目錄 第 一篇 人工智能概念篇 第 1章 人工智能概述 1 1.1 什么是人工智能 1 1.1.1 什么是智能 1 1.1.2 人工智能的定義 2 1.1.3 人工智能的要素 2 1.1.4 人工智能的類型 3 1.2 人工智能的發(fā)展歷程 4 1.2.1圖靈測試 4 1.2.2 人工智能的誕生 4 1.2.3 人工智能的發(fā)展階段 5 1.2.4 未來人工智能發(fā)展的五個(gè)級(jí)別 6 1.3 人工智能的影響 7 1.3.1 人工智能對(duì)工作、生活等方面的影響 7 1.3.2人工智能開啟科學(xué)研究“第五范式” 9 1.3.3 人工智能開啟“人機(jī)共生”新時(shí)代 11 1.4 世界各國的人工智能發(fā)展戰(zhàn)略 12 1.4.1 美國 12 1.4.2中國 12 1.4.3歐盟 13 1.4.4 其他國家 13 1.5 人工智能關(guān)鍵技術(shù) 13 1.5.1機(jī)器學(xué)習(xí) 13 1.5.2知識(shí)圖譜 15 1.5.3自然語言處理 16 1.5.4人機(jī)交互 16 1.5.5計(jì)算機(jī)視覺 17 1.5.6生物特征識(shí)別 18 1.6 人工智能應(yīng)用 18 1.6.1智能制造 18 1.6.2智能家居 19 1.6.3智能金融 20 1.6.4智能交通 20 1.6.5智能安防 22 1.6.6智能醫(yī)療 22 1.6.7智能物流 23 1.6.8智能零售 24 1.7 人工智能產(chǎn)業(yè) 24 1.7.1智能基礎(chǔ)設(shè)施建設(shè) 24 1.7.2智能信息及數(shù)據(jù) 25 1.7.3智能技術(shù)服務(wù) 25 1.7.4智能產(chǎn)品 25 1.8人工智能底層的信息化基礎(chǔ)設(shè)施 26 1.8.1 網(wǎng)絡(luò)設(shè)施 26 1.8.2 算力設(shè)施 27 1.8.3 空間設(shè)施 28 1.8.4 電力設(shè)施 29 1.9 人工智能思維 32 1.10 本章小結(jié) 32 1.11 習(xí)題 33 第 2章 人工智能編程語言基礎(chǔ) 34 2.1 Python簡介 34 2.2 搭建Python開發(fā)環(huán)境 34 2.2.1 安裝Python 35 2.2.2 設(shè)置當(dāng)前工作目錄 36 2.2.3 使用交互式執(zhí)行環(huán)境 36 2.2.4 運(yùn)行代碼文件 37 2.2.5 使用IDLE編寫代碼 37 2.2.6 安裝和使用Python擴(kuò)展模塊 38 2.3 Python規(guī)范 40 2.3.1 注釋規(guī)則 40 2.3.2 代碼縮進(jìn) 41 2.4 Python基礎(chǔ)語法知識(shí) 42 2.4.1基本數(shù)據(jù)類型 42 2.4.2組合數(shù)據(jù)類型 43 2.4.3控制結(jié)構(gòu) 46 2.4.4函數(shù) 48 2.5 本章小結(jié) 49 2.6 習(xí)題 49 第3章機(jī)器學(xué)習(xí) 51 3.1 機(jī)器學(xué)習(xí)基本概念 51 3.1.1 什么是機(jī)器學(xué)習(xí) 51 3.1.2 機(jī)器學(xué)習(xí)的四大類型 51 3.1.3 機(jī)器學(xué)習(xí)的基本過程 52 3.2 sklearn簡介 53 3.3 監(jiān)督學(xué)習(xí) 54 3.3.1 回歸算法 55 3.3.2 分類算法 69 3.3.3 支持向量機(jī) 82 3.3.4 KNN 84 3.4 無監(jiān)督學(xué)習(xí) 87 3.4.1 K-Means 87 3.4.2層次聚類 91 3.4.3 DBSCAN 94 3.5 強(qiáng)化學(xué)習(xí) 99 3.5.1 強(qiáng)化學(xué)習(xí)的基本要素 99 3.5.2 強(qiáng)化學(xué)習(xí)的過程 100 3.5.3 常見的強(qiáng)化學(xué)習(xí)算法 100 3.6 人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí) 101 3.6.1人工神經(jīng)網(wǎng)絡(luò) 101 3.6.2 深度學(xué)習(xí) 102 3.7 本章小結(jié) 105 3.8 習(xí)題 105 第4章自然語言處理 107 4.1自然語言處理概述 107 4.1.1什么是自然語言處理 107 4.1.2自然語言處理的重要性與應(yīng)用價(jià)值 107 4.1.3自然語言處理的發(fā)展簡史 108 4.2 自然語言處理的核心基礎(chǔ)任務(wù) 108 4.2.1文本分類：情感分析與主題識(shí)別 108 4.2.3關(guān)系抽取：挖掘?qū)嶓w間的關(guān)聯(lián) 109 4.2.2命名實(shí)體識(shí)別：從文本中提取關(guān)鍵信息 111 4.2.4文本聚類：相似文本的自動(dòng)歸組 111 4.2.5信息檢索：快速找到所需內(nèi)容 112 4.3 自然語言處理的典型應(yīng)用場景 113 4.4 實(shí)驗(yàn)1：分詞工具Jieba的使用方法 114 4.4.1 Jieba簡介 114 4.4.2 Jieba的使用方法 115 4.4.3 使用Jieba對(duì)文本進(jìn)行分詞后繪制詞云圖 115 4.5 實(shí)驗(yàn)2：對(duì)文本進(jìn)行情感分析 117 4.6 本章小結(jié) 118 4.7 習(xí)題 119 第5章計(jì)算機(jī)視覺 120 5.1 計(jì)算機(jī)視覺概述 120 5.1.1 什么是計(jì)算機(jī)視覺 120 5.1.2 計(jì)算機(jī)視覺的發(fā)展歷史 120 5.1.3 計(jì)算機(jī)視覺與人類視覺的差異 121 5.2計(jì)算機(jī)視覺的典型應(yīng)用場景 121 5.3 計(jì)算機(jī)視覺的核心任務(wù) 121 5.4 計(jì)算機(jī)視覺面臨的挑戰(zhàn) 122 5.5 實(shí)驗(yàn)1：圖像處理庫Pillow的使用方法 123 5.5.1 Pillow概述 123 5.5.2 Pillow庫Image類 123 5.5.3 Pillow庫ImageFilter類和ImageEnhance類 126 5.5.4 Pillow庫ImageDraw類和ImageFont類 129 5.5.5 圖像的字符畫繪制 131 5.6 實(shí)驗(yàn)2：計(jì)算機(jī)視覺庫OpenCV的使用方法 133 5.6.1 圖像處理 133 5.6.2 特征提取 134 5.6.3目標(biāo)檢測 135 5.7 本章小結(jié) 135 5.8 習(xí)題 135 第6章 大模型 136 6.1 大模型概述 136 6.1.1 大模型的概念 136 6.1.2 大模型與小模型的區(qū)別 136 6.1.3 大模型的發(fā)展歷程 137 6.1.4 人工智能與大模型的關(guān)系 138 6.1.5 大模型在人工智能領(lǐng)域的重要性 139 6.2 大模型產(chǎn)品 139 6.2.1 國外的大模型產(chǎn)品 139 6.2.2 國內(nèi)的大模型產(chǎn)品 141 6.2.3 中美兩國在大模型領(lǐng)域的競爭 143 6.3 大模型的基本原理 144 6.3.1 原理概述 144 6.3.2 大模型訓(xùn)練的實(shí)例演示 145 6.4 大模型的特點(diǎn) 147 6.5 大模型的分類 149 6.5.1 按照輸入數(shù)據(jù)類型劃分 149 6.5.2 按照應(yīng)用領(lǐng)域劃分 149 6.5.3 大語言模型的分類 150 6.6 大模型訓(xùn)練的硬件設(shè)施 151 6.7 大模型的成本 152 6.8 大模型的應(yīng)用領(lǐng)域 153 6.9大模型對(duì)人們工作和生活的影響 154 6.9.1大模型對(duì)工作的影響 154 6.9.2 模型對(duì)生活的影響 154 6.10 大模型的挑戰(zhàn)與未來發(fā)展 154 6.10.1 大模型的挑戰(zhàn) 154 6.10.2 大模型的未來發(fā)展 155 6.11 實(shí)驗(yàn)1：在自己本地計(jì)算機(jī)上部署大模型 156 6.11.1 為什么需要本地部署大模型 156 6.11.2 DeepSeek R1簡介 156 6.11.3 在本地計(jì)算機(jī)部署DeepSeek R1 157 6.12 本章小結(jié) 161 6.13 習(xí)題 161 第7章 智能體 163 7.1 智能體概述 163 7.1.1 什么是智能體 163 7.1.2 智能體的發(fā)展歷程 164 7.1.3 智能體的應(yīng)用 164 7.1.4 智能體的優(yōu)勢 164 7.2 智能體和人工智能的關(guān)系 165 7.3 智能體的關(guān)鍵特征 166 7.4 智能體的分級(jí) 167 7.5 智能體的分類 169 7.6 智能體的組成 169 7.7 智能體的工作原理 169 7.8 智能體的關(guān)鍵技術(shù) 170 7.9 典型的智能體產(chǎn)品 171 7.10 基于大模型的智能體 171 7.10.1 國外的智能體產(chǎn)品 172 7.10.2 國內(nèi)的智能體產(chǎn)品 173 7.10.3 案例：扣子智能體搭建實(shí)戰(zhàn) 174 7.11 AI Agent和Agentic AI的關(guān)系 179 7.12 智能體的未來發(fā)展 181 7.13 本章小結(jié) 181 7.14 習(xí)題 182 第8章 具身智能 183 8.1 具身智能概述 183 8.1.1 什么是具身智能 183 8.1.2 具身智能和智能體的關(guān)系 183 8.1.3 具身智能的發(fā)展歷程 184 8.1.4 具身智能在人工智能中的地位與作用 185 8.2 具身智能的技術(shù)支撐 185 8.2.1 傳感器技術(shù)：感知世界的觸角 185 8.2.2 機(jī)器學(xué)習(xí)與強(qiáng)化學(xué)習(xí) 186 8.2.3 機(jī)器人技術(shù)：具身的物理載體 187 8.3 具身智能的應(yīng)用領(lǐng)域 188 8.3.1 人機(jī)交互與協(xié)作 189 8.3.2 自主系統(tǒng)與導(dǎo)航 189 8.3.3 醫(yī)療健康 189 8.3.4 娛樂與教育 190 8.4 人形機(jī)器人 190 8.4.1 人形機(jī)器人的內(nèi)涵 190 8.4.2 人形機(jī)器人的發(fā)展階段 191 8.4.3 人形機(jī)器人的分類 192 8.4.4 典型人形機(jī)器人 193 8.5 具身智能的挑戰(zhàn)與限制 196 8.5.1 技術(shù)挑戰(zhàn) 196 8.5.2 倫理與法律問題 196 8.5.3 社會(huì)接受度與影響 196 8.6 本章小結(jié) 197 8.7 習(xí)題 197 第9章 AIGC應(yīng)用與實(shí)踐 198 9.1 AIGC概述 198 9.1.1 什么是AIGC 198 9.1.2 AIGC與大模型的關(guān)系 198 9.1.3 AIGC的發(fā)展歷程 198 9.1.4 常見的AIGC應(yīng)用場景 199 9.1.5 AIGC技術(shù)對(duì)行業(yè)發(fā)展的影響 199 9.1.6 AIGC技術(shù)對(duì)職業(yè)發(fā)展的影響 200 9.1.7 常見的AIGC大模型工具 200 9.1.8 AIGC大模型的提示詞 200 9.2文本類AIGC應(yīng)用實(shí)踐 201 9.2.1 文本類AIGC應(yīng)用場景 201 9.2.2 文本類AIGC工具基礎(chǔ)知識(shí) 201 9.2.3實(shí)驗(yàn)1：與DeepSeek進(jìn)行對(duì)話 206 9.2.4實(shí)驗(yàn)2：與百度文心一言進(jìn)行對(duì)話 208 9.2.5實(shí)驗(yàn)3：使用Kimi制作PPT 210 9.3圖片類AIGC應(yīng)用實(shí)踐 212 9.3.1圖片類AIGC應(yīng)用場景 212 9.3.2 實(shí)驗(yàn)5：創(chuàng)意圖片生成 213 9.3.3 實(shí)驗(yàn)6：AI修圖與老照片修復(fù) 215 9.3.4 實(shí)驗(yàn)7：圖片擴(kuò)展與高清化 218 9.3.5 實(shí)驗(yàn)8：智能摳圖與圖片融合 220 9.3.6 實(shí)驗(yàn)9：涂抹消除與局部重繪 225 9.3.7 實(shí)驗(yàn)10：AI繪畫藝術(shù)創(chuàng)作 228 9.3.8 實(shí)驗(yàn)11：真實(shí)照片轉(zhuǎn)成二次元風(fēng)格 232 9.4語音類AIGC應(yīng)用實(shí)踐 234 9.4.1 語音類AIGC應(yīng)用場景 234 9.4.2 實(shí)驗(yàn)12：豆包大模型的語音類功能用法 235 9.4.3實(shí)驗(yàn)13：使用喜馬拉雅音頻大模型進(jìn)行文本配音 238 9.4.4 實(shí)驗(yàn)14：使用米可智能進(jìn)行語音克隆 240 9.5視頻類AIGC應(yīng)用實(shí)踐 244 9.5.1 視頻類AIGC應(yīng)用場景 244 9.5.2 代表性的視頻類AIGC大模型 245 9.5.3 實(shí)驗(yàn)15：使用可靈AI實(shí)現(xiàn)文生視頻 245 9.5.4實(shí)驗(yàn)16：使用即夢AI實(shí)現(xiàn)圖生視頻 251 9.5.5 實(shí)驗(yàn)17：使用即夢AI制作數(shù)字人 258 9.6 AIGC技術(shù)在輔助編程中的應(yīng)用 261 9.6.1 AIGC技術(shù)在輔助編程中的應(yīng)用場景 261 9.6.2 實(shí)驗(yàn)18：使用豆包大模型輔助編程 262 9.7 AI搜索 263 9.7.1 AI搜索概述 263 9.7.2 納米AI搜索 264 9.8 本章小結(jié) 265 9.8 習(xí)題 265 第 10章 人工智能倫理 266 10.1 人工智能倫理概念 266 10.2 人工智能的倫理問題 266 10.2.1 人的主體性異化 266 10.2.2 數(shù)據(jù)隱私和安全 267 10.2.3 算法偏見和歧視 267 10.2.4 AI造假、欺騙、信息污染 268 10.2.5 算法的不透明性和不可解釋性 268 10.2.6 AI系統(tǒng)的不穩(wěn)定性和風(fēng)險(xiǎn)性 268 10.2.7 責(zé)任歸屬 269 10.2.8 公平正義和社會(huì)效益 269 10.2.9 AIGC技術(shù)對(duì)知識(shí)產(chǎn)權(quán)形成挑戰(zhàn) 269 10.2.10 人工智能在軍事領(lǐng)域應(yīng)用引發(fā)的倫理問題 270 10.3 人工智能倫理典型案例 270 10.3.1 人臉識(shí)別算法存在“歧視” 270 10.3.2 自動(dòng)駕駛安全事故頻出 271 10.3.3 大學(xué)教授狀告杭州野生動(dòng)物世界 271 10.3.4 某智能音箱勸主人自殺 271 10.3.5 “監(jiān)測頭環(huán)”進(jìn)校園惹爭議 272 10.3.6 AI算法識(shí)別性取向準(zhǔn)確率超過人類 272 10.3.7 甘肅某男子用ChatGPT編假新聞牟利 272 10.3.8 智能家居系統(tǒng)“竊聽”用戶隱私 272 10.3.9 使用AI復(fù)活逝者 272 10.3.10 AI成癮及首例AI致死命案悲劇 273 10.4 人工智能倫理的基本原則 273 10.5 解決人工智能倫理問題的策略 274 10.5.1 制定和執(zhí)行相關(guān)法規(guī)和政策 274 10.5.2 加強(qiáng)AI技術(shù)的透明度和可解釋性 274 10.5.3 建立AI倫理審查機(jī)制 275 10.5.4 提高公眾對(duì)AI倫理問題的認(rèn)識(shí)和意識(shí) 275 10.5.5 加強(qiáng)國際合作和交流，共同解決AI倫理問題 275 10.6 本章小結(jié) 275 10.7 習(xí)題 276 第 11章 課后實(shí)驗(yàn) 277 實(shí)驗(yàn)一 Python程序設(shè)計(jì)基礎(chǔ)實(shí)踐 277 實(shí)驗(yàn)二 基于sklearn的機(jī)器學(xué)習(xí)初級(jí)實(shí)踐 278 實(shí)驗(yàn)三 簡單文本情感分析實(shí)踐 280 實(shí)驗(yàn)四 Pillow庫和OpenCV庫的基本使用 281 實(shí)驗(yàn)五 使用Coze搭建客服智能體 282 實(shí)驗(yàn)六 AIGC基礎(chǔ)應(yīng)用實(shí)踐 283