顶部
收藏

人工智能通识教育与应用创新


作者:
主编:易宏、霍嘉军、杨樱 , 副主编:赵成贵、徐兴贵、宁东玲、庞春平
定价:
52.00元
ISBN:
978-7-04-065369-4
版面字数:
440.00千字
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:
2025-08-25
物料号:
65369-00
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

本书为综合性人工智能通识教育教材,集理论、技能、应用于一体,助力学习者系统掌握人工智能基础理论、技术原理及实际应用,聚焦培育“AI+专业”复合型人才。本书涵盖基础理论知识,并引入最新的复杂Agent构建及MCP Server等前沿内容。本书特色是配套数字化教学实训体系,支持读者随时随地进行线上学习与实训。

全书共分为理论篇、技能篇和应用篇三个部分。理论篇(第1—第5章)聚焦人工智能基本理论、技术原理、主要流派及典型应用,助力读者构建人工智能知识体系。技能篇(第6—第10章)深入生成式人工智能的技术原理与应用领域,通过案例分析与实训练习,使读者熟练掌握相关技能。应用篇(第11々第13章)详细阐述生成式人工智能应用系统的开发与构建,结合行业及企事业单位实际需求,指导读者设计构建“人工智能+行业”“人工智能+企事业单位”应用系统,提升“人工智能+行业”的创新素养和能力。

本书可作为高等学校、高等职业院校财经、商贸、管理、人文、社科等大类专业的基础课教材,也可作为其他专业的人工智能通识教材,还可作为企业工作人员和社会学习者的参考用书。

  • 前辅文
  • 第1章 绪论
    • 1.1 人工智能突破性发展驱动行业变革
      • 1.1.1 什么是人工智能
      • 1.1.2 人工智能的突破性发展
      • 1.1.3 人工智能全面进入社会经济各领域
      • 1.1.4 社会发展需要大量人工智能复合型人才
    • 1.2 人工智能通识教育必要性
    • 1.3 本书特色及导读
      • 1.3.1 本书特色
      • 1.3.2 本书导读
    • 习题
  • 第2章 人工智能基本原理与应用概述
    • 2.1 人工智能的基本概念
      • 2.1.1 人类智能基本概念与特点
      • 2.1.2 人工智能基本概念
    • 2.2 人类智能与机器智能的区别
    • 2.3 人工智能的主流学派及典型应用
      • 2.3.1 符号主义(Symbolism)
      • 2.3.2 连接主义(Connectionism)
      • 2.3.3 行为主义(Behaviorism)
    • 2.4 人工智能主流学派的融合发展
      • 2.4.1 符号主义与连接主义的融合
      • 2.4.2 连接主义与行为主义的融合
      • 2.4.3 符号主义、连接主义与行为主义的全面融合
    • 2.5 人工智能的技术实现方式——AI模型的构建与训练
      • 2.5.1 什么是AI模型
      • 2.5.2 AI模型的构成
    • 2.6 AI模型的分类
      • 2.6.1 按模型结构和原理分类
      • 2.6.2 按学习方式分类
      • 2.6.3 按应用领域分类
      • 2.6.4 按模型规模和复杂度分类
      • 2.6.5 按是否开源分类
      • 2.6.6 AI模型的应用
    • 2.7 当前人工智能的主要技术应用方向
      • 2.7.1 图像与视觉识别
      • 2.7.2 自然语言处理
      • 2.7.3 机器翻译技术
      • 2.7.4 自动驾驶技术
      • 2.7.5 生成式人工智能
    • 习题
  • 第3章 人工智能的发展历程与演进范式
    • 3.1 人工智能的发展是人类科学发展的重要范式
      • 3.1.1 人工智能发展演进的独特范式
      • 3.1.2 学习人工智能发展与演进具有重要意义
    • 3.2 人工智能的诞生
    • 3.3 人工智能发展的四次浪潮简述
    • 3.4 第一次浪潮(20世纪50年代末—20世纪70年代初)
      • 3.4.1 1950年:图灵测试,人工智能诞生
      • 3.4.2 1951年:第一个神经网络机器,首个西洋跳棋程序诞生
      • 3.4.3 1956年:达特茅斯会议,创立“人工智能”学科
      • 3.4.4 1957年:最早的神经网络模型
      • 3.4.5 1958年:LISP编程语言发明
      • 3.4.6 1964年:第一个人机对话系统ELIZA
      • 3.4.7 1965年:第一个专家系统DENDRAL
      • 3.4.8 1968年:第一台智能机器人Shakey
      • 3.4.9 20世纪70年代:AI冬天
    • 3.5 第二次浪潮(20世纪80年代—20世纪90年代)
      • 3.5.1 1981年:日本第五代计算机项目启动
      • 3.5.2 1982年:Hopfield模型发明——2024年诺贝尔物理学奖
      • 3.5.3 1986年:反向传播算法的重要发展
      • 3.5.4 1989年:卷积神经网络发明
    • 3.6 第三次浪潮(20世纪90年代—2017 年以前)
      • 3.6.1 26年:深度学习
      • 3.6.2 2011年:IBM Watson
      • 3.6.3 2014年:生成对抗网络
      • 3.6.4 2016—2017年:AlphaGo与AlphaGo Zero
    • 3.7 第四次浪潮(2017年至今)
      • 3.7.1 2017年:Transformer模型
      • 3.7.2 2020年:AlphaFold2
      • 3.7.3 2022年生成式人工智能取得重大突破
    • 3.8 人工智能发展的关键人物与关键技术
    • 习题
  • 第4章 生成式人工智能(AIGC)原理与技术
    • 4.1 生成式人工智能的特点简介
    • 4.2 生成式人工智能的基本原理简述
    • 4.3 AI大模型
      • 4.3.1 生成式AI大模型参数类型
      • 4.3.2 大模型的特点及应用领域
    • 4.4 生成式人工智能的重要模型1——生成对抗网络(GANs)
      • 4.4.1 GANs的基本原理
      • 4.4.2 GANs的变体与改进
      • 4.4.3 GANs的应用领域
      • 4.4.4 GANs的挑战与未来展望
    • 4.5 生成式人工智能的重要模型2——Transformer模型简介
      • 4.5.1 Transformer模型的发明与目的
      • 4.5.2 模型特点与优势
      • 4.5.3 模型结构
      • 4.5.4 自注意力机制与多头自注意力机制
      • 4.5.5 模型训练与优化
      • 4.5.6 应用领域与成果
      • 4.5.7 小结与展望
    • 4.6 TOKEN在生成式人工智能中的作用
      • 4.6.1 TOKEN在生成式人工智能中的作用
      • 4.6.2 TOKEN的数量及处理速度指标
      • 4.6.3 TOKEN也是人工智能使用的计量单位
    • 4.7 生成式人工智能系统的训练
      • 4.7.1 数据准备阶段
      • 4.7.2 模型选择阶段
      • 4.7.3 模型训练
      • 4.7.4 模型评估与优化阶段
      • 4.7.5 模型部署与应用阶段
      • 4.7.6 持续学习与改进阶段
      • 4.7.7 目前主流的生成式人工智能系统的训练框架
    • 4.8 智能涌现
      • 4.8.1 智能涌现定义
      • 4.8.2 表现形式
      • 4.8.3 产生的原因
      • 4.8.4 智能涌现可能产生人类没有的新知识及新发现
      • 4.8.5 智能涌现和智能是两个密切相关但有所区别的概念
    • 4.9 生成式人工智能的分类
    • 4.10 大语言模型的发展与重要性
      • 4.10.1 语言文字是人类文明发展的承载工具
      • 4.10.2 语言文字是人类智能发展重要支撑
      • 4.10.3 大语言模型(LLM)对人工智能发展的重要性
      • 4.10.4 大语言模型的发展历程
    • 4.11 国外生成式人工智能通用AI模型介绍
      • 4.11.1 GPT系列(OpenAI)
      • 4.11.2 Gemini系列(Google)
      • 4.11.3 Claude系列(Anthropic)
      • 4.11.4 LLaMA(Meta AI)
      • 4.11.5 Copilot(GitHub、Microsoft、OpenAI)
    • 4.12 国内生成式人工智能通用AI模型介绍
      • 4.12.1 文心一言
      • 4.12.2 智谱清言
      • 4.12.3 Kimi
      • 4.12.4 通义千问
      • 4.12.5 豆包AI
      • 4.12.6 讯飞星火
      • 4.12.7 DeepSeekV3
      • 4.12.8 其他模型
    • 4.13 生成式人工智能的发展趋势
      • 4.13.1 技术创新与性能提升
      • 4.13.2 多模态生成能力
      • 4.13.3 推理与决策能力增强
      • 4.13.4 应用场景拓展
      • 4.13.5 技术融合与跨界发展
      • 4.13.6 监管与标准化建设
    • 习题
  • 第5章 人工智能伦理
    • 5.1 人工智能涉及的法律、伦理和版权问题
      • 5.1.1 人工智能的潜在危害
      • 5.1.2 人工智能相关法律
      • 5.1.3 人工智能的伦理和版权挑战
    • 5.2 人工智能工程的伦理原则
      • 5.2.1 公平性与无歧视
      • 5.2.2 透明性与可解释性
      • 5.2.3 隐私保护
      • 5.2.4 责任与问责
      • 5.2.5 可持续性与社会影响
      • 5.2.6 用户控制与自主权
    • 5.3 人工智能的规范与标准
      • 5.3.1 人工智能规范与标准
      • 5.3.2 人工智能标准体系结构
      • 5.3.3 人工智能标准化的现状和发展趋势
      • 5.3.4 AI生成与版权保护
    • 习题
  • 第6章 AIGC应用模式及国内外知名平台简介
    • 6.1 当前AIGC的主要应用模式
      • 6.1.1 AI问答
      • 6.1.2 AI文件阅读
      • 6.1.3 AI文件生成
      • 6.1.4 AI逻辑推理
      • 6.1.5 AI图像生成
      • 6.1.6 音乐生成
      • 6.1.7 AI视频生成
      • 6.1.8 AI数字人
      • 6.1.9 AI知识库
      • 6.1.10 智能体(Agent)
      • 6.1.11 基于AIGC的编程辅助
    • 6.2 国外知名AIGC平台简介
    • 6.3 国内知名AIGC 平台
    • 6.4 AIGC的部分行业应用简介
      • 6.4.1 教育行业
      • 6.4.2 医疗行业
      • 6.4.3 金融行业
      • 6.4.4 法律行业
      • 6.4.5 媒体与广告行业
      • 6.4.6 零售与电商行业
    • 习题
  • 第7章 Prompt提示词应用与实践
    • 7.1 Prompt提示词的概念
    • 7.2 通用的提示词内容架构
      • 7.2.1 通用的提示词内容架构
      • 7.2.2 常见组合架构模式
    • 7.3 常见提示词框架
      • 7.3.1 科研领域
      • 7.3.2 教育领域
      • 7.3.3 商业领域
      • 7.3.4 艺术领域
    • 7.4 提示词常见应用场景及相关设计
      • 7.4.1 一般问答与咨询
      • 7.4.2 短文章生成的提示词设计
      • 7.4.3 长文章生成的提示词设计
    • 7.5 基于素材资料的提示词应用与设计
      • 7.5.1 阅读分析
      • 7.5.2 基于素材资料的内容创作与生成
      • 7.5.3 应用示例
    • 7.6 图像生成的提示词设计
      • 7.6.1 图像生成的提示词设计
      • 7.6.2 图像生成提示词示例
    • 7.7 音乐生成的提示词设计
      • 7.7.1 音乐生成的提示词设计要点
      • 7.7.2 音乐生成的提示词设计示例
    • 7.8 视频生成的提示词设计
      • 7.8.1 设计要点
      • 7.8.2 视频生成提示词示例
    • 7.9 行业工作提示词设计与应用
      • 7.9.1 建筑装修行业提示词设计
      • 7.9.2 教育行业提示词设计与应用
    • 7.10 企业经营管理提示词设计与应用
    • 7.11 政务工作提示词设计
      • 7.11.1 政府部门业务场景提示词设计案例
      • 7.11.2 按照政府部门分类设计的提示词示例
    • 习题
  • 第8章 AI写作使用培训
    • 8.1 AI文件写作
      • 8.1.1 新闻稿件创作与改写
      • 8.1.2 研究报告转写学术报告
      • 8.1.3 短视频文案创作
      • 8.1.4 商品推荐文案创作
      • 8.1.5 教案辅助编写
      • 8.1.6 电子邮件内容辅助生成与改写
      • 8.1.7 软著中产品说明书辅助编写
      • 8.1.8 会议内容辅助信息抽取
      • 8.1.9 职业生涯规划生成
      • 8.1.10 求职简历辅助优化
      • 8.1.11 专利技术大纲生成
      • 8.1.12 旅游攻略文案编写
      • 8.1.13 市场营销文案及方案编写
    • 8.2 AI文学创作
      • 8.2.1 诗歌创作
      • 8.2.2 歌词创作
      • 8.2.3 散文创作
      • 8.2.4 小说创作
    • 8.3 行业研究报告创作与优化
      • 8.3.1 行业研究报告的创作流程
      • 8.3.2 行业研究报告的优化策略
      • 8.3.3 实操技巧与注意事项
    • 习题
  • 第9章 AIGC的多模态应用
    • 9.1 图像生成AIGC平台使用培训
      • 9.1.1 文生图像发展史
      • 9.1.2 Midjourney实操讲解
      • 9.1.3 图片融合与解析
      • 9.1.4 国内外知名文生图像平台
    • 9.2 音乐生成AIGC平台使用培训
      • 9.2.1 AI音乐发展史
      • 9.2.2 Suno音乐生成工具介绍
      • 9.2.3 国内外知名文生音乐平台
    • 9.3 视频生成AIGC平台使用培训
      • 9.3.1 AI视频的发展历程
      • 9.3.2 文生视频的基本原理
      • 9.3.3 AI视频的重要模型简介
      • 9.3.4 大语言模型(LLM)生成视频
      • 9.3.5 OpenAI Sora模型
      • 9.3.6 实操:AI视频生成
      • 9.3.7 交互式数字人
      • 9.3.8 国内知名文生视频平台
      • 9.3.9 国外知名文生视频平台
    • 习题
  • 第10章 AIGC应用系统设计与构建
    • 10.1 当前AIGC公用云平台使用中普遍存在的问题
      • 10.1.1 大语言模型的局限性
      • 10.1.2 当前的AIGC公用云平台普遍存在的问题
    • 10.2 基于AIGC的行业应用系统的基本原理
      • 10.2.1 基于AIGC的行业应用系统的基本原理
      • 10.2.2 RAG知识库
      • 10.2.3 智能体(Agent)
    • 10.3 AIGC应用开发平台
    • 10.4 零代码快速构建AIGC应用系统的基本方法
    • 10.5 AIGC基础应用系统的构建实训
      • 10.5.1 系统构建流程
      • 10.5.2 应用系统功能策划
      • 10.5.3 信息及数据收集与预处理
      • 10.5.4 RAG知识库构建
      • 10.5.5 应用Agent设计与构建
      • 10.5.6 Agent调试与修改
      • 10.5.7 Agent的发布
    • 习题
  • 第11章 复杂AIGC应用系统的构建与开发(选修)
    • 11.1 基于Agent的复杂AIGC应用系统构建方法
      • 11.1.1 系统应用功能设计
      • 11.1.2 知识库构建方法
      • 11.1.3 复杂Agent构建方法
    • 11.2 基于AIGC开发平台的动态知识库构建
    • 11.3 复杂Agent构建示例
      • 11.3.1 复杂知识体功能设计
      • 11.3.2 Agent能力扩展配置页面
      • 11.3.3 能力扩展——选择工具组件
      • 11.3.4 能力扩展——选择及设置知识库
      • 11.3.5 交互功能设计
    • 11.4 系统分发
    • 11.5 基于工作流的Agent简介
      • 11.5.1 基于工作流的 Agent简介
      • 11.5.2 主要特点
      • 11.5.3 典型应用场景
      • 11.5.4 技术实现要点
    • 11.6 基于MCP的Agent应用组件简介
      • 11.6.1 MCP简介
      • 11.6.2 应用场景
    • 习题
  • 第12章 面向行业的AIGC应用系统
    • 12.1 基于Agent的行业AIGC应用系统
      • 12.1.1 行业Agent应用系统规划与设计
      • 12.1.2 行业数据集的采集
      • 12.1.3 基于RAG的行业知识库
      • 12.1.4 行业应用智能体(Agent)的构建
    • 12.2 面向行业及专业学科的科研与研究报告编写
      • 12.2.1 AIGC+专业学科辅助科研系统构建与使用
      • 12.2.2 基于AI的科研选题与推荐
      • 12.2.3 科研论文搜索与解读
      • 12.2.4 个人及行业科研资料库构建
      • 12.2.5 面向科研选题的文献综述
      • 12.2.6 科研论文(研究报告)的AI辅助编写
    • 习题
  • 第13章 面向企事业单位的AIGC应用系统建设方法
    • 13.1 AI+企业系统总体架构
    • 13.2 企业智慧决策系统
      • 13.2.1 AI+企业发展战略Agent
      • 13.2.2 AI+组织机构重构
      • 13.2.3 AI+经营管理创新
    • 13.3 AI+企业行政办公系统
      • 13.3.1 企业各类文件编写
      • 13.3.2 企业文件管理
      • 13.3.3 企业形象宣传
    • 13.4 企业智慧科研Agent应用系统功能设计及开发
      • 13.4.1 行业科研动态Agent应用系统
      • 13.4.2 AI+产品开发Agent应用系统
      • 13.4.3 AI+技术研发Agent应用系统
      • 13.4.4 科研项目申报Agent应用系统
      • 13.4.5 科研项目管理Agent应用系统
    • 13.5 智慧营销与电子商务
      • 13.5.1 营销文案编写Agent应用系统
      • 13.5.2 营销海报设计Agent应用系统
      • 13.5.3 营销视频编制Agent应用系统
      • 13.5.4 AI+客户搜索Agent应用系统
      • 13.5.5 AI+电商管理Agent应用系统
    • 13.6 AI+项目投标与管理
      • 13.6.1 AI+招标信息采集Agent应用系统开发
      • 13.6.2 AI+投标管理Agent应用系统开发
      • 13.6.3 AI+项目实施与验收管理Agent应用系统开发
    • 13.7 AI+人力资源相关Agent应用系统开发介绍
      • 13.7.1 AI+人力资源Agent应用系统
      • 13.7.2 AI+岗位分析Agent应用系统
      • 13.7.3 AI+招聘系统Agent应用系统
      • 13.7.4 AI+劳动合同Agent应用系统
      • 13.7.5 AI+绩效考核Agent应用系统
      • 13.7.6 AI+员工培训Agent应用系统
    • 13.8 企业AI信息门户
      • 13.8.1 AI+企业网站
      • 13.8.2 AI+企业微信公众号
      • 13.8.3 企业数字人生成系统
      • 13.8.4 企业数字人服务Agent
    • 习题
  • 参考文献

相关图书