本书系统介绍了人工智能的核心概念、技术体系与应用场景，兼顾理论与实践。内容涵盖三部分：一是基础理论与技术演进，从定义、发展历程、主要流派切入，梳理技术脉络，阐释数据核心地位及驱动作用；二是机器学习与深度学习基础，介绍监督、无监督、强化学习方法与经典算法，以人工神经网络为起点引入深度学习原理与应用，搭配案例降低学习门槛；三是前沿领域与应用实践，覆盖自然语言处理、大语言模型、计算机视觉等热点，并以智能办公、自动驾驶等场景为核心展开应用介绍。
本书可作为高等学校非计算机专业本科生的人工智能通识课教材，亦可供对人工智能感兴趣的读者自学使用。
- 目录
- 前辅文
- 第1章 人工智能概述
- 1.1 人工智能的定义与发展
- 1.2 人工智能的研究与应用领域
- 1.3 中国人工智能的发展
- 第2章 数据与人工智能
- 2.1 数据的基本概念和重要特征
- 2.2 数据的获取与处理
- 2.3 大数据与人工智能
- 第3章 机器学习基础
- 3.1 机器学习的基本概念
- 3.2 机器学习方法与基础流程
- 3.3 机器学习算法举例
- 第4章 深度学习入门
- 4.1 深度学习发展简史
- 4.2 人工神经网络
- 4.3 卷积神经网络
- 4.4 循环神经网络
- 第5章 自然语言处理
- 5.1 自然语言处理发展历程
- 5.2 基本技术简介
- 5.3 主要方法
- 5.4 应用场景
- 5.5 挑战与发展趋势
- 第6章 大语言模型
- 6.1 大语言模型发展历程
- 6.2 训练流程及基本原理
- 6.3 训练成本及局限性
- 6.4 最新研究及未来发展
- 6.5 风险与挑战
- 第7章 计算机视觉
- 7.1 图像处理基础
- 7.2 图像解析与识别
- 7.3 视觉内容生成与分析
- 第8章 人工智能应用案例
- 8.1 智能工业
- 8.2 智能交通
- 8.3 智能农业
- 8.4 智能教育
- 8.5 智能金融
- 8.6 智能医疗
- 8.7 智能办公与人文艺术
- 第9章 人工智能未来发展趋势
- 9.1 核心技术持续突破与融合创新
- 9.2 垂直领域应用深化与场景扩展
- 9.3 智能体：重塑人工智能发展路径
- 9.4 基础设施与政策支持的全面升级
- 第10章 人工智能伦理与社会影响
- 10.1 人工智能的伦理问题
- 10.2 人工智能对社会的影响
- 10.3 人工智能伦理治理与法制建设
- 第11章 人工智能开发工具
- 11.1 Python编程基础
- 11.2 人工智能开发环境
- 11.3 常见机器学习框架
- 第12章 人工智能实验
- 12.1 数据预处理实验
- 12.2 机器学习验证实验：鸢尾花分类
- 12.3 深度学习实践
- 12.4 大模型提示词工程
- 12.5 AIGC与大模型辅助办公
- 12.6 人工智能伦理问题实践
- 12.7 大模型API
- 参考文献
