人工智能通识教程
丛 书 名：
新工科·新文科·大数据技术与应用系列
作 译 者：王海涛
出 版 日 期：2025-09-01
书 代 号：G0510650
Ｉ Ｓ Ｂ Ｎ：9787121510656
图书简介：
本书主要是为非计算机和人工智能领域专业学生编写的人工智能通识教材，旨在培养具备AI基础知识和AI素养的高素质复合型人才。本书紧扣AI技术前沿，系统讲解核心概念、发展历程、主流学派及核心技术，涵盖机器学习、深度学习、计算机视觉、智能体及自然语言处理等领域，并通过无人驾驶、医疗诊断、智慧城市等典型案例，展现其广泛的应用场景。全书分为七讲：AI概览(基本概念与发展历史)、AI学习机制(AI算法与模型)、感知与认知智能(机器视觉与知识图谱)、智能体与智能系统(AI系统架构与大模型)、NLP与AI大模型(语言处理与生成式AI)、AI应用与发展(AI领域实践)、AI安全与伦理（AI问题与社会问题）。本书内容新颖实用，兼顾广度与深度，注重AI思维和素养的培养，弱化理论基础和实践门槛，助力读者构建AI知识体系，培养AI合规应用与伦理意识。
-
配 套 资 源
-
图 书 内 容
内容简介
本书主要是为非计算机和人工智能领域专业学生编写的人工智能通识教材，旨在培养具备AI基础知识和AI素养的高素质复合型人才。本书紧扣AI技术前沿，系统讲解核心概念、发展历程、主流学派及核心技术，涵盖机器学习、深度学习、计算机视觉、智能体及自然语言处理等领域，并通过无人驾驶、医疗诊断、智慧城市等典型案例，展现其广泛的应用场景。全书分为七讲：AI概览(基本概念与发展历史)、AI学习机制(AI算法与模型)、感知与认知智能(机器视觉与知识图谱)、智能体与智能系统(AI系统架构与大模型)、NLP与AI大模型(语言处理与生成式AI)、AI应用与发展(AI领域实践)、AI安全与伦理（AI问题与社会问题）。本书内容新颖实用，兼顾广度与深度，注重AI思维和素养的培养，弱化理论基础和实践门槛，助力读者构建AI知识体系，培养AI合规应用与伦理意识。图书详情
ISBN：9787121510656开 本：16(185*260)页 数：177字 数：302本书目录
目 录 第1讲 AI概览 1 1.1 相关概念 1 1.1.1 智能的定义 1 1.1.2 人工智能的定义 2 1.2 发展历程 4 1.2.1 漫长孕育 4 1.2.2 诞生成长 5 1.2.3 曲折前行 6 1.2.4 蓬勃兴起 8 1.2.5 发展总结 9 1.3 主流学派 10 1.3.1 符号主义学派 10 1.3.2 连接主义学派 10 1.3.3 行为主义学派 11 1.3.4 学派对比分析 11 1.4 研究范畴 12 1.4.1 学科内涵 12 1.4.2 研究领域 13 1.5 典型应用 18 习题 21 第2讲 AI学习机制 22 2.1 机器学习 22 2.1.1 机器学习概述 22 2.1.2 机器学习分类 24 2.1.3 常见的机器学习算法 31 2.2 机器学习主要流程 36 2.2.1 数据与数据集——机器学习的基石 37 2.2.2 数据预处理 38 2.2.3 模型训练与测试 41 2.2.4 模型评估 42 2.2.5 新样本预测 42 2.3 深度学习常见模型 43 2.3.1 卷积神经网络 43 2.3.2 循环神经网络 46 2.3.3 Transformer 47 2.3.4 生成对抗网络 48 2.3.5 深度强化学习 49 习题 51 第3讲 感知与认知智能 52 3.1 机器视觉 52 3.1.1 什么是机器视觉 52 3.1.2 机器视觉的发展 53 3.1.3 机器视觉的技术要素 53 3.2 计算机视觉 54 3.2.1 什么是计算机视觉 54 3.2.2 计算机视觉的发展历程 56 3.3 模式识别 62 3.3.1 什么是模式识别 62 3.3.2 模式识别的研究进展 63 3.3.3 模式识别的核心任务 63 3.3.4 模式识别的主要方法 63 3.3.5 模式识别的发展趋势 63 3.4 图像识别 64 3.4.1 人类的图像识别能力 64 3.4.2 图像识别的基础 65 3.4.3 图形识别的模型 66 3.4.4 神经网络图像识别 67 3.5 图像理解 67 3.5.1 图像数据处理 67 3.5.2 图像分类 69 3.5.3 图像分割 70 3.6 计算机视觉的应用 72 3.6.1 自动驾驶环境感知系统 72 3.6.2 工业智能质检系统 73 3.6.3 医疗影像辅助诊断系统 74 3.7 知识表示 75 3.7.1 知识和知识表示的概念 75 3.7.2 知识表示方法 75 3.7.3 知识图谱的价值 76 习题 79 第4讲 智能体与智能系统 80 4.1 智能体与智能系统概述 80 4.1.1 智能体组成要素 81 4.1.2 智能系统的分类与演进 82 4.1.3 大模型对智能体发展的影响 83 4.2 智能体的基础理论与架构 85 4.2.1 基础理论 85 4.2.2 智能体的架构模式 86 4.2.3 典型案例 87 4.3 大模型与智能体的关键技术 88 4.3.1 Transformer架构与自注意力机制 88 4.3.2 预训练、微调与指令优化 89 4.3.3 多模态融合 90 4.3.4 复杂环境下的动态推理 91 4.3.5 智能体的持续学习与进化 91 4.4 构建基于大模型的智能体 92 4.4.1 关键模块 92 4.4.2 规划和决策能力 93 4.4.3 记忆机制 93 4.4.4 工具调用 94 4.4.5 推理引擎：ReAct框架 94 4.5 智能系统工程化实践 95 4.5.1 需求分析与场景定制 95 4.5.2 数据处理与管理 95 4.5.3 模型选择与训练优化 96 4.5.4 智能体设计与集成 96 4.5.5 系统部署与运维 96 4.5.6 开发工具链与框架 97 4.6 未来技术趋势 98 4.6.1 具身智能 98 4.6.2 通用人工智能 99 习题 100 第5讲 NLP与AI大模型 101 5.1 语言理解为何困难 101 5.1.1 语言的千面之谜 101 5.1.2 孩童的启示录 101 5.1.3 机器的困境之旅 102 5.2 NLP的核心任务 102 5.2.1 基础处理技术：语言的解剖学 102 5.2.2 深度理解技术：语义的破译工程 103 5.2.3 内容生成技术：机器的创造力觉醒 104 5.3 技术演进之路 104 5.3.1 规则驱动时期(1950—1989)：语言的“乐高积木”时代 104 5.3.2 统计学习时期(1990—2009)：概率开启的巴别塔 105 5.3.3 深度学习革命(从2010年至今)：神经网络的觉醒 105 5.4 语法分析与语义分析：解码语言的双重密码 106 5.4.1 语法分析：语言的建筑学 106 5.4.2 语义分析：意义的侦探术 107 5.4.3 技术进化的双重奏 108 5.4.4 现实挑战与人文思考 109 5.5 处理数据与处理工具：从原始矿藏到精炼燃料 109 5.5.1 数据集：NLP的原始矿脉 109 5.5.2 处理工具：数据炼金术的熔炉 110 5.5.3 现实难点：炼金术士的荆棘之路 110 5.6 大语言模型的概念：数字化的语言基因 111 5.6.1 无预设的进化 111 5.6.2 动态的语义网络 112 5.7 发展历程：从统计模型到认知革命 113 5.7.1 统计机器翻译时代(2000—2012)：笨拙的词语搬运工 113 5.7.2 深度学习崛起(2013—2017)：神经网络的启蒙运动 113 5.7.3 预训练模型纪元(从2018年至今)：智能的寒武纪大爆发 113 5.8 技术原理：智能涌现的数学密码 114 5.8.1 Transformer：语言的时空折叠术 114 5.8.2 训练范式知识的炼金术 115 5.8.3 参数矩阵：智慧的量子纠缠 116 5.8.4 计算炼狱：智能的物理代价 116 5.9 应用场景：从文本生成到社会重构 116 5.9.1 内容创作革命：数字缪斯的觉醒 117 5.9.2 垂直领域突破：专业智能体的崛起 117 5.9.3 多模态融合：跨维度的认知飞跃 118 5.9.4 社会重构：文明演进的双刃剑 118 5.10 生成式人工智能：创造力的数字觉醒 119 5.10.1 多模态生成应用图谱 119 5.10.2 技术基石：创造力的数学密码 121 习题 122 第6讲 AI应用与发展 123 6.1 AI在自主智能系统中的应用 123 6.1.1 无人驾驶汽车 123 6.1.2 无人机集群 124 6.1.3 探索机器人 125 6.2 AI在制造业中的应用 126 6.2.1 工业缺陷检测 126 6.2.2 预测性维护 127 6.3 AI在农业中的应用 128 6.3.1 病虫害检测与管理 128 6.3.2 智能采摘 129 6.4 AI在智慧城市中的应用 129 6.4.1 智能交通 130 6.4.2 智慧能源管理 131 6.4.3 智能废料管理 132 6.5 AI在医疗健康中的应用 133 6.5.1 医学影像智能诊断 133 6.5.2 健康监测与远程医疗 134 6.5.3 AI驱动的药物研发 135 6.6 人工智能的未来发展趋势 136 习题 138 第7讲 AI安全与伦理 139 7.1 AI安全和隐私问题 139 7.1.1 AI安全性挑战 139 7.1.2 AI隐私保护 142 7.2 AI伦理和法律问题 143 7.2.1 伦理与AI伦理概念 143 7.2.2 AI伦理困境 144 7.2.3 AI法律困境 146 7.3 AI产生的其他社会问题 147 7.4 AI安全与伦理问题的应对 148 习题 152 实验平台 153 实验任务一 客户评价情感分析 156 实验任务二 语音识别 165 实验任务三 TTS文字转语音 171 实验任务四 OCR文字识别 173 参考文献 177展开前 言
序 近年来，人工智能的发展浪潮此起彼伏，催生了人工智能时代的到来。AI在各个领域的广泛应用对人类社会产生了深远影响。我国政府和教育主管部门高度重视人工智能教育，积极推动将其纳入高校通识教育体系。这一举措旨在培养具备人工智能素养的复合型人才，以适应未来社会对智能化技术的需求，推动产业升级和经济社会的可持续发展。 本书正是为了适应时代发展需求而创作，由南京审计大学金审学院信息科学与工程学院的多位专职教师及企业兼职教师合作倾心编写。编写组教师长期活跃在教学与科研一线，拥有计算机和人工智能领域丰富的教学经验、深厚的学术造诣和专业背景，确保了本书内容的科学性、系统性和前沿性。全书共分七讲，内容涵盖人工智能的核心概念、发展历程、主流学派、研究范畴以及典型应用等。书中系统地探讨了机器学习、深度学习、自然语言处理和大语言模型等关键技术领域，同时聚焦于AI的安全与伦理问题，引导读者理性思考技术发展与社会价值之间的平衡。具体包括：AI概览(基本概念与发展历史)、AI学习机制(AI算法与模型)、感知与认知智能(机器视觉与知识图谱)、智能体与智能系统(AI系统架构与大模型)、NLP与AI大模型(语言处理与生成式AI)、AI应用与发展(AI领域实践)、AI安全与伦理（AI问题与社会问题）。 本书特色鲜明，内容选取贴合应用型本科院校非计算机和人工智能领域专业学生的特点，注重知识的系统性与广度，深入浅出地讲解人工智能的核心知识，避免过多数学公式与编程细节，降低学习门槛。每讲主题后配备练习题，全书最后还配套了入门级实验任务。这些实验任务基于百度的开源 API 和 Python 开发，操作简单且实用，有助于读者在实践中巩固所学知识，提高动手能力和解决实际问题的能力，真正实现学以致用。 总之，本书是一本适合应用型本科院校和高职高专院校各类专业学生的人工智能入门教材，也适用于对人工智能感兴趣的自学者。它将为读者打开一扇通向人工智能世界的大门，助力他们在未来的学习、工作和生活中更好地应对智能化时代的挑战。我相信，本书的出版将对人工智能通识教育的推广产生有益影响，为培养具有创新精神和实践能力的高素质专业人才贡献积极力量。 2025年6月11日 前 言 随着科学技术的飞速进步，人工智能(AI)已深度融入人们的工作、学习和生活中。从智能家居的便捷操作到自动驾驶的安全出行，从医疗影像的精准诊断到金融风控的有效管理，AI的应用无处不在，正逐步改变着社会的运行模式和人们的生活方式。应用型本科院校，作为培养高素质、应用型专业人才的重要摇篮，肩负着为社会输送具备AI基础知识与技能的复合型人才的重任。因此，编写一本适合应用型本科院校使用的人工智能通识课教材显得尤为迫切和重要。在此背景下，《人工智能通识教程》应运而生，旨在为非计算机和人工智能领域专业的本科生提供一本系统全面、易于理解的人工智能入门教材。通过24至32学时的系统学习，使大学生能够掌握人工智能的基本概念、原理、核心技术及其典型应用，为后续深入学习或应用AI技术奠定坚实的基础。 本书精心设计了七讲内容，每讲围绕一个核心主题展开，旨在帮助学生逐步构建起对人工智能全面而深入的理解，各讲内容具体安排如下： 第1讲 AI概览：介绍人工智能的基本概念、发展历程、主流学派、研究范畴及典型应用，为学生勾勒出AI的宏观图景。 第2讲 AI学习机制：阐述机器学习的基础理论、分类、常见算法及深度学习模型，如卷积神经网络、循环神经网络等，让学生深入了解AI的核心驱动力。 第3讲 感知与认知智能：探讨机器视觉、模式识别、图像理解及知识表示与知识图谱等关键技术，展示AI在感知与认知领域的强大能力。 第4讲 智能体与智能系统：介绍智能体的定义、组成要素、智能系统的分类与演进，以及大模型对智能体发展的影响，揭示AI系统的复杂性与智能性。 第5讲 NLP与AI大模型：讲解自然语言处理(NLP)的核心任务、技术演进、语法语义分析，以及大语言模型的概念、发展历程、技术原理与应用场景，展现AI在语言处理领域的突破。 第6讲 AI应用与发展：分析AI在自主智能系统(如无人驾驶汽车、无人机集群、服务机器人)、制造业、农业、智慧城市、医疗健康等领域的应用，展望AI的未来发展趋势。 第7讲 AI安全与伦理：探讨AI面临的安全和隐私问题、伦理与法律问题，以及AI产生的其他社会问题，并提出针对性的应对措施，培养学生的社会责任感和伦理意识。 面向应用型本科院校学生的特点，我们在编写教材的过程中，力求使本书具有以下特色： (1)紧贴AI技术发展：本书内容紧密跟踪人工智能领域的最新技术进展，确保学生学到的是最前沿、最实用的知识。 (2)覆盖面广，重点突出：在有限的课时内，本书兼顾了AI技术的广度与深度，既覆盖了AI的基础知识，又重点介绍了机器学习、深度学习、自然语言处理等前沿技术。 (3)内容选取合理，门槛低：针对非计算机和人工智能领域专业的学生特点，本书在内容选取上注重合理性与实用性，避免过多的数学公式和编程细节，降低学习门槛，使零基础的学生也能轻松上手。 (4)习题和实验配套系统：每讲都设置了习题，帮助学生巩固所学知识，检验学习效果。此外，本教材最后精心设计了四个低门槛的实验任务，旨在通过动手操作加深学生对理论知识的理解，培养解决实际问题的能力。这些实验任务无须编程背景，便于学生自主完成，提高AI意识和思维。 本教材主要面向应用型本科院校的非计算机和人工智能领域专业学生，也可作为对AI感兴趣的读者的自学教材。建议选用本教材的教师采用理论讲授与实验实践相结合的教学方式，注重培养学生的动手能力和解决实际问题的能力。建议授课总课时为24至32学时，具体分配可根据实际情况调整。编者鼓励学生积极参与课堂讨论和实验实践，通过主动学习加深对AI技术的理解和掌握。 本书是编写组集体智慧的结晶，王海涛负责书稿策划、编写组织和第一讲的编写，郑田娟负责全书统稿以及第二讲和参考实验的编写，其后章节分别由陆苗霞、王孝明、孙钰、郑欣、卢加元和韩娇编写。在本书编写过程中，尽管编者力求内容全面、准确、易于理解，但由于时间仓促和水平有限，难免存在不足和错误。我们真诚地希望广大读者在使用过程中提出宝贵的意见和建议，以便我们不断完善和修订。 最后，我们要衷心感谢南京审计大学金审学院校领导和信息科学与工程学院院领导的鼓励、支持、指导与帮助，特别要感谢南京审计大学金审学院的俞安平校长为本书作序并签名。感谢所有参与本书编写、审校和出版工作的同事、编辑和同学们，是你们的辛勤付出才使得本书得以顺利出版。同时，我们也要向那些为人工智能领域做出杰出贡献的学者们致以崇高的敬意，正是他们的研究成果为本书的编写提供了坚实的理论基础和丰富的素材来源。我们期待本书能够为应用型本科院校的人工智能通识教育贡献一份力量，为培养更多具备AI基础知识与技能的复合型人才做出应有的贡献。 王海涛 2025年6月于南京展开作者简介
王海涛，南京审计大学金审学院信息科学与工程学院教授，数据科学与大数据技术专业负责人，硕士生导师。江苏省人工智能学会理事、江苏省大数据专委会委员、江苏省应用型高校计算机学科建设专委会委员、计算机学会和通信学会高级会员、系统仿真学报编委，IEEE期刊、通信学报、电子学报和软件学报审稿专家。先后毕业于解放军通信工程学院和解放军理工大学获学士、硕士和博士学位。主持国家自然科学基金面上项目1项，主持和参与完成军队和省级科研项目多项，获军队科技进步二等奖1项、军队科技进步三等奖2项。研究方向主要包括：计算机网络、无线自组网、人工智能、信息安全、应急通信和大数据等。迄今，发表学术论文百余篇，出版著作7部，授权国家发明专利9项。 -
样 章 试 读
-
图 书 评 价 我要评论
