大模型通过自动化知识传递与个性化辅导，将教师从重复性 讲授任 发标准。 总的来看，除了通用大模型继续需要大量算力支持，持续加强通用能力和发泛化能力建设外，适用于行业领域 和场景应用的大模型未来发展趋势主要是，架构动态化和混合化，模型轻量化和垂直化，开源生态崛起，多模 态和跨领域组合，高校级部署增多，端侧大模型会日渐普及。当然，同时要加强安全和伦理体系建设与完善。 4.3 教育大模型的标准体系 教育系统本身的复杂性与人工智能的不确定性都制约着大模型在

器学习算法进行中医智能辨证诊断研究；第三个阶段为 21 世纪 10 年代以来的 大数据与深度学习探索阶段，随着大数据技术的成熟、计算机算力的提高和深度 学习等算法的发展，尤其是 2016 年深度学习相关技术崛起后，中医智能辨证诊 断研究又进入了新一轮的中医智能诊断研究高峰。 （1）基于知识与经验推理的阶段 早在 20 世纪 70 年代，一批国内研究人员就在尝试把智能技术应用于中医 辨证诊断领域

防御也必须在人们的脑海中构建。 By 2022 , only 为教师开 发了人工 智能框架 或程序 教师的 AI 能力框架 前言 © UNESCO 人工智能（AI）系统的迅速崛起对教学和学习产生了深远的影 响，特别是在教师的角色以及他们所需的能力方面。教育中使 用AI引发了关于教师自主权和其判断如何及何时恰当地使用这 项技术的能力的基本问题。 教师迫切需要被赋能以更好地理解人工智能的技术、伦理和