第七单元 第7课《深度学习挑战：可解释性》课件【清华版】人工智能通识（ 中学）

(共35张PPT) 第七单元 第7课 深度学习挑战：可解释性 清华版（中学） 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）理解神经网络可解释性的重要性及其缺失带来的挑战。 （2）了解局部解释与全局解释的方法及其在实践中的应用。 （3）探讨可解释性缺失的深层原因及应对策略。 01 教学目标 02 新知导入 1. 可解释性缺失的核心问题 深度学习的"黑盒"特性表现为 输入-输出关系明确但内部决策逻辑不可追溯 ，导致模型行为难以被人类理解或验证。 02 新知导入 2. 应用限制与安全风险 在...