人工智能通识

作者：黄源、涂旭东 主编；任东哲、刘治欢 副主编

丛书名：AI时代高等学校通识教育系列教材

定价：59元

内容简介

本书是一本介绍人工智能的基本概念和相应的技术应用的图书。全书共13章，分别介绍人工智能概述、专家系统、机器学习、深度学习、优化算法、计算机视觉、自然语言处理、知识图谱、大语言模型与 AIGC、AI智能体、智能机器人、人工智能安全与伦理以及人工智能应用。

本书可作为本科院校和职业院校相关专业的教材，也可作为信息技术领域的专业技术人员的参考用书。

本书特色

本书注重内容的可读性与实用性，每章均配有典型案例与技术解析，帮助读者在理解原理的同时，建立对技术应用场景的直观认识。书中内容既涵盖了经典理论，也融入了近年来快速发展的前沿成果，如生成式人工智能和大语言模型，力求反映人工智能领域的最新动态。

配套资源

为便于教与学，本书配有教学大纲、教学课件、视频讲解、习题答案。

读者对象

本书可作为本科院校和职业院校相关专业的教材，本书面向非专业背景的学生和公众，打破技术壁垒，普及人工智能基础知识、发展脉络与核心理念，帮助学习者理解人工智能如何影响社会、经济、伦理与日常生活。通过本书的学习，学生不仅能够理解“人工智能是什么、能做什么、如何工作”，更能思考“人工智能应如何被负责任地使用”，从而在智能化浪潮中具备辨别力、适应力与创新意识，成为具备科技素养的未来公民。同时，本书也可作为信息技术领域的专业技术人员的参考用书。

目录

第1章人工智能概述

1．1什么是人工智能

1.1.1人工智能的起源与发展

1.1.2人工智能研究的主要学派

1．2人工智能的核心因素

1．2．1算法

1．2．2算力

1．2．3数据

1．3人工智能的发展趋势

1．4人工智能的常用语言

1．5本章小结

习题1

第2章专家系统

2．1认识专家系统

2．1．1专家系统概述

2．1．2专家系统的组成

2．1．3MYCIN系统

2．2专家系统的行业应用

2．2．1医学专家系统

2．2．2农业专家系统

2．2．3金融专家系统

2．3本章小结

习题2

第3章机器学习

3．1机器学习概述

3．1．1认识机器学习

3．1．2机器学习的研究与发展

3．2机器学习算法

3．2．1分类算法

3．2．2回归算法

3．2．3聚类算法

3．3机器学习的案例

3．3．1工业领域

3．3．2农业领域

3．4本章小结

习题3

第4章深度学习

4．1深度学习概述

4．2深度学习的原理与技术

4．2．1感知机

4．2．2卷积神经网络

4．2．3网络架构

4．2．4生成对抗网络

4．2．5自注意力机制

4．3本章小结

习题4

第5章优化算法

5．1认识优化算法

5．1．1最优化理论基础

5．1．2传统优化算法

5．1．3智能优化算法

5．2梯度下降算法

5．2．1梯度下降算法的基本思想

5．2．2导数与梯度

5．2．3梯度下降算法的实现步骤

5．2．4梯度下降算法举例

5．2．5梯度下降算法的不足和改进

5．3遗传算法

5．3．1遗传算法概述

5．3．2编码

5．3．3交叉和变异

5．3．4选择

5．3．5参数设定

5．3．6遗传算法举例

5．4蚁群算法

5．4．1基本蚁群算法

5．4．2蚁群算法的数学模型

5．4．3蚁群算法的基本流程

5．4．4参数选择

5．4．5信息素更新策略

5．4．6蚁群算法的优缺点

5．5优化算法的应用

5．5．1几类优化算法的具体应用

5．5．2梯度下降算法的具体应用

5．5．3遗传算法的具体应用

5．5．4蚁群算法的具体应用

5．6小结

习题5

第6章计算机视觉

6．1认识计算机视觉

6．1．1计算机视觉的定义

6．1．2人类视觉与计算机视觉的比较

6．1．3计算机视觉与机器视觉的比较

6．1．4计算机视觉的发展简史

6．1．5计算机视觉与人工智能的关系

6．2计算机视觉的主要内容

6．2．1图像获取与表示

6．2．2图像预处理

6．2．3特征提取与描述

6．2．5图像分割

6．2．6三维视觉

6．2．7计算机视觉模型的本质

6．3计算机视觉技术的应用

6．3．1在分类与检测中的应用

6．3．2在医学中的应用

6．3．3在视觉导航中的应用

6．3．4智能交通

6．3．5移动机器人

6．3．6在人机交互中的应用

6．3．7在虚拟现实中的应用

6．3．8在卫星遥感中的应用

6．3．9在公安与安防系统中的应用

6．4本章小结

习题6

第7章自然语言处理

7．1自然语言处理概述

7．1．1自然语言处理的概念

7．1．2自然语言处理的目标

7．1．3自然语言处理的发展历程

7．2文本处理

7．2．1文本预处理

7．2．2文本表示方法

7．2．3文本分类与聚类

7．3机器翻译

7．3．1机器翻译概述

7．3．2主流机器翻译方法

7．3．3机器翻译的发展现状

7．3．4机器翻译的典型应用场景

7．5自然语言处理的挑战和发展趋势

7．5．1挑战

7．5．2发展趋势

7．6自然语言处理的应用

7．7小结

习题7

第8章知识图谱

8．1知识图谱概述

8．1．1认识知识图谱

8．1．2知识图谱的类型

8．1．3知识图谱的分层架构

8．2知识图谱的实现

8．2．1知识建模

8．2．2知识抽取

8．2．3知识融合

8．2．4知识存储

8．2．5知识推理

8．3知识图谱的应用

8．3．1知识图谱应用概述

8．3．2知识图谱的应用示例

8．4本章小结

习题8

第9章大语言模型与AIGC

9．1大语言模型概述

9.1.1Transformer 模型

9．1．2大语言模型架构

9．1．3大语言模型关键技术

9．1．4GPT系列模型的演变

9．1．5大语言模型实现创意写作

9．2大语言模型的应用

9．3AIGC概述

9．3．1认识AIGC

9．3．2AIGC应用示例

9．4本章小结

习题9

第10章AI智能体

10．1智能体概述

10．1．1认识智能体

10．1．2智能体的组成

10．1．3智能体与工作流

10．2认识AI智能体

10．2．1AI智能体概述

10．2．2AI智能体应用

10．3常见的AI智能体平台

10．3．1Coze平台

10．3．2豆包平台

10．3．3Dify平台

10．3．4文心智能体平台

10．3．5腾讯元器

10．4本章小结

习题10

第11章智能机器人

11．1认识智能机器人

11．1．1智能机器人的定义

11．1．2智能机器人的发展历程

11．1．3智能机器人的分类

11．2智能机器人关键技术

11．2．1感知层

11．2．2执行层

11．2．3通信层

11．2．4操作平台

11．2．5控制层

11．2．6智能决策层

11．2．7数字孪生层

11．2．8交互层

11．2．9能源层

11．3智能机器人应用

11．4本章小结

习题11

第12章人工智能安全与伦理

12．1人工智能安全

12．1．1人工智能安全的内涵

12．1．2人工智能安全风险

12．2人工智能伦理

12．2．1人工智能伦理的概念与特点

12．2．2人工智能伦理准则

12．2．3人工智能伦理风险

12．3本章小结

习题12

第13章人工智能应用

13．1智慧物流

13．1．1智慧物流概述

13．1．2智慧物流典型案例

13．2智慧教育

13．2．1智慧教育概述

13．2．2智慧教育典型案例

13．3智慧医疗

13．3．1智慧医疗概述

13．3．2智慧医疗典型案例

13．4智慧工厂

13．4．1智慧工厂概述

13．4．2智慧工厂典型案例

13．5本章小结

习题13

参考文献