本书共分十三章，主要内容包括人工智能基础、Python与AI编程、AI在人文社科领域中的应用、AI赋能量化哲学社会科学研究、数字人文的方法与应用、机器学习、深度学习、语音识别、视觉识别、大语言模型、agent和MCP、AI伦理与社会影响、人工智能治理等。
本书弱化技术细节，避免繁杂的数学公式与编程代码；突出跨学科融合，结合历史、文学、艺术、哲学、社会学、管理学等真实案例；兼顾基础知识、行业实践与伦理发展；聚焦智能素养，贯穿伦理与社会责任意识，对接国家战略与时代需求。
本书可作为人文社科类专业的人工智能通识课教材。
- 前辅文
- 第一章 人工智能基础
- 第一节 什么是人工智能
- 第二节 人工智能的关键历史节点
- 第三节 中国人工智能的发展路径
- 第四节 日常生活中的人工智能术语
- 练习题
- 第二章 Python与AI编程：当人文思考遇见代码逻辑
- 第一节 为什么人文研究者需要Python
- 第二节 Python文科生存指南：与AI共舞
- 第三节 当AI遇到人文：典型工作流实现
- 本章总结
- 练习题
- 第三章 AI在人文社科领域中的应用
- 第一节 AI在人文社科领域的应用全景
- 第二节 AI驱动研究效能的提升路径
- 第三节 从传统到智能的研究范式变革
- 练习题
- 第四章 AI赋能量化哲学社会科学研究
- 第一节 量化哲学社会科学的历史
- 第二节 量化哲学社会科学的核心内容
- 第三节 AI如何赋能量化哲学社会科学研究
- 练习题
- 第五章 数字人文的方法与应用
- 第一节 数字人文的学科范式革命
- 第二节 文本分析技术演进
- 第三节 方法论反思与伦理讨论
- 练习题
- 第六章 机器学习
- 第一节 监督学习
- 第二节 无监督学习
- 第三节 特征工程与特征选择
- 第四节 模型评估方法
- 练习题
- 第七章 深度学习
- 第一节 什么是深度学习
- 第二节 深度学习的主要模型
- 第三节 深度学习的案例实践
- 练习题
- 第八章 语音识别
- 第一节 语音识别概念与发展
- 第二节 语音识别关键技术与工具
- 第三节 语音识别技术应用实践
- 练习题
- 第九章 视觉识别
- 第一节 认知革命：从生物视觉到机器视觉
- 第二节 技术解码：视觉识别的核心原理
- 第三节 人文审视：视觉技术的应用与反思
- 第四节 技术实践：从规则比对到深度理解的视觉案例
- 练习题
- 第十章 大语言模型
- 第一节 认识大语言模型
- 第二节 大语言模型的预训练、微调与蒸馏
- 第三节 大语言模型的多模态扩展
- 第四节 检索增强生成（RAG）技术：让模型更智能
- 练习题
- 第十一章 agent和MCP
- 第一节 什么是agent和MCP
- 第二节 MCP如何改变我们与AI的交互方式
- 第三节 MCP当前的应用场景
- 第四节 MCP实际操作
- 第五节 MCP仍面临的挑战与未来发展方向
- 练习题
- 第十二章 AI伦理与社会影响
- 第一节 “信息茧房”与数字公平
- 第二节 算法黑箱与透明性问题
- 第三节 人工智能的责任伦理
- 练习题
- 第十三章 人工智能治理
- 第一节 人工智能带来的伦理与法律风险
- 第二节 人工智能治理与国际政策
- 第三节 迈向人机共生的未来
- 练习题
- 附录 各章练习题参考答案
- 参考文献
