顶部
收藏

生成式人工智能应用基础


作者:
徐彬 于戈 主编
定价:
45.50 元
版面字数:
370.00千字
开本:
16开
装帧形式:
平装
版次:
1
最新版次
印刷时间:
2026年
ISBN:
978-7-04-067027-1
物料号:
67027-00
出版时间:
2026-06-22
读者对象:
高等教育

本书以生成式人工智能为主线,系统介绍了其产生背景、基本概念、关键技术及典型应用,旨在帮助读者建立从基础认知到应用实践的整体理解框架。全书内容包括生成式人工智能概述、生成式模型与原理、文本生成与认知赋能、图像生成与创意绘画、音视频生成与智能制作、代码生成与智能开发、智能体与自主任务执行、模型微调与实践和生成式人工智能的安全与伦理。本书注重案例引导与实践应用,在第3~8章设置了应用实践案例,利用典型应用场景,进一步加深学习效果。同时,强调对生成结果的理性分析、规范使用与伦理意识培养,在保证内容科学性与规范性的前提下,提升教材的教学适用性与现实指导价值。

本书可作为高等学校本科阶段生成式人工智能通识类或应用基础类课程的教材,也可作为社会读者学习生成式人工智能知识的参考用书。

  • 前辅文
  • 第1章 生成式人工智能概述
    • 1.1 引言
    • 1.2 生成式人工智能的定义与发展
      • 1.2.1 人工智能
      • 1.2.2 函数与模型
      • 1.2.3 生成式模型
      • 1.2.4 生成式人工智能兴起
      • 1.2.5 生成式人工智能生态
    • 1.3 生成式人工智能典型应用
      • 1.3.1 文本生成
      • 1.3.2 外文翻译
      • 1.3.3 代码生成
      • 1.3.4 图像生成
      • 1.3.5 语音生成
      • 1.3.6 视频生成
      • 1.3.7 新材料研制
      • 1.3.8 三维模型生成
      • 1.3.9 三维场景生成
      • 1.3.10 具身智能
    • 1.4 生成式人工智能取得巨大进步
    • 1.5 机器学习
      • 1.5.1 机器学习定义
      • 1.5.2 机器学习分类
      • 1.5.3 机器学习分类问题案例
    • 1.6 神经网络模型
      • 1.6.1 神经网络发展历程
      • 1.6.2 卷积神经网络
    • 1.7 生成式人工智能主要技术
      • 1.7.1 生成式模型
      • 1.7.2 变分自编码器
      • 1.7.3 生成对抗网络
      • 1.7.4 Transformer
      • 1.7.5 扩散模型
      • 1.7.6 预训练
      • 1.7.7 微调
      • 1.7.8 检索增强
      • 1.7.9 智能体技术
    • 1.8 生成式人工智能安全与伦理
  • 第2章 生成式模型与原理
    • 2.1 从Transformer开始:文本生成模型的核心机制
      • 2.1.1 Transformer的必要性
      • 2.1.2 Transformer的原理
      • 2.1.3 大语言模型的文本生成
      • 2.1.4 Transformer训练
    • 2.2 会“画画”的AI:图像扩散模型的奥秘
      • 2.2.1 图像扩散模型的原理
      • 2.2.2 图像扩散模型的训练
      • 2.2.3 图像扩散模型的实现过程
      • 2.2.4 图像扩散模型的优缺点
    • 2.3 让AI“拍电影”:视频扩散模型初探
      • 2.3.1 时序建模原理
      • 2.3.2 视频扩散模型的训练
      • 2.3.3 视频模型的生成与控制
      • 2.3.4 视频模型的边界与未来
    • 2.4 生成式人工智能的行业应用:垂直领域的创新实践
      • 2.4.1 大模型在实际应用中的关键能力
      • 2.4.2 报告生成与内容总结
      • 2.4.3 多媒体创作
      • 2.4.4 代码生成与编程助手
      • 2.4.5 发展趋势与演进方向
    • 2.5 从模型到智能体:让AI学会“思考和行动”
      • 2.5.1 智能体的介绍和基本构成
      • 2.5.2 智能体的规划
      • 2.5.3 智能体的记忆
      • 2.5.4 智能体的工具使用与行动
      • 2.5.5 智能体的典型应用场景
  • 第3章 文本生成与认知赋能
    • 3.1 文本生成技术概述
    • 3.2 智能化信息搜索
      • 3.2.1 信息直达式搜索
      • 3.2.2 深度分析式搜索
      • 3.2.3 研究报告式搜索
    • 3.3 多元化知识理解
      • 3.3.1 图书高效阅读
      • 3.3.2 论文解读与理解
      • 3.3.3 网页信息阅读
    • 3.4 场景化内容生成
      • 3.4.1 文本场景化写作
      • 3.4.2 演示文稿场景化创作
      • 3.4.3 技术图示场景化构建
    • 3.5 应用实践案例
      • 3.5.1 信息技术领域学习规划(信息类)
      • 3.5.2 消费数据的可视化分析(理工类)
      • 3.5.3 校园文化艺术活动策划(文科类)
  • 第4章 图像生成与创意绘画
    • 4.1 多媒体生成技术基础与图像生成
    • 4.2 模型的部署
    • 4.3 文生图与图生图的实现
      • 4.3.1 文生图的实现
      • 4.3.2 图生图的实现
    • 4.4 ControlNet插件的应用
      • 4.4.1 ControlNet工作的核心原理
      • 4.4.2 ControlNet中核心控制类型的作用
    • 4.5 扩展模型的应用
    • 4.6 ComfyUI工作流
      • 4.6.1 ComfyUI的特点
      • 4.6.2 ComfyUI初识
      • 4.6.3 基础的文生图工作流搭建
    • 4.7 图像生成典型应用案例
      • 4.7.1 极简室内装修设计(信息类)
      • 4.7.2 人体姿态识别核心应用(理工类)
      • 4.7.3 城市文旅宣传手卷的绘制(文科类)
  • 第5章 音视频生成与智能制作
    • 5.1 音视频生成技术概述
    • 5.2 视频生成基础应用
      • 5.2.1 文生视频
      • 5.2.2 图生视频
      • 5.2.3 视频生视频
      • 5.2.4 多模态联合生成视频
    • 5.3 音视频生成工具
      • 5.3.1 视频生成工具
      • 5.3.2 音频生成工具
      • 5.3.3 剪辑类工具
    • 5.4 视频生成进阶应用方法
      • 5.4.1 主体风格一致性控制
      • 5.4.2 高级运动控制
      • 5.4.3 ComfyUI在视频生成中的应用
    • 5.5 音频生成
      • 5.5.1 文字转语音
      • 5.5.2 语音克隆
      • 5.5.3 音乐生成
    • 5.6 应用实践案例
      • 5.6.1 科幻短片制作(信息类)
      • 5.6.2 宇宙科普短片制作(理工类)
      • 5.6.3 旅游宣传片制作(文科类)
  • 第6章 代码生成与智能开发
    • 6.1 代码生成模型与工具概览
      • 6.1.1 典型代码生成模型
      • 6.1.2 典型代码生成工具
    • 6.2 智能代码生成与调试
      • 6.2.1 代码自动补全
      • 6.2.2 调试与错误修复
      • 6.2.3 自然语言到代码的转换
    • 6.3 自动化测试与文档生成
      • 6.3.1 单元测试自动生成
      • 6.3.2 技术文档与注释生成
    • 6.4 应用实践案例
      • 6.4.1 从零自动构建一个图书信息管理系统(信息类)
      • 6.4.2 自动构建Python数据分析可视化(理工类)
      • 6.4.3 古诗词情感分析应用(文科类)
  • 第7章 智能体与自主任务执行
    • 7.1 智能体概述
      • 7.1.1 智能体的基本概念
      • 7.1.2 智能体的类型
      • 7.1.3 智能体与传统程序的区别
      • 7.1.4 单智能体与多智能体
    • 7.2 单智能体系统与工具学习
      • 7.2.1 单智能体系统架构
      • 7.2.2 工具学习
    • 7.3 多智能体协作
      • 7.3.1 多智能体系统概念
      • 7.3.2 协作机制
    • 7.4 应用实践案例
      • 7.4.1 ChatDev(信息类)
      • 7.4.2 DeepResearch(理工类)
      • 7.4.3 斯坦福小镇(文科类)
  • 第8章 模型微调与实践
    • 8.1 大语言模型参数优化基础
      • 8.1.1 大语言模型参数概述
      • 8.1.2 优化器与学习率策略
      • 8.1.3 过拟合与正则化
    • 8.2 指令遵循对齐方法
      • 8.2.1 有监督微调
      • 8.2.2 指令数据构建
      • 8.2.3 指令数据选择方法
    • 8.3 人类偏好对齐方法
      • 8.3.1 偏好建模与奖励模型
      • 8.3.2 构建人类偏好数据集
      • 8.3.3 奖励模型训练和评估
      • 8.3.4 人类偏好建模增强方法
      • 8.3.5 人类偏好对齐训练方法
    • 8.4 应用实践案例
      • 8.4.1 垂直领域知识库驱动的智能问答系统(信息类)
      • 8.4.2 数学推理解题辅导系统案例(理工类)
      • 8.4.3 文本自动摘要生成系统案例(文科类)
  • 第9章 生成式人工智能的安全与伦理
    • 9.1 生成式人工智能安全与伦理概述
      • 9.1.1 基本概念
      • 9.1.2 安全性测评基准
      • 9.1.3 大语言模型应用十大风险
    • 9.2 生成式人工智能攻防技术
      • 9.2.1 常见的生成式人工智能攻击及防护策略
      • 9.2.2 提示词注入攻击及防护策略
    • 9.3 生成式人工智能伦理治理
      • 9.3.1 生成式人工智能安全伦理治理的体系建设
      • 9.3.2 生成式人工智能安全伦理治理的相关技术与机制
  • 参考文献

相关图书


相关数字化产品