顶部
收藏

人工智能通识教程


作者:
主编 韩志杰 陈国良 副主编 程普 王亚鲁
定价:
37.00元
版面字数:
290.00千字
开本:
16开
装帧形式:
平装
版次:
1
最新版次
印刷时间:
暂无
ISBN:
978-7-04-065852-1
物料号:
65852-00
出版时间:
2026-03-30
读者对象:
高等教育
一级分类:
计算机/教育技术类
二级分类:
计算机基础课程
三级分类:
大学计算机基础

本书系统梳理人工智能的发展脉络、技术原理、应用场景及伦理治理,全方位呈现人工智能的知识体系。

第一篇追溯人工智能的发展历程,从1956年达特茅斯会议正式提出概念,到符号主义与连接主义的技术路线演变,再到深度学习与大数据驱动的第三次浪潮。同时介绍中国人工智能发展战略,包括国家政策规划、产业布局及百度、阿里巴巴等企业的典型实践。

第二篇解析人工智能三大核心要素:数据作为“燃料”,涵盖获取、处理及大数据的5V特征;算法作为“引擎”,讲解机器学习(监督、无监督、强化学习)及深度学习的关键算法;算力作为“动力”,介绍CPU、GPU等硬件载体及算力的战略意义。

第三篇聚焦应用领域,包括自然语言处理(语音识别、机器翻译、智能问答)、计算机视觉(图像识别、视频处理及在医疗、交通等领域的应用)、大模型应用(文生文、文生图、文生视频技术及智能办公场景),以及具身智能在机器人、自动驾驶等领域的探索。

第四篇探讨伦理挑战,分析数据安全、算法偏见、社会就业等风险,介绍国际国内相关法律法规,强调企业社会责任与公众参与的重要性,旨在构建技术与人文平衡的发展路径。

本书可作为高等学校各专业本科、高职高专“人工智能”通识课程的主要教材,也可供对人工智能技术感兴趣的社会读者、行业从业人员参考。

  • 前辅文
  • 第一篇 人工智能发展
    • 第1章 人工智能的起源与演进
      • 1.1 人工智能的定义与分类
      • 1.2 从符号主义到连接主义的发展历程
        • 1.2.1 起步阶段:概念提出与早期探索
        • 1.2.2 第一次低潮:现实挑战与研究降温
        • 1.2.3 第二次浪潮:专家系统与知识工程的兴起
        • 1.2.4 第二次低潮与神经网络的沉寂
        • 1.2.5 第三次浪潮:深度学习与大数据的崛起
      • 1.3 人工智能的主要研究方向与应用领域
    • 第2章 中国人工智能的发展战略
      • 2.1 国家政策与发展规划
      • 2.2 产业布局与技术创新
      • 2.3 典型企业案例分析
  • 第二篇 人工智能基础
    • 第3章 人工智能三要素概述
      • 3.1 人工智能发展的核心支柱:数据、算法与算力
        • 3.1.1 数据
        • 3.1.2 算法
        • 3.1.3 算力
      • 3.2 三要素的协同关系与相互作用
      • 3.3 三要素对人工智能系统性能的影响
        • 3.3.1 数据好坏对性能的影响
        • 3.3.2 算法好坏对性能的影响
        • 3.3.3 算力强弱对性能的影响
    • 第4章 人工智能的“燃料”——数据
      • 4.1 数据的获取与处理
        • 4.1.1 数据获取
        • 4.1.2 数据处理
      • 4.2 大数据概念与原理
        • 4.2.1 什么是大数据
        • 4.2.2 大数据为什么重要
      • 4.3 数据在人工智能中的作用
        • 4.3.1 提升模型性能与泛化能力
        • 4.3.2 保障模型健壮性与稳定性
        • 4.3.3 驱动自动化特征学习与算法创新
    • 第5章 人工智能的“引擎”——算法
      • 5.1 机器学习基本概念
        • 5.1.1 机器学习的定义
        • 5.1.2 机器学习的分类
        • 5.1.3 常见机器学习算法
      • 5.2 深度学习简介
        • 5.2.1 问题定义
        • 5.2.2 数据收集与预处理
        • 5.2.3 模型的选择
        • 5.2.4 模型的训练
        • 5.2.5 模型的评估
        • 5.2.6 模型的应用与持续优化
    • 第6章 人工智能的“动力”——算力
      • 6.1 算力与人工智能发展的关系
      • 6.2 算力的核心载体
        • 6.2.1 算力的执行者——CPU、GPU、TPU
        • 6.2.2 芯片争霸:算力背后的主角们
        • 6.2.3 常见硬件设备及其算力水平对比
      • 6.3 算力在全球的战略地位
      • 6.4 未来趋势
  • 第三篇 人工智能应用
    • 第7章 自然语言处理
      • 7.1 自然语言处理基础
        • 7.1.1 什么是自然语言处理
        • 7.1.2 重要性与发展脉络
      • 7.2 文本处理与分析技术
        • 7.2.1 中文分词
        • 7.2.2 文本分析与分类
      • 7.3 机器翻译与在线翻译
        • 7.3.1 离线翻译:本地化工具的局限性
        • 7.3.2 在线翻译:深度学习驱动的突破
        • 7.3.3 未来趋势:多模态与实时交互
      • 7.4 智能语音
        • 7.4.1 语音识别:声音到文字的转换
        • 7.4.2 语音合成:文字到自然语音的生成
        • 7.4.3 智能问答系统:从“检索”到“对话”
    • 第8章 计算机视觉
      • 8.1 图像基础
        • 8.1.1 什么是图像
        • 8.1.2 图像的类型
      • 8.2 图像识别与分类原理
        • 8.2.1 什么是图像识别与分类
        • 8.2.2 特征提取的原理——让计算机“看到”
      • 8.3 图像处理应用
        • 8.3.1 图像处理在社交媒体中的应用
        • 8.3.2 图像处理在医疗中的应用
        • 8.3.3 图像处理在智慧交通中的应用
      • 8.4 视频处理基础与实例
        • 8.4.1 什么是视频
        • 8.4.2 视频预处理与基本操作
        • 8.4.3 常见的视频处理软件
    • 第9章 大模型应用
      • 9.1 文生文、文生图、文生视频技术初探
        • 9.1.1 文生文:从写作助手到知识问答
        • 9.1.2 文生图:从文字描述到视觉呈现
        • 9.1.3 文生视频:从静态画面到动态叙事
      • 9.2 大模型助力智能办公
        • 9.2.1 文档处理自动化
        • 9.2.2 智能会议助手
        • 9.2.3 数据可视化与分析
      • 9.3 智能内容生成与应用开发
        • 9.3.1 智能内容生成(AIGC)
        • 9.3.2 大模型辅助应用开发
        • 9.3.3 人机协作模式
    • 第10章 具身智能简介
      • 10.1 认识具身智能
        • 10.1.1 智能的历史:从思考到具身
        • 10.1.2 “具身”的概念
        • 10.1.3 具身智能VS传统人工智能
        • 10.1.4 生活中的具身智能例子
      • 10.2 具身智能的应用探索
        • 10.2.1 智能机器人:迈向自主行动
        • 10.2.2 自动驾驶:具身智能在交通中的革命
        • 10.2.3 智能穿戴设备:具身智能的个人助手
      • 10.3 具身智能的未来与反思
        • 10.3.1 具身智能的未来发展趋势
        • 10.3.2 技术伦理与社会影响
        • 10.3.3 跨学科视角中的具身智能
  • 第四篇 人工智能伦理
    • 第11章 人工智能的伦理
      • 11.1 伦理的基本概念
      • 11.2 人工智能伦理的界定
      • 11.3 人工智能伦理理论发展过程
    • 第12章 人工智能伦理风险
      • 12.1 数据安全与隐私风险
      • 12.2 算法偏见与公平性风险
      • 12.3 社会与就业风险
      • 12.4 情感与心理风险
      • 12.5 环境与可持续发展风险
    • 第13章 人工智能伦理相关法律法规
      • 13.1 国际法律法规现状
      • 13.2 国内法律法规情况
      • 13.3 法律法规的作用与局限
    • 第14章 AI社会责任与公众参与
      • 14.1 AI社会责任内涵
      • 14.2 公众参与的意义与方式
      • 14.3 促进AI社会责任与公众参与的机制构建
  • 参考文献

相关图书