顶部
收藏

人工智能与未来


作者:
主编 王红梅 陈建辉 副主编 孙新德 陈勇斌 吴宁 齐兵辉
定价:
57.00元
ISBN:
978-7-04-065344-1
版面字数:
490.00千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2025-09-05
物料号:
65344-00
读者对象:
高等教育
一级分类:
计算机/教育技术类
二级分类:
计算机基础课程
三级分类:
大学计算机基础

本书是河南省“十四五”普通高等教育规划教材,是一本集理论与实践、有趣与有用相结合的人工智能通识课教材。本书分为四个部分:第一部分人工智能起源,包括第1章从手工计算到自动计算,第2章从自动计算到智能计算;第二部分人工智能要素,包括第3章数据,第4章算法,第5章算力;第三部分人工智能应用,包括第6章自然语言处理,第7章生成式人工智能,第8章计算机视觉,第9章具身智能,第10章智能驾驶;第四部分人工智能未来,包括第11章未来技术,第12章未来伦理。

本书以人工智能应用为背景,以人工智能应用中虚拟人物小智遇到的各种问题为驱动,从读者的角度出发,构建读者容易接触到的问题、场景和案例,降低读者学习的难度,提高学习兴趣。同时,本书还注重理论与实践的结合,通过丰富的案例分析,帮助读者理解人工智能技术的实际应用和价值,为未来的学习和工作打下坚实的基础。

本书适合作为高等院校非计算机专业人工智能通识课的教材或计算机专业人工智能导论的教材,也可以作为想了解人工智能初级理论和应用的读者的参考书。

  • 前辅文
  • 第1章 从手工计算到自动计算
    • 1.1 身边的计算
    • 1.2 手工计算与工具辅助计算
    • 1.3 自动计算探索
      • 1.3.1 逻辑数学化
      • 1.3.2 逻辑电路化
      • 1.3.3 机器自动计算可能性研究
      • 1.3.4 机器自动计算实施方案
    • 1.4 自动计算实现与发展
      • 1.4.1 运算器
      • 1.4.2 通用数字电子计算机
      • 1.4.3 计算机类型
    • 思考与练习
  • 第2章 从自动计算到智能计算
    • 2.1 人工智能那些事
    • 2.2 人工智能
      • 2.2.1 从人类智能到人工智能
      • 2.2.2 人工智能起源与图灵测试
      • 2.2.3 人工智能实现与发展
    • 2.3 智能计算
      • 2.3.1 智能社会需要智能计算
      • 2.3.2 智能计算未来
    • 思考与练习
  • 第3章 数据
    • 3.1 数据那些事
    • 3.2 数据概述
      • 3.2.1 数据概念
      • 3.2.2 数据与人工智能
      • 3.2.3 数据是现代社会的基础性资源
    • 3.3 数据表示与获取
      • 3.3.1 数制转换
      • 3.3.2 信息编码
      • 3.3.3 感知与数据采集
    • 3.4 数据存储与管理
      • 3.4.1 数据存储
      • 3.4.2 数据管理
    • 3.5 数据分析与可视化
      • 3.5.1 数据可视化
      • 3.5.2 数据分析
    • 3.6 拓展:大数据
      • 3.6.1 什么是大数据
      • 3.6.2 大数据怎么来的
      • 3.6.3 大数据有什么特征
      • 3.6.4 大数据有什么价值
    • 思考与练习
  • 第4章 算法
    • 4.1 算法那些事
    • 4.2 算法概述
      • 4.2.1 什么是算法
      • 4.2.2 算法描述
      • 4.2.3 算法实现案例:冒泡排序
      • 4.2.4 算法实现的常见数据结构
      • 4.2.5 算法和程序的关系
    • 4.3 搜索算法
      • 4.3.1 基于图的搜索
      • *4.3.2 广度优先搜索
      • *4.3.3 深度优先搜索
      • 4.3.4 最短路径算法
      • 4.3.5 A*搜索算法
      • 4.3.6 搜索算法的应用
    • 4.4 机器学习
      • 4.4.1 什么是机器学习
      • 4.4.2 机器怎么学习
      • 4.4.3 机器学习的类别
      • 4.4.4 机器学习应用实例:KNN
    • *4.5 神经网络与深度学习
      • 4.5.1 生物神经元与人工神经元
      • 4.5.2 神经网络
      • 4.5.3 神经网络应用——手写数字识别
      • 4.5.4 深度学习
    • *4.6 拓展:循环神经网络
      • 4.6.1 循环神经网络结构
      • 4.6.2 简单循环神经网络示例
      • 4.6.3 循环神经网络应用模式
      • 4.6.4 深度循环神经网络
    • 思考与练习
  • 第5章 算力
    • 5.1 算力那些事
    • 5.2 算力概述
      • 5.2.1 算力的概念
      • 5.2.2 算力的单位
      • 5.2.3 算力的分类
    • 5.3 通用算力
      • 5.3.1 通用算力的概念
      • 5.3.2 通用算力如何产生?
      • 5.3.3 通用算力的发展
      • 5.3.4 云计算
    • 5.4 超算算力
      • 5.4.1 超算的概念
      • 5.4.2 超级计算机的分类
      • 5.4.3 超算算力的内部结构
      • 5.4.4 中国的超算能力
      • 5.4.5 超算中心
    • 5.5 智算算力
      • 5.5.1 智能算力的概念
      • 5.5.2 人工智能算力芯片
      • 5.5.3 智算中心
      • *5.5.4 三种计算中心对比
    • *5.6 拓展:算力网络
      • 5.6.1 算力网络的概念
      • 5.6.2 东数西算
    • 思考与练习
  • 第6章 自然语言处理
    • 6.1 自然语言处理那些事
    • 6.2 自然语言处理概述
      • 6.2.1 什么是自然语言
      • 6.2.2 什么是自然语言处理
      • 6.2.3 为何研究自然语言处理
      • 6.2.4 机器怎么进行自然语言处理
    • 6.3 语音识别
      • 6.3.1 什么是语音识别
      • 6.3.2 语音识别处理流程
    • 6.4 自然语言理解
      • 6.4.1 什么是自然语言理解
      • 6.4.2 词法分析
      • 6.4.3 语法分析
      • 6.4.4 语义分析
      • 6.4.5 自然语言理解应用
    • 6.5 语音合成
      • 6.5.1 什么是语音合成
      • 6.5.2 语音合成原理
    • *6.6 拓展:机器翻译
      • 6.6.1 机器翻译概述
      • 6.6.2 神经机器翻译
      • 6.6.3 编码器-解码器结构
    • 思考与练习
  • 第7章 生成式人工智能
    • 7.1 生成式人工智能那些事
    • 7.2 生成式人工智能概述
      • 7.2.1 生成式人工智能概念
      • 7.2.2 生成式人工智能生成内容
      • 7.2.3 如何写好提示词
    • *7.3 生成式人工智能的核心技术
      • 7.3.1 大模型概述
      • 7.3.2 生成对抗网络
      • 7.3.3 大模型基础架构Transformer
      • 7.3.4 扩散模型Diffusion
      • 7.3.5 文生图的核心CLIP模型
    • 7.4 生成式人工智能具体应用
      • 7.4.1 制作简历
      • 7.4.2 制作数字人
      • 7.4.3 生成视频
      • 7.4.4 给自己配个智能体助手
    • *7.5 拓展:国产大模型DeepSeek
      • 7.5.1 DeepSeek啥来头?
      • 7.5.2 为啥是DeepSeek引起全球轰动?
      • 7.5.3 DeepSeek之后呢?
    • 思考与练习
  • 第8章 计算机视觉
    • 8.1 计算机视觉那些事
    • 8.2 计算机视觉概述
      • 8.2.1 什么是计算机视觉?
      • 8.2.2 计算机视觉要解决的问题是什么?
      • 8.2.3 我们人类如何“看世界”?
      • 8.2.4 人类如何教会机器“看世界”?
      • 8.2.5 机器要认识什么?
      • 8.2.6 计算机视觉的处理方法
      • 8.2.7 计算机视觉的任务、分类及应用
      • 8.2.8 人脸识别、计算机视觉和人工智能之间的关系
    • *8.3 人脸识别原理
      • 8.3.1 人脸识别基本流程是什么?
      • 8.3.2 Haar级联检测器
      • 8.3.3 使用Haar特征进行检测
      • 8.3.4 Haar特征值的计算和积分图
      • 8.3.5 AdaBoost级联分类器
    • 8.4 人脸识别的实现
      • 8.4.1 OpenCV提供的人脸分类器
      • 8.4.2 调用OpenCV显示图像
      • 8.4.3 进行人脸检测
      • 8.4.4 通过摄像头或视频流采集照片
      • 8.4.5 通过摄像头或视频流检测人脸
      • 8.4.6 训练人脸识别模型
      • 8.4.7 用训练的模型识别人脸
    • *8.5 拓展:空间智能
    • 思考与练习
  • *第9章 具身智能
    • 9.1 具身智能那些事
    • 9.2 具身智能概述
      • 9.2.1 什么是具身智能
      • 9.2.2 具身智能三要素
      • 9.2.3 “具身”与“智能”的关系
    • 9.3 具身智能的核心能力
      • 9.3.1 具身感知
      • 9.3.2 具身推理
      • 9.3.3 具身执行
    • 9.4 具身智能的应用领域
      • 9.4.1 工业制造领域
      • 9.4.2 自动驾驶领域
      • 9.4.3 物流仓储领域
      • 9.4.4 家庭服务领域
      • 9.4.5 医疗健康领域
      • 9.4.6 低空经济领域
    • *9.5 拓展:具身智能最新发展
      • 9.5.1 人形机器人
      • 9.5.2 大模型技术在具身智能中的应用
    • 思考与练习
  • *第10章 智能驾驶
    • 10.1 智能驾驶那些事
    • 10.2 智能驾驶概述
      • 10.2.1 什么是智能驾驶
      • 10.2.2 智能驾驶汽车的智能系统架构
      • 10.2.3 智能驾驶的分级
      • 10.2.4 智能驾驶技术的发展路线
      • 10.2.5 智能驾驶的优势
    • 10.3 智能驾驶的关键技术
      • 10.3.1 环境感知
      • 10.3.2 定位系统
      • 10.3.3 决策规划
      • 10.3.4 控制执行
    • *10.4 拓展:无人机
      • 10.4.1 无人机的概念和分类
      • 10.4.2 无人机的技术特点和优势
      • 10.4.3 无人机的应用场景
    • 思考与练习
  • *第11章 未来技术
    • 11.1 人工智能安全技术
    • 11.2 超级智能和超级对齐
      • 11.2.1 对齐
      • 11.2.2 超级对齐
    • 11.3 脑机接口
      • 11.3.1 什么是脑机接口?
      • 11.3.2 脑机接口的关键技术
      • 11.3.3 脑机接口的应用场景
      • 11.3.4 脑机接口和人工智能的关系
    • 11.4 奇点到来和通用人工智能
      • 11.4.1 奇点到来
      • 11.4.2 通用人工智能
    • 思考与练习
  • 第12章 未来伦理
    • 12.1 人工智能伦理概念
    • 12.2 人工智能带来的安全问题
      • 12.2.1 数据隐私安全问题
      • 12.2.2 技术滥用问题
      • 12.2.3 一些建议
    • 12.3 人工智能引发的就业挑战
      • 12.3.1 人工智能的发展对人类的就业问题带来冲击
      • 12.3.2 一些建议
    • 12.4 人工智能带来的权责划分问题
      • 12.4.1 机器人权利问题
      • 12.4.2 人工智能技术带来的责任划分问题
      • 12.4.3 相关案例分析
      • 12.4.4 一些建议
    • 12.5 人机关系问题
      • 12.5.1 人机关系的分级
      • 12.5.2 人机关系面临变革
    • 思考与练习
  • 参考文献

相关图书