《北京市中小学人工智能教育地方课程纲要(试行)(2025 年版)》明确规定了各年级人工智能教育的主题项目示例，是中小学开展 AI 通识教育的核心依据。必高人工智能通识课严格遵循该纲要要求进行课程设计，全部采用真人录制。在内容架构上，充分考量小学、初中、高中各学段的认知梯度，实现知识体系与能力目标的有效衔接;在教学维度上，深度融入语文、数学、科学、历史等学科知识，推动 AI 技术与学科教学的有机融合，确保课程既符合政策导向，又能满足学生综合素养发展需求。
以下是对各年级主题项目的简单描述：
一 年级
• 项目一：初识 AI：通过展示智能音箱、扫地机器人等生活中常见的人工智能产品，让学生观察和体验，初步了解人工智能的基本概念，知道人工智能可以帮助人们解决很多实际问题。
• 项目二：体验智能音箱：学生使用智能音箱，通过语音指令让其播放音乐、讲故事、查询信息等，感受语音识别技术的应用，体验人工智能如何通过语音交互来满足人们的需求。
• 项目三：智能识别助手：利用简单的图像识别工具，让学生识别常见的物体、动物或植物等，了解图像识别技术的基本原理，感受人工智能在识别方面的能力。
• 项目四：我的 AI 头像：学生使用 AI 工具生成自己的虚拟头像，选择不同的发型、表情、服装等，体验人工智能在图像生成方面的应用，发挥自己的创意和想象力。
二年级
• 项目一：智能感官：通过体验智能手环、智能摄像头等设备，让学生了解人工智能如何模拟人类的感官，如感知运动、光线、声音等，理解人工智能在感知方面的应用和作用。
• 项目二：AI 和我讲故事：学生输入一些关键词或简单的故事情节，让 AI 生成一个完整的故事，然后学生可以根据 AI 生成的故事进行续写或改编，感受自然语言处理技术的魅力，培养学生的语言表达和创造力。
• 项目三：语音效果工厂：学生使用语音处理工具，对自己的声音进行特效处理，如变声、添加回声等，了解语音处理技术的应用，同时也可以让学生思考语音处理技术在娱乐、广告等领域的应用。
• 项目四：初识人脸识别：通过观看人脸识别的视频或使用简单的人脸识别软件，让学生了解人脸识别技术的基本原理和应用场景，如门禁系统、安防监控等，同时引导学生思考人脸识别技术可能带来的隐私问题。
三 年级
• 项目一：AI 与在线生活：让学生探讨人工智能在在线学习、在线购物、在线社交等方面的应用，如智能推荐系统、在线客服等，分析人工智能如何改变了我们的在线生活方式，提高了生活效率。
• 项目二：AI 棋手：学生与 AI 下棋，如象棋、围棋等，感受 AI 在博弈方面的能力和策略，了解 AI 如何通过算法和机器学习来提高下棋的水平，同时也可以培养学生的逻辑思维和竞争意识。
• 项目三：智能翻译官：学生使用翻译软件，将中文翻译成英文或其他语言，或者将英文翻译成中文，体验机器翻译的便捷性和准确性，了解自然语言处理技术在翻译领域的应用，同时也可以让学生思考翻译软件存在的局限性。
• 项目四：人脑 VS 电脑：通过一些简单的测试游戏或活动，如记忆力比赛、计算速度比赛等，让学生比较人脑和电脑的优势和劣势，思考人工智能与人类智能的关系，培养学生的辩证思维能力。
• 项目五：未来职业设计师：让学生想象未来可能出现的人工智能相关职业，如 AI 伦理顾问、AI 训练师等，然后使用 AI 工具绘制出这些职业的工作场景或形象，培养学生的创新思维和对未来职业的规划意识。
四 年级
• 项目一：问答时光机：学生利用 AI 工具创建一个问答系统，如关于历史事件、科学知识等方面的问答，让其他同学进行提问和回答，体验人工智能在知识问答领域的应用，同时也可以帮助学生巩固和拓展知识。
• 项目二：智能天气预报：学生收集天气数据，如温度、湿度、风力等，然后使用简单的 AI 模型或工具，对天气进行预测，了解数据分析和机器学习在天气预报中的应用，培养学生的数据收集和分析能力。
• 项目三：智能饮食管家：学生根据自己的身体状况、饮食习惯和营养需求，使用 AI 饮食规划工具，制定个性化的饮食计划，了解人工智能在健康管理领域的应用，同时也可以让学生养成科学饮食的习惯。
• 项目四：智能交通助手：学生分析交通拥堵的原因，然后利用 AI 技术设计一个智能交通解决方案，如智能信号灯、自动驾驶系统等，了解人工智能在交通领域的应用和发展趋势，培养学生解决实际问题的能力。
• 项目五：设计未来社区：学生使用 AI 工具和虚拟现实技术，设计一个未来的智能社区，包括社区的建筑、设施、服务等，展示人工智能如何提升社区的生活质量和管理效率，培养学生的空间想象能力和创新设计能力。
五 年级
• 项目一：AI 数据侦探：引导学生收集身边的日常数据(如班级同学的运动时长、家庭用电量等)，使用简单的数据可视化工具(如 AI 图表生成软件)对数据进行整理和分析，找出数据中的规律或异常情况。通过项目让学生理解 “数据是 AI 的基础”，初步掌握数据收集与分析的基本方法，培养数据思维。
• 项目二：智能图像分类师：借助入门级 AI 图像标注工具，让学生对动物、植物、交通工具等类别图像进行标注(如给 “猫” 的图像打上 “猫” 的标签)，协助训练简单的图像分类模型。学生在实践中了解图像识别的 “训练过程”，明白 AI 并非天生会 “认东西”，而是需要人类辅助学习，同时提升细致观察与分类能力。
• 项目三：AI 环保小卫士：结合环保主题，学生利用 AI 识别工具(如识别垃圾类别的小程序)学习垃圾分类，或通过分析区域空气质量数据的 AI 平台，提出改善周边环境的小建议。项目将 AI 与现实问题结合，让学生感受 AI 在环保领域的实用价值，培养社会责任感与问题解决意识。
• 项目四：智能音乐创作家：使用 AI 音乐生成工具(如输入 “欢快”“校园” 等关键词生成简单旋律)，学生尝试创作属于自己的校园歌曲或课间音乐，还可对生成的旋律进行调整和改编。过程中让学生体验 AI 在艺术创作中的应用，打破 “AI 只能处理理科问题” 的认知，激发艺术与科技结合的创意。
• 项目五：AI 伦理小辩论：围绕 “AI 能否替代老师批改作业”“人脸识别在校园的利弊” 等话题，组织学生开展小型辩论。通过搜集资料、表达观点，引导学生辩证看待 AI 技术，初步建立 AI 伦理意识，提升逻辑表达能力。
六 年级
• 项目一：智能推荐解密：让学生回忆 “视频平台推荐喜欢的视频”“购物软件推荐想买的商品” 等场景，通过拆解推荐逻辑(如浏览历史、搜索关键词、同类用户偏好)，小组合作设计一个简单的 “班级图书推荐系统”(基于同学的阅读记录推荐书籍)。项目帮助学生理解 AI 推荐算法的核心原理，提升系统设计与团队协作能力。
• 项目二：AI 病虫害防治员：结合生物学科知识，学生使用农业 AI 识别工具(如拍摄植物叶片识别病虫害类型)，学习根据识别结果查询防治方法，并制作 “校园植物病虫害防治手册”。通过跨学科实践，让学生掌握 AI 在农业领域的应用，培养知识整合与实践应用能力。
• 项目三：简单 AI 模型搭建：借助图形化编程工具(如 Scratch 结合 AI 插件)，学生尝试搭建基础的 AI 模型，如 “手写数字识别”(通过训练让模型识别自己写的 0-9 数字)、“情绪表情识别”(识别图片中人物的开心、难过等表情)。项目降低 AI 编程门槛，让学生直观感受模型训练与应用的过程，激发对 AI 技术的探索兴趣。
• 项目四：未来 AI 产品提案：学生以 “解决校园生活中的小麻烦” 为目标，分组设计一款 AI 产品提案(如 “智能错题整理仪”“校园迷路指引 AI”)，需说明产品功能、用到的 AI 技术、解决的问题及推广价值，并制作简单的 PPT 或手绘原型展示。项目鼓励学生从生活需求出发创新，提升产品设计与方案表达能力。
• 项目五：AI 与文化传承：引导学生探索 AI 在文化领域的应用，如使用 AI 书法生成工具临摹书法作品、通过 AI 语音合成技术让 “历史人物”(如李白、苏轼)“朗读” 其诗词，或用 AI 修复老照片(如校园老建筑照片)。项目将 AI 与传统文化结合，让学生感受科技对文化传承的助力，增强文化自信。
七 年级
• 项目一：机器学习初探：通过 “水果分类” 实验(给学生提供带特征标签的水果数据，如苹果的 “红色、圆形、中等大小”)，让学生模拟 “机器学习” 过程 —— 先学习特征规律，再对新的水果样本进行分类，随后对比真实 AI 模型的分类逻辑，理解 “特征提取”“模型训练”“预测推理” 的核心环节。项目帮助学生建立机器学习的基础认知，提升抽象思维能力。
• 项目二：智能健康监测分析：学生使用智能手环或健康 APP 收集自己一周的运动步数、睡眠时长等数据，通过 AI 数据分析工具生成健康报告，分析自身健康状况(如 “睡眠不足可能影响精力”)，并制定改进计划。项目将 AI 与健康管理结合，让学生掌握数据驱动的健康分析方法，培养自我健康管理意识。
• 项目三：AI 文本创作与优化：学生使用 AI 写作工具(如生成校园活动策划案、读后感初稿)，然后对 AI 生成的文本进行修改和优化(如调整语言风格、补充细节内容)，对比 “AI 初稿” 与 “人工优化稿” 的差异，讨论 AI 在文本创作中的优势(如高效)与不足(如缺乏情感)。项目引导学生合理使用 AI 辅助学习，提升文本修改与批判性思维能力。
• 项目四：智能安防系统设计：结合物理学科的 “运动检测” 知识，学生分组设计简易的 “校园智能安防方案”，如利用 AI 摄像头的移动侦测功能防范校园死角安全隐患，或设计 “陌生人识别 + 预警” 的门禁辅助系统，需说明方案的技术逻辑、实施步骤与安全保障措施。项目培养学生将 AI 技术与安全需求结合的能力，提升系统思维与问题解决能力。
• 项目五：AI 技术发展史梳理：学生分组搜集资料，梳理人工智能的关键发展节点(如第一台计算机诞生、AlphaGo 战胜围棋冠军、ChatGPT 发布等)，制作 “AI 技术发展时间轴”，并分析每个节点对人类社会的影响。项目帮助学生建立 AI 技术的历史认知，理解技术发展的连续性与突破性，提升资料搜集与历史分析能力。
八 年级
• 项目一：深度学习应用体验：通过可视化工具(如 TensorFlow Playground)，学生直观观察深度学习模型如何通过 “多层神经网络” 处理数据(如识别复杂图像、分析复杂文本)，尝试调整模型参数(如层数、学习率)，观察模型效果的变化。项目让学生初步接触深度学习的核心概念，培养对复杂技术的探究能力。
• 项目二：AI 驱动的科学实验：结合物理、化学或生物学科的实验内容，学生利用 AI 工具辅助实验，如用 AI 数据采集工具实时记录 “杠杆平衡实验” 的数据并自动生成分析图表，或用 AI 图像识别工具统计 “显微镜下细胞的数量”。项目通过 AI 提升实验效率与准确性，培养跨学科的科学探究能力。
• 项目三：智能社会问题调研：学生选择一个与 AI 相关的社会问题(如 “AI 对传统职业的影响”“老年人使用智能设备的障碍”)，设计调研方案(如问卷、访谈)，收集数据后用 AI 分析工具(如问卷星的 AI 分析功能)处理数据，撰写调研报告并提出解决方案。项目培养学生的社会调研能力与责任感，提升数据处理与报告撰写能力。
• 项目四：AI 编程入门实践：使用 Python 结合基础 AI 库(如 Scikit-learn)，学生尝试编写简单的 AI 程序，如 “根据学生的考试成绩预测下次成绩”“根据花瓣特征分类花朵品种”。项目从图形化编程过渡到代码编程，让学生掌握基础的 AI 编程技能，为后续深入学习打下基础。
• 项目五：AI 伦理与法律探讨：围绕 “AI 生成内容的版权归属”“AI 决策的公平性(如招聘中的 AI 筛选是否存在歧视)”“AI 隐私保护的法律边界” 等话题，组织学生开展案例分析与讨论，结合相关法律条文(如《个人信息保护法》)，撰写简短的 “AI 伦理思考报告”。项目引导学生从法律与伦理层面思考 AI，培养法治意识与辩证思维。
九 年级
• 项目一：综合 AI 项目设计与实现：学生以小组为单位，自主选择一个综合 AI 项目主题(如 “校园智能导航系统”“AI 辅助的学习答疑机器人”“基于 AI 的家庭节能助手”)，完成从需求分析、方案设计、技术选型(如使用的 AI 工具或编程方法)、原型实现到测试优化的完整流程，并进行项目展示与答辩。项目综合锻炼学生的团队协作、技术应用、项目管理与表达能力，是对初中 AI 学习的总结与提升。
• 项目二：AI 技术前沿探索：学生分组研究当前 AI 领域的前沿技术(如生成式 AI、自动驾驶、AI 医疗诊断、脑机接口)，搜集最新的技术进展与应用案例，分析技术原理、优势、挑战及未来发展趋势，制作专题报告并在班级内分享。项目帮助学生了解 AI 技术的前沿动态，培养对科技趋势的洞察力与研究能力。
• 项目三：AI 与未来职业规划：结合学生的兴趣与职业倾向，引导学生探索 AI 在不同职业领域的应用(如 “AI 在医疗领域的医生助手岗位”“AI 在设计领域的创意辅助岗位”)，分析这些职业所需的知识与技能，结合自身情况制定 “与 AI 协同发展的职业规划”，并撰写规划报告。项目帮助学生将 AI 学习与未来职业发展结合，培养职业规划意识。
• 项目四：AI 与可持续发展：围绕联合国可持续发展目标(如 “零饥饿”“清洁饮水和卫生设施”“气候行动”)，学生分析 AI 在其中的应用案例(如 “AI 优化农业种植提高产量”“AI 监测水质保障饮水安全”“AI 预测极端天气助力气候行动”)，设计一个 “AI 助力可持续发展的小型方案”(如针对本地环境问题的 AI 解决方案)，并进行方案论证。项目培养学生的全球视野与可持续发展意识，提升方案设计与论证能力。
• 项目五：初高中 AI 学习衔接与展望：组织学生回顾初中阶段的 AI 学习内容，梳理知识体系(如 AI 基础概念、技术应用、伦理思考)，分析自身的优势与不足，调研高中 AI 相关课程(如信息技术中的 AI 模块、校本 AI 课程)或学习资源，制定高中 AI 学习的计划与目标。项目帮助学生做好初高中 AI 学习的衔接，培养自主学习与规划能力，为后续学习奠定基础。
十 年级
· 项目一：AI 算法原理探究：以 “线性回归”“决策树” 等基础算法为核心，学生通过数学推导(如线性回归的损失函数计算)与编程实现(使用 Python 的 NumPy 库手动构建简单模型)，理解算法的数学逻辑。例如通过 “学生成绩与学习时长的关系预测” 项目，对比手动计算与调用 AI 库的结果差异，深化对算法本质的认知，培养数学建模与编程结合的能力。
· 项目二：计算机视觉基础实践：围绕图像预处理(如灰度化、降噪)、特征提取(如边缘检测、直方图)等核心技术，学生使用 OpenCV 库完成实操任务，如 “校园人脸识别门禁模拟”(通过 Haar 特征分类器实现人脸检测与匹配)、“交通信号灯识别”(对拍摄的路口图像进行颜色与形状特征提取，判断信号灯状态)。项目帮助学生掌握计算机视觉的基础流程，提升技术落地应用能力。
· 项目三：自然语言处理入门：学生通过 “文本情感分析” 项目展开学习，如收集校园论坛或社交媒体的学生评论数据，使用分词工具(如 jieba)处理文本，结合朴素贝叶斯算法构建情感分类模型，判断评论是 “正面”“负面” 还是 “中性”。同时探究词向量、语义理解等概念，分析模型在处理歧义句(如 “这个课程难但有趣”)时的局限性，培养自然语言处理领域的探究思维。
· 项目四：AI 与学科深度融合(理科方向)：结合物理、化学学科知识，设计跨学科项目。例如在物理领域，利用 AI 模型分析 “单摆运动” 实验数据(通过摄像头拍摄单摆运动，AI 提取摆长、周期等参数，验证单摆周期公式);在化学领域，通过 AI 预测化合物性质(基于元素组成、化学键类型等数据，预测化合物的熔点、溶解度)，实现 AI 技术与理科实验的深度结合，提升跨学科创新能力。
· 项目五：AI 隐私保护实践：聚焦数据安全与隐私保护，学生通过 “数据匿名化处理” 实验(如对班级同学的个人信息(姓名、学号、成绩)进行脱敏，隐藏关键标识同时保留数据可用性)、“联邦学习模拟”(多小组分别训练局部模型，仅共享模型参数而非原始数据，联合优化一个 “校园消费习惯分析” 模型)，理解隐私保护技术的原理与应用，建立数据安全责任意识。
十一 年级
· 项目一：深度学习模型构建与优化：学生基于 TensorFlow 或 PyTorch 框架，完成端到端的深度学习项目，如 “校园植物病害精准识别”(构建 CNN 卷积神经网络，使用校园植物病害数据集进行训练，通过调整网络层数、优化器(如 Adam、SGD)、学习率等参数，提升模型识别准确率)、“短视频内容分类”(利用 RNN 模型对短视频的音频或画面帧数据进行分析，分类 “学习科普”“娱乐生活” 等内容类型)。项目培养学生独立构建与优化复杂模型的能力，为高阶学习奠定基础。
· 项目二：AI 与学科深度融合(文科方向)：针对语文、历史、地理等文科科目设计项目。在语文领域，开展 “古典诗词风格聚类”(通过词频、修辞手法等特征，使用 K-means 算法将不同诗人的作品分类，分析风格差异);在历史领域，利用 AI 工具对 “历史文献文本”(如明清奏折、近代报刊)进行分词与关键词提取，辅助梳理历史事件脉络;在地理领域，结合 GIS 与 AI 技术，分析 “区域人口分布与资源承载力” 数据，预测区域发展趋势，实现 AI 与文科研究的融合创新。
· 项目三：AI 驱动的工程设计：以解决实际工程问题为目标，学生分组完成工程设计项目。例如 “智能垃圾分类箱设计”(结合红外传感器与图像识别技术，实现垃圾自动分类投放，同时通过物联网模块上传垃圾分类数据)、“校园智能照明系统”(利用光照传感器与人体感应 AI 算法，动态调节教室灯光亮度与开关，达到节能效果)。项目需完成方案设计、原型制作(如使用 Arduino 结合 AI 模块搭建硬件)、性能测试与优化，培养工程实践与系统设计能力。
· 项目四：AI 伦理与社会治理研讨：围绕复杂 AI 伦理议题，如 “AI 生成内容的知识产权界定”(讨论 AI 绘画、AI 写作的版权归属，结合《著作权法》案例分析)、“算法歧视的治理方案”(如招聘、贷款中的 AI 筛选算法可能存在的性别、地域歧视，探究技术优化与政策监管的双重解决路径)、“自动驾驶的伦理困境”(如 “电车难题” 在自动驾驶场景中的决策逻辑，调研不同国家的伦理指南)。学生通过文献研究、专家访谈(邀请法律或 AI 领域学者)、模拟听证会等形式，撰写专题研究报告，培养社会责任感与批判性思考能力。
· 项目五：AI 创新创业模拟：模拟真实创业场景，学生以 “AI 技术商业化” 为目标，组建创业团队，完成 “AI 创业项目计划书”。例如 “面向中小学生的 AI 学习助手”(功能包括错题分析、个性化知识点推荐、学习计划制定)、“面向社区的 AI 养老服务平台”(提供健康监测、紧急求助、情感陪伴等服务)。计划书需包含市场调研、技术方案、商业模式、财务预算、风险评估等模块，并通过路演形式向 “投资人”(如教师、企业代表)展示，培养商业思维与创新创业能力。
十二 年级
· 项目一：AI 前沿技术专题研究：学生自主选择 AI 前沿方向(如生成式 AI(AIGC)、强化学习、脑机接口、多模态大模型)，开展深度专题研究。例如研究 “ChatGPT 类大模型的训练原理与优化方向”(分析 Transformer 架构、预训练与微调流程，尝试基于开源模型(如 Llama)进行特定领域(如高中物理答疑)的微调实践);研究 “强化学习在机器人控制中的应用”(通过 OpenAI Gym 环境，设计 “机械臂抓取物体” 的强化学习算法，调整奖励函数优化抓取成功率)。学生需撰写学术性研究报告，参与校内或区域内的 AI 专题论坛交流，培养学术研究与前沿探索能力。
· 项目二：跨学科 AI 综合项目：整合高中阶段多学科知识与 AI 技术，开展综合性项目。例如 “智慧校园生态系统设计”(融合物联网(IoT)、大数据与 AI 技术，涵盖智能教学(个性化学习推荐)、智能管理(校园能耗监测与优化)、智能安全(异常行为识别)、智能服务(校园导航与资源预约)四大模块，需完成系统架构设计、核心模块开发(如使用 Python+Flask 搭建后端，结合 AI 模型接口)、系统集成与测试)。项目需跨学科组队(如计算机、数学、物理、地理等学科学生协作)，培养团队协作与综合技术应用能力。
· 项目三：AI 与未来社会趋势预测：基于 AI 技术发展现状，学生通过文献分析、专家访谈、数据建模等方式，预测 AI 对未来社会的影响。例如 “AI 对就业市场的长期影响”(结合行业报告数据，使用时间序列模型预测不同职业(如制造业工人、程序员、教师)的岗位需求变化，提出 “人机协同” 的职业能力培养建议);“AI 对教育模式的变革”(分析 AI 在个性化学习、教育评价、教师角色转型中的作用，设计未来 “AI + 教育” 的课堂模式)。学生需撰写趋势预测报告，并制作可视化展示作品(如数据看板、短视频)，培养宏观视野与趋势洞察能力。
· 项目四：高中 AI 学习成果整合与展示：学生回顾高中阶段 AI 学习经历，梳理个人知识体系(如算法原理、编程技能、项目实践、伦理认知)，整合过往项目成果(如 10 年级的算法实现代码、11 年级的创业计划书)，制作 “个人 AI 学习成长档案”。同时选择 1-2 个代表性项目进行深度优化，如将 10 年级的 “校园人脸识别” 项目升级为 “多模态身份认证系统”(融合人脸、指纹、声纹识别)，并通过校园科技节、区域 AI 成果展等平台进行展示与交流，完成高中 AI 学习的总结与升华。
· 项目五：AI 与大学专业衔接规划：结合大学专业方向(如计算机科学与技术、人工智能、数据科学、电子信息工程、数字媒体技术等)，学生调研不同专业的 AI 相关课程体系(如大学的 “机器学习导论”“计算机视觉”“自然语言处理” 等课程内容)、培养目标与就业方向。通过与大学招生办老师、在读学长交流，结合自身 AI 学习优势(如算法研究、编程实践、项目设计)，制定 “AI 相关专业报考与大学学习规划”，明确高中阶段的能力提升重点(如数学竞赛、AI 科创比赛、编程技能认证)，为大学专业学习做好充分准备。
