人工智能导论

本书是高等学校人工智能通识教育教材。本书共分9章，主要包括三部分：第一部分是人工智能的基础知识，包括人工智能的概念、发展和应用领域，以及数据、算法与计算思维；第二部分是主要的人工智能方法，涵盖搜索方法、知识方法和机器学习方法，并对神经网络与深度学习进行了介绍；第三部分是大语言模型方法与应用，包括自然语言处理、大语言模型，以及以大语言模型为代表的人工智能应用与管理。本书以通俗易懂的方式，帮助读者掌握人工智能的核心原理和应用方法，并通过实际案例和实验实现人工智能应用，帮助读者加深对人工智能理论的理解。

本书可作为高等学校各专业本科生、研究生的人工智能通识课教材，也可供人工智能相关行业从业人员学习使用，还可作为社会读者学习人工智能知识的参考用书。

目录
- 前辅文
- 第1章绪论
  - 1.1 人工智能的概念
    - 1.1.1 智能
    - 1.1.2 人工智能
    - 1.1.3 人工智能的主要技术
  - 1.2 人工智能的发展
    - 1.2.1 基本情况
    - 1.2.2 发展阶段
  - 1.3 人工智能的应用领域
    - 1.3.1 自然语言处理
    - 1.3.2 计算机视觉
    - 1.3.3 机器人
  - 思考与练习
- 第2章数据、算法与计算思维
  - 2.1 数据与数据素养
    - 2.1.1 基本概念
    - 2.1.2 数据素养
  - 2.2 算法与计算思维
    - 2.2.1 算法
    - 2.2.2 计算思维
  - 2.3 实验
    - 2.3.1 人工智能编程
    - 2.3.2 NoSQL数据的使用
  - 思考与练习
- 第3章搜索方法
  - 3.1 基本概念
  - 3.2 简单状态下的搜索
    - 3.2.1 无信息搜索
    - 3.2.2 有信息搜索
  - 3.3 局部搜索
    - 3.3.1 常见的局部搜索方法
    - 3.3.2 其他策略
  - 3.4 对抗搜索
    - 3.4.1 极小化极大搜索
    - 3.4.2 Alpha-Beta剪枝搜索
    - 3.4.3 蒙特卡洛树搜索
  - 3.5 应用实例
    - 3.5.1 投资组合优化
    - 3.5.2 地图导航
  - 3.6 实验
    - 3.6.1 常见的搜索算法演示
    - 3.6.2 搜索算法在解谜类游戏中的应用
    - 3.6.3 利用NetLogo进行仿真演示
  - 思考与练习
- 第4章知识方法
  - 4.1 知识推理
    - 4.1.1 知识的概念
    - 4.1.2 基于逻辑的知识表示与推理
    - 4.1.3 基于语义网络的知识表示与推理
  - 4.2 知识图谱
    - 4.2.1 基本概念
    - 4.2.2 命名实体
    - 4.2.3 常见的知识图谱
    - 4.2.4 知识图谱的知识推理应用
  - 4.3 应用实例
    - 4.3.1 知识图谱在用户画像中的应用
    - 4.3.2 知识图谱在电子商务搜索中的应用
  - 4.4 实验
    - 4.4.1 利用Prolog进行知识推理
    - 4.4.2 知识图谱可视化
  - 思考与练习
- 第5章机器学习方法
  - 5.1 机器学习
    - 5.1.1 基本概念
    - 5.1.2 主要特点
  - 5.2 基本过程
    - 5.2.1 数据处理
    - 5.2.2 模型构建
    - 5.2.3 模型评价
  - 5.3 高级使用
    - 5.3.1 非参数方法
    - 5.3.2 集成学习
  - 5.4 应用实例
    - 5.4.1 机器学习方法在国内生产总值预测中的应用
    - 5.4.2 机器学习的应用实施方法
  - 5.5 实验
    - 5.5.1 决策树的绘制
    - 5.5.2 线性回归分析
    - 5.5.3 非线性回归分析
  - 思考与练习
- 第6章神经网络与深度学习
  - 6.1 神经网络
    - 6.1.1 产生背景
    - 6.1.2 模型特点
  - 6.2 深度学习
    - 6.2.1 产生背景
    - 6.2.2 模型结构
    - 6.2.3 模型种类
  - 6.3 应用实例
    - 6.3.1 中国在深度学习时代的贡献
    - 6.3.2 深度学习方法在营销海报设计领域的应用
  - 6.4 实验
    - 6.4.1 深度学习模型可视化查看
    - 6.4.2 深度学习模型可视化编程
  - 思考与练习
- 第7章自然语言处理
  - 7.1 基本概念
    - 7.1.1 语言与自然语言
    - 7.1.2 自然语言处理的概念
  - 7.2 自然语言处理方法
    - 7.2.1 统计语言模型方法
    - 7.2.2 深度学习语言模型方法
  - 7.3 应用实例
    - 7.3.1 情感分析
    - 7.3.2 古籍处理
  - 7.4 实验
    - 7.4.1 基于词嵌入的词语分析
    - 7.4.2 常见的文本分析应用
  - 思考与练习
- 第8章大语言模型
  - 8.1 人工智能生成内容
  - 8.2 主要技术
  - 8.3 多模态信息服务
  - 8.4 智能与意识
  - 8.5 偏见与有害性
  - 8.6 应用实例
    - 8.6.1 大语言模型在行业领域的融合创新
    - 8.6.2 全球大语言模型应用的发展
  - 8.7 实验
    - 8.7.1 利用GPT4All实现人机对话
    - 8.7.2 利用百度智能云客悦智能客服平台实现数字人定制功能
  - 思考与练习
- 第9章人工智能应用与管理
  - 9.1 人工智能技术应用的思考
    - 9.1.1 人工智能的发展问题
    - 9.1.2 人工智能的伦理问题
  - 9.2 人工智能产业应用与管理
    - 9.2.1 人工智能产业的发展现状
    - 9.2.2 人工智能产业的法律监管
    - 9.2.3 我国人工智能产业的政策管理
  - 思考与练习
- 参考文献