本书以培育人工智能基本素养和应用能力为目标，将理论与实践相结合，注重科学性、普适性、应用性和趣味性。全书分为基本原理、核心技术与应用实践3部分，共15章。主要内容包括人工智能导论、机器学习、深度学习、强化学习等基础理论，以及知识表示与知识库、计算机视觉、自然语言处理、语音识别、多模态人工智能、AIGC技术、智能机器人、提示词工程、智能体技术及其应用开发等应用实践，还讨论了人工智能与人类未来的发展。本书结构合理、内容翔实、案例丰富、图文并茂，能帮助读者系统、全面地认识和理解人工智能。
本书适用对象广泛，可作为高等学校各专业人工智能通识课程教材，也可供对人工智能感兴趣的读者阅读和参考。
- 前辅文
- 第1章 人工智能导论
- 1.1 什么是人工智能
- 1.2 人工智能发展历史
- 1.3 人工智能主要流派
- 1.4 人工智能的现状
- 1.5 人工智能的未来
- 1.6 习题
- 第2章 机器学习
- 2.1 机器学习与人工智能的关系
- 2.2 机器学习范式
- 2.3 机器学习经典方法
- 2.4 机器学习的性能评价
- 2.5 机器学习的应用
- 2.6 习题
- 第3章 深度学习
- 3.1 深度学习基本概念
- 3.2 深度学习的训练与优化
- 3.3 深度学习的核心组件
- 3.4 经典深度神经网络
- 3.5 深度学习的应用
- 3.6 习题
- 第4章 强化学习
- 4.1 什么是强化学习
- 4.2 强化学习发展历史
- 4.3 强化学习模型分类
- 4.4 强化学习实际应用
- 4.5 习题
- 第5章 知识表示与知识库
- 5.1 知识表示的基本概念与经典方法
- 5.2 知识推理与推理机制
- 5.3 知识库的构建与管理
- 5.4 知识图谱与大规模知识库
- 5.5 习题
- 第6章 计算机视觉
- 6.1 图像处理基础
- 6.2 图像处理技术
- 6.3 视频处理技术
- 6.4 三维视觉
- 6.5 计算机视觉的应用
- 6.6 习题
- 第7章 自然语言处理
- 7.1 自然语言处理的基础概念
- 7.2 自然语言处理的发展历史
- 7.3 自然语言处理的标准流程
- 7.4 自然语言处理的经典模型
- 7.5 自然语言处理的常见应用
- 7.6 习题
- 第8章 语音识别
- 8.1 语音信号处理
- 8.2 语音识别核心方法
- 8.3 声纹识别核心方法
- 8.4 语音识别的应用
- 8.5 习题
- 第9章 多模态人工智能
- 9.1 多模态数据
- 9.2 多模态表示学习
- 9.3 多模态预训练模型
- 9.4 多模态交互技术
- 9.5 多模态人工智能的应用
- 9.6 习题
- 第10章 AIGC技术
- 10.1 AIGC技术概述
- 10.2 AIGC模型
- 10.3 AIGC的应用
- 10.4 AIGC的影响、挑战与趋势
- 10.5 习题
- 第11章 智能机器人
- 11.1 智能机器人概述
- 11.2 智能机器人发展历史
- 11.3 智能机器人核心技术
- 11.4 AI赋能机器人
- 11.5 进化的机器人
- 11.6 习题
- 第12章 提示词工程
- 12.1 提示词概念
- 12.2 提示词工作原理
- 12.3 提示词工程分类
- 12.4 图像生成提示词
- 12.5 提示词的挑战与未来
- 12.6 习题
- 第13章 智能体技术
- 13.1 智能体概述
- 13.2 插件工具
- 13.3 知识库
- 13.4 记忆
- 13.5 工作流
- 13.6 习题
- 第14章 智能体应用开发
- 14.1 如何学：智能体生成思维导图辅助理解
- 14.2 如何写：智能体生成研究报告辅助写作
- 14.3 如何展示：智能体生成PPT辅助展示
- 14.4 习题
- 第15章 AI与人类未来：共生、挑战与边界
- 15.1 AI的未来
- 15.2 AI的社会影响
- 15.3 人工智能的边界
- 15.4 习题
- 参考文献
