本書詳細闡述了培養(yǎng)具有人工智能素養(yǎng)的綜合型人才所需要的相關知識。作為通識類課程教材，本書在確定知識布局時，緊緊圍繞通識教育核心理念，系統(tǒng)介紹人工智能相關知識，努力培養(yǎng)學生的人工智能思維和人工智能能力。全書共4篇，分別是人工智能基礎知識篇、人工智能基礎技術篇、人工智能前沿技術篇和人工智能倫理篇。其中，人工智能基礎知識篇包括信息與計算機基礎、人工智能概述和人工智能的應用，人工智能基礎技術篇包括機器學習、自然語言處理和計算機視覺，人工智能前沿技術篇包括大模型、智能體、具身智能、AIGC應用與實踐，人工智能倫理篇包括人工智能倫理。本書以“零代碼”學習人工智能為原則，使用AIGC工具解決學習、工作、生活中的各種問題。書中包含了大量生動、有趣、實用的實戰(zhàn)案例，可以讓讀者切身感受人工智能的強大功能，培養(yǎng)讀者使用AIGC工具解決實際問題的能力。 本書可作為高校人工智能通識課教材，也可供對人工智能感興趣的讀者自學使用。
1.零代碼零公式，用通俗語言和生活化案例解讀AI核心內容，大幅降低學習門檻，零基礎輕松入門。
2.緊緊圍繞通識教育核心理念，以深入淺出、通俗易懂的方式系統(tǒng)介紹人工智能知識和實踐應用。
3.配套資源豐富，全面幫助教師進行課程建設。
林子雨，男，博士（畢業(yè)于北京大學），國內高校知名大數(shù)據(jù)教師，廈門大學計算機科學與技術系副教授，廈門大學數(shù)據(jù)庫實驗室負責人，中國計算機學會數(shù)據(jù)庫專委會委員，中國計算機學會信息系統(tǒng)專委會委員，全國工業(yè)大數(shù)據(jù)行業(yè)產(chǎn)教融合共同體特聘專家，入選“2021年高校計算機專業(yè)優(yōu)秀教師獎勵計劃”，榮獲“2022年福建省高等教育教學成果獎特等獎（個人排名第一）”和“2018年福建省高等教育教學成果獎二等獎（個人排名第一）”，編著出版13本大數(shù)據(jù)系列教材，被國內1000多所高校采用，建設了國內高校首個大數(shù)據(jù)課程公共服務平臺，平臺累計網(wǎng)絡訪問量超過2500萬次，成為全國高校大數(shù)據(jù)教學知名品牌，主持的課程《大數(shù)據(jù)技術原理與應用》獲評“2018年國家精品在線開放課程”和“2020年國家級線上一流本科課程”，主持的課程《Spark編程基礎》獲評“2021年國家級線上一流本科課程”。建設的大數(shù)據(jù)系列MOOC課程入選“2023年教育部國家智慧教育公共服務平臺應用典型案例”。
目錄
1.1 信息與計算機概述 7
1.1.1 信息概述 8
1.1.2 信息技術的發(fā)展 10
1.1.3 計算機技術的發(fā)展 10
1.1.4 計算機的分類 12
1.1.5 四次信息化浪潮 14
1.2 計算機系統(tǒng) 14
1.2.1 硬件系統(tǒng) 15
1.2.2 軟件系統(tǒng) 17
1.3計算機網(wǎng)絡 19
1.3.1 計算機網(wǎng)絡概述 19
1.3.2 移動互聯(lián)網(wǎng) 20
1.4 計算機系統(tǒng)安全 21
1.4.1計算機系統(tǒng)面臨的安全威脅 21
1.4.2安全防護技術 22
1.5 國家信息安全 22
1.5.1 信息安全的主要領域 22
1.5.2 保障國家信息安全的舉措 23
1.5.3 我國實施“信創(chuàng)”戰(zhàn)略 24
1.6 信息化基礎設施 26
1.6.1 網(wǎng)絡設施 26
1.6.2 算力設施 27
1.6.3 空間設施 28
1.6.4 電力設施 29
1.6.5 新基建 32
1.7 本章小結 32
1.8 習題 33
第 2章 人工智能概述 34
2.1 什么是人工智能 34
2.1.1 什么是智能 34
2.1.2 人工智能的定義 35
2.1.3 人工智能的要素 35
2.1.4 人工智能的類型 36
2.2 人工智能的發(fā)展歷程 37
2.2.1圖靈測試 37
2.2.2 人工智能的誕生 37
2.2.3 人工智能的發(fā)展階段 38
2.2.4 人工智能發(fā)展的五個級別 39
2.3 人工智能的影響 40
2.3.1 人工智能對工作、生活等方面的影響 40
2.3.2人工智能開啟科學研究“第五范式” 42
2.3.3 人工智能開啟“人機共生”新時代 44
2.4 世界各國的人工智能發(fā)展戰(zhàn)略 45
2.4.1 美國 45
2.4.2中國 45
2.4.3歐盟 46
2.4.4 其他國家 46
2.5 人工智能關鍵技術 46
2.5.1機器學習 46
2.5.2知識圖譜 48
2.5.3自然語言處理 49
2.5.4人機交互 49
2.5.5計算機視覺 50
2.5.6生物特征識別 51
2.6 人工智能應用 51
2.7 人工智能產(chǎn)業(yè) 52
2.7.1智能基礎設施建設 52
2.7.2智能信息及數(shù)據(jù) 52
2.7.3智能技術服務 53
2.7.4智能產(chǎn)品 53
2.8 人工智能思維 54
2.9 人工智能的未來發(fā)展 56
2.10 本章小結 58
2.11 習題 58
3.1 在制造業(yè)的應用 59
3.2 在智能家居中的應用 59
3.3 在智能物流中的應用 60
3.4 在金融行業(yè)的應用 61
3.5 在醫(yī)療健康中的應用 62
3.6 在安防領域的應用 63
3.7 在交通運輸中的應用 64
3.8 在零售業(yè)的應用 64
3.9 在農(nóng)業(yè)的應用 65
3.10 在環(huán)境保護中的應用 66
3.11 在教育領域的應用 67
3.12 在娛樂與游戲領域的應用 67
3.13 本章小結 68
3.14 習題 68
4.1 機器學習基本概念 70
4.1.1 什么是機器學習 70
4.1.2 機器學習的四大類型 70
4.1.3 機器學習的基本過程 71
4.3 監(jiān)督學習 72
4.3.1 回歸算法 72
4.3.2 分類算法 76
4.3.3 支持向量機 81
4.3.4 KNN 82
4.4 無監(jiān)督學習 83
4.4.1 K-Means 84
4.4.2層次聚類 84
4.4.3 DBSCAN 85
4.4.4聚類算法的典型應用場景 86
4.5 強化學習 87
4.5.1 強化學習的基本要素 87
4.5.2 強化學習的過程 87
4.5.3 常見的強化學習算法 88
4.5.4 強化學習的典型應用場景 88
4.6 人工神經(jīng)網(wǎng)絡和深度學習 90
4.6.1人工神經(jīng)網(wǎng)絡 90
4.6.2 深度學習 91
4.7 本章小結 94
4.8 習題 94
5.1自然語言處理概述 96
5.1.1什么是自然語言處理 96
5.1.2自然語言處理的重要性與應用價值 96
5.1.3自然語言處理的發(fā)展簡史 97
5.2 自然語言處理的核心基礎任務 97
5.2.1文本分類：情感分析與主題識別 97
5.2.2關系抽�。和诰驅嶓w間的關聯(lián) 98
5.2.3命名實體識別：從文本中提取關鍵信息 100
5.2.4文本聚類：相似文本的自動歸組 100
5.2.5信息檢索：快速找到所需內容 101
5.3 自然語言處理的典型應用場景 102
5.4 本章小結 103
5.5 習題 103
6.1 計算機視覺概述 104
6.1.1 什么是計算機視覺 104
6.1.2 計算機視覺的發(fā)展歷史 104
6.1.3 計算機視覺與人類視覺的差異 105
6.2計算機視覺的典型應用場景 105
6.3 計算機視覺的核心任務 105
6.4 計算機視覺面臨的挑戰(zhàn) 106
6.5 本章小結 107
6.6 習題 107
7.1 大模型概述 108
7.1.1 大模型的概念 108
7.1.2 大模型與小模型的區(qū)別 108
7.1.3 大模型的發(fā)展歷程 109
7.1.4 人工智能與大模型的關系 110
7.1.5 大模型在人工智能領域的重要性 111
7.2 大模型產(chǎn)品 111
7.2.1 國外的大模型產(chǎn)品 111
7.2.2 國內的大模型產(chǎn)品 113
7.3.1 原理概述 115
7.2.3 中美兩國在大模型領域的競爭 117
7.3 大模型的基本原理 117
7.3.2 大模型訓練的實例演示 117
7.4 大模型的特點 119
7.5 大模型的分類 121
7.5.1 按照輸入數(shù)據(jù)類型劃分 121
7.5.2 按照應用領域劃分 121
7.5.3 大語言模型的分類 122
7.6 大模型訓練的硬件設施 123
7.7 大模型的成本 124
7.8 大模型的應用領域 125
7.9大模型對人們工作和生活的影響 126
7.9.1大模型對工作的影響 126
7.9.2 模型對生活的影響 126
7.10 大模型的挑戰(zhàn)與未來發(fā)展 126
7.10.1 大模型的挑戰(zhàn) 126
7.10.2 大模型的未來發(fā)展 127
7.11 大模型實戰(zhàn)案例 127
7.11.1 為什么需要本地部署大模型 128
7.11.2 DeepSeek R1簡介 128
7.11.3 在本地計算機部署DeepSeek R1 129
7.12 本章小結 134
7.13 習題 134
第8章 智能體 136
8.1 智能體概述 136
8.1.1 什么是智能體 136
8.1.2 智能體的發(fā)展歷程 137
8.1.3 智能體的應用 137
8.1.4 智能體的優(yōu)勢 137
8.2 智能體和人工智能的關系 138
8.3 智能體的關鍵特征 139
8.4 智能體的分級 140
8.5 智能體的分類 142
8.6 智能體的組成 142
8.7 智能體的工作原理 142
8.8 智能體的關鍵技術 143
8.9 典型的智能體產(chǎn)品 143
8.10 基于大模型的智能體 144
8.10.1 國外的智能體產(chǎn)品 144
8.10.2 國內的智能體產(chǎn)品 146
8.10.3 案例：扣子智能體搭建實戰(zhàn) 147
8.11 AI Agent和Agentic AI的關系 152
8.12 智能體的未來發(fā)展 154
8.13 本章小結 154
8.14 習題 155
9.1 具身智能概述 156
9.1.1 什么是具身智能 156
9.1.2 具身智能和智能體的關系 156
9.1.3 具身智能的發(fā)展歷程 157
9.1.4 具身智能在人工智能中的地位與作用 158
9.2 具身智能的技術支撐 158
9.2.1 傳感器技術：感知世界的觸角 158
9.2.2 機器學習與強化學習 159
9.2.3 機器人技術：具身的物理載體 160
9.3 具身智能的應用領域 161
9.3.1 人機交互與協(xié)作 161
9.3.2 自主系統(tǒng)與導航 162
9.3.3 醫(yī)療健康 162
9.3.4 娛樂與教育 163
9.4 人形機器人 163
9.4.1 人形機器人的內涵 163
9.4.2 人形機器人的發(fā)展階段 164
9.4.3 人形機器人的分類 165
9.4.4 典型人形機器人 166
9.5 具身智能的挑戰(zhàn)與限制 169
9.5.1 技術挑戰(zhàn) 169
9.5.2 倫理與法律問題 169
9.5.3 社會接受度與影響 169
9.6 本章小結 170
9.7 習題 170
10.1 AIGC概述 171
10.1.1 什么是AIGC 171
10.1.2 AIGC與大模型的關系 171
10.1.3 AIGC的發(fā)展歷程 171
10.1.4 常見的AIGC應用場景 172
10.1.5 AIGC技術對行業(yè)發(fā)展的影響 172
10.1.6 AIGC技術對職業(yè)發(fā)展的影響 173
10.1.7 常見的AIGC大模型工具 173
10.1.8 AIGC大模型的提示詞 173
10.2文本類AIGC應用實踐 174
10.2.1 文本類AIGC應用場景 174
10.2.2 文本類AIGC工具基礎知識 174
10.2.3案例1：與DeepSeek進行對話 179
10.2.4案例2：與百度文心一言進行對話 181
10.2.5案例3：使用Kimi制作PPT 183
10.2.6案例4：使用DeepSeek和轉換工具生成WORD文檔 187
10.3圖片類AIGC應用實踐 190
10.3.1圖片類AIGC應用場景 190
10.3.2 案例5：創(chuàng)意圖片生成 190
10.3.3 案例6：AI修圖與老照片修復 192
10.3.4 案例7：圖片擴展與高清化 196
10.3.5 案例8：智能摳圖與圖片融合 197
10.3.6 案例9：涂抹消除與局部重繪 202
10.3.7 案例10：AI繪畫藝術創(chuàng)作 205
10.3.8 案例11：真實照片轉成二次元風格 209
10.4語音類AIGC應用實踐 211
10.4.1 語音類AIGC應用場景 211
10.4.2 案例12：豆包大模型的語音類功能用法 212
10.4.3案例13：使用喜馬拉雅音頻大模型進行文本配音 215
10.4.4 案例14：使用米可智能進行語音克隆 217
10.5視頻類AIGC應用實踐 221
10.5.1 視頻類AIGC應用場景 221
10.5.2 代表性的視頻類AIGC大模型 221
10.5.3 案例15：使用可靈AI實現(xiàn)文生視頻 222
10.5.4案例16：使用即夢AI實現(xiàn)圖生視頻 227
10.5.5 案例17：使用即夢AI制作數(shù)字人 234
10.6 AIGC技術在輔助編程中的應用 237
10.6.1 AIGC技術在輔助編程中的應用場景 237
10.6.2 案例18：使用豆包大模型輔助編程 238
10.7 AI搜索 239
10.7.1 AI搜索概述 239
10.7.2 納米AI搜索 240
10.8 本章小結 241
10.8 習題 241
11.1 人工智能倫理概念 242
11.2 人工智能的倫理問題 242
11.2.1 人的主體性異化 242
11.2.2 數(shù)據(jù)隱私和安全 243
11.2.3 算法偏見和歧視 243
11.2.4 AI造假、欺騙、信息污染 244
11.2.5 算法的不透明性和不可解釋性 244
11.2.6 AI系統(tǒng)的不穩(wěn)定性和風險性 244
11.2.7 責任歸屬 245
11.2.8 公平正義和社會效益 245
11.2.9 AIGC技術對知識產(chǎn)權形成挑戰(zhàn) 245
11.2.10 人工智能在軍事領域應用引發(fā)的倫理問題 245
11.3 人工智能倫理典型案例 246
11.3.1 亞裔市民被誤識別為非洲裔遭拘留事件 246
11.3.2 某國產(chǎn)新能源汽車高速智駕系統(tǒng)誤判致連環(huán)追尾 246
11.3.3 杭州某小區(qū)強制刷臉門禁侵犯業(yè)主隱私權案 246
11.3.4 智能音箱夜間自動激活竊聽用戶私密對話事件 247
11.3.5醫(yī)療AI誤診加劇種族健康差距 247
11.3.6 甘肅某男子用ChatGPT編假新聞牟利 247
11.3.7 智能家居系統(tǒng)“竊聽”用戶隱私 247
11.3.8 使用AI復活逝者 247
11.3.9 AI成癮及首例AI致死命案悲劇 248
11.4 人工智能倫理的基本原則 248
11.5 解決人工智能倫理問題的策略 249
11.5.1 制定和執(zhí)行相關法規(guī)和政策 249
11.5.2 加強AI技術的透明度和可解釋性 249
11.5.3 建立AI倫理審查機制 249
11.5.4 提高公眾對AI倫理問題的認識和意識 250
11.5.5 加強國際合作和交流，共同解決AI倫理問題 250
11.6 本章小結 250
11.7 習題 251
書單推薦
