图书详情

配套资源图书内容样章/电子教材图书评价

配套资源
本书资源

本书暂无资源
会员上传本书资源
为本书上传资源

图书内容

内容简介

人工智能通识教育是适配AI时代人才培养的重要课题。本书紧扣人工智能发展趋势和国家战略导向，围绕人工智能通识教育的完整知识链路展开，从人工智能概述切入，逐步夯实计算和算力、数据表示等底层基础，然后通过人工智能编程基础掌握实践工具，通过机器学习理解智能模型的核心原理，继而学习计算机视觉与自然语言处理两大主流应用领域。在此基础上，本书进一步介绍了智能体，帮助学习者认识智能体在学习、工作和专业实践中的应用价值，理解人工智能如何从信息生成走向连续的任务执行，从而建立较为完整的人工智能理论框架和实际应用视野。全书共7章，采用“核心内容+拓展补充”双轨呈现模式，以二维码形式拓展进阶内容，用“知识小贴士”穿插关联的储备知识，并标注出学习重点。本书深度融入课程思政内容，突出国产自主创新成果，提供教学大纲、电子课件、源代码、习题解答及数字化学习资源，并配套有《人工智能通识实践教程》（ISBN 978-7-121-50360-3），助力实现“理论+实践”协同教学。本书内容循序渐进、形式灵活、实用性强，可作为高等学校各专业人工智能通识教育课程教材，也适合希望系统了解人工智能知识的读者阅读。

图书详情

ISBN：9787121532788

开本：16开

页数：232

字数：371

本书目录

第1章  人工智能概述	1
1.1  人工智能时代	2
1.1.1  智能化时代	2
1.1.2  我国人工智能发展现状	3
1.2  人工智能的起源和定义	3
1.2.1  人工智能的起源	4
1.2.2  人工智能的定义	5
1.3  人工智能的发展和主流学派	6
1.3.1  人工智能发展历程	6
1.3.2  符号主义	7
1.3.3  连接主义	8
1.3.4  行为主义	8
1.3.5  三大学派的融合与演进	9
1.4  人工智能的主要研究领域	10
1.4.1  机器学习	10
1.4.2  计算机视觉	11
1.4.3  自然语言处理	12
1.4.4  生成式人工智能	13
1.4.5  具身智能	14
1.5  人工智能的伦理安全	15
1.5.1  隐私保护与数据安全风险	15
1.5.2  算法歧视与社会公平性挑战	16
1.5.3  深度伪造与信息真实性危机	17
1.5.4  自动化决策中的道德困境与责任主体	18
1.5.5  人工智能伦理治理的原则与实践	19
习题1	20
第2章  人工智能世界中的计算和算力	21
2.1  冯・诺依曼体系结构—现代计算机的基石与局限	21
2.1.1  冯・诺依曼体系结构概述	22
2.1.2  冯・诺依曼体系结构的硬件组成	22
2.1.3  模型机构建与指令执行机制	23
2.1.4  冯・诺依曼体系结构的瓶颈	27
2.2  传统算力—CPU	28
2.2.1  CPU的架构	28
2.2.2  现代CPU的特点	29
2.2.3  我国自主研发CPU的现状	31
2.3  人工智能时代的算力	32
2.3.1  人工智能时代的计算需求	33
2.3.2  GPU	34
2.3.3  TPU	37
2.3.4  云计算与边缘计算	38
习题2	40
第3章  人工智能世界中的数据表示	42
3.1  计算机中常用的数制	42
3.1.1  数制的概念	43
3.1.2  二进制	43
3.1.3  十六进制	45
3.1.4  数制之间的转换	45
3.2  数值在计算机中的表示	47
3.2.1  整数的表示	47
3.2.2  浮点数的表示	49
3.3  人工智能世界中的图像数据表示	52
3.3.1  图像的数字化过程	52
3.3.2  常用的图像文件格式	56
3.3.3  人工智能世界中图像数据的张量表示	57
习题3	60
第4章  人工智能编程基础	62
4.1  计算机语言的编译和解释	63
4.1.1  计算机语言发展历程	63
4.1.2  编译执行	64
4.1.3  解释执行	64
4.2  Python程序示例	65
4.2.1  认识程序和程序中的数据	66
4.2.2  实现程序和用户之间的对话—输入和输出	67
4.2.3  程序的决策能力：条件和分支结构	70
4.2.4  程序的重复执行：循环结构	72
4.3  程序＝数据结构＋算法	75
4.3.1  列表	75
4.3.2  元组	77
4.3.3  字典	78
4.4  Python函数	79
4.4.1  Python的函数体系	79
4.4.2  自定义函数及函数的调用	81
4.5  文本数据处理	83
4.5.1  数据准备与预处理	83
4.5.2  计算词频	85
4.5.3  计算逆文档频率	85
4.5.4  整合和关键词提取	86
4.6  图像数据处理	89
4.6.1  图像的数据结构	89
4.6.2  图像的读取、显示和保存	89
4.6.3  图像基础操作	90
习题4	91
第5章  机器学习	93
5.1  机器学习概述	93
5.1.1  什么是机器学习	94
5.1.2  机器学习发展历程	95
5.1.3  机器学习分类	97
5.2  经典机器学习算法	98
5.2.1  决策树	98
5.2.2  支持向量机	100
5.2.3  随机森林	101
5.2.4  线性回归	102
5.2.5  K-Means聚类	104
5.3  机器学习过程	105
5.4  数据集划分	107
5.4.1  留出法	107
5.4.2  验证集	107
5.4.3  K折交叉验证法	108
5.5  模型的训练过程	108
5.5.1  损失函数	108
5.5.2  梯度下降算法	110
5.6  模型评估	114
5.6.1  欠拟合和过拟合	114
5.6.2  分类模型的评估	115
5.6.3  回归模型的评估	117
5.7  Scikit-learn	118
5.7.1  Scikit-learn中的数据集	118
5.7.2  划分数据集	119
5.7.3  机器学习建模	121
5.7.4  评估模型	121
习题5	123
第6章  计算机视觉	125
6.1  计算机视觉概述	125
6.1.1  计算机视觉的概念	125
6.1.2  计算机视觉的发展	127
6.2  数据增强技术	128
6.3  全连接前馈神经网络	132
6.3.1  从生物神经元到人工神经元	132
6.3.2  人工神经网络	133
6.3.3  激活函数	134
6.3.4  神经网络的训练过程	137
6.4  卷积神经网络	144
6.4.1  Hubel & Wiesel视觉理论	144
6.4.2  卷积的核心思想	145
6.4.3  卷积神经网络的基本结构	149
6.5  经典计算机视觉神经网络	152
6.5.1  AlexNet—深度学习的引爆点	152
6.5.2  VGGNet—深度与简洁的典范	153
6.5.3  GoogLeNet—效率与创新的代表	155
6.5.4  ResNet—超越深度的极限	157
6.5.5  卷积神经网络的发展趋势和新方向	158
6.6  计算机视觉的典型应用	160
6.6.1  物体检测	160
6.6.2  视觉关系抽取	161
6.6.3  视觉推理	163
习题6	164
第7章  自然语言处理	167
7.1  自然语言处理概述	168
7.1.1  自然语言的发展历程	168
7.1.2  自然语言的基本任务	170
7.1.3  自然语言处理的典型应用	173
7.2  自然语言的词表示技术	178
7.2.1  离散式词表示	178
7.2.2  分布式词嵌入表示	180
7.2.3  注意力机制和动态上下文感知词表示	183
7.3  神经网络语言模型	186
7.3.1  循环神经网络（RNN）	187
7.3.2  长短时记忆网络（LSTM）	190
7.3.3  Transformer架构	191
7.4  大语言模型	196
7.4.1  大语言模型的发展	196
7.4.2  大语言模型的训练	197
7.4.3  DeepSeek的历史意义	203
习题7	204
参考文献	206

展开

前言

近年来，人工智能进入加速发展和广泛应用的新阶段。大模型逐步融入学习、工作和日常生活，具身智能、自动驾驶等技术不断拓展人工智能与现实世界的连接方式。随着大模型从内容生成进一步走向工具调用、任务执行和多智能体协作，人工智能正在从“会回答问题”向“能够围绕目标完成任务”持续演进。
这些变化也给人工智能通识教育提出了新的要求。学习者既需要了解人工智能的基本概念、数据基础和核心原理，也需要理解大模型和智能体等新型人工智能应用是如何工作的，学会合理使用人工智能工具，并能够对其结果、权限、安全和责任边界做出判断。人工智能通识教育正在从知识普及进一步走向理解人工智能、使用人工智能、与人工智能协作以及负责任地应用人工智能。
基于这一认识，本书围绕“认知—基础—工具—原理—应用—智能体”这一知识链路组织内容。第1章从人工智能的发展、基本概念和主要研究领域入手，建立整体认知；第2章介绍计算和算力，第3章介绍数据表示，为理解人工智能运行机制奠定基础；第4章介绍人工智能编程基础，提供了基本的实践方法；第5章介绍机器学习的基本思想与方法；第6章和第7章分别介绍计算机视觉和自然语言处理，帮助理解人工智能处理图像和语言的基本机制；第8章围绕智能体，讨论人工智能如何从内容生成走向目标驱动的任务执行。通过这样的知识链路，学习者可以逐步形成较为完整的人工智能基础认知和应用视野。
本书的特色如下。
（1）立足时代发展，突出人工智能通识教育的前沿性。
本书在介绍机器学习、计算机视觉和自然语言处理等基础内容的同时，关注生成式人工智能快速发展带来的新变化，将大模型、检索增强生成、工具调用、智能体、多智能体协作等内容纳入通识教育知识体系。特别是在智能体部分，从“会回答”到“会做事”的能力变化出发，介绍知识增强、工具使用、任务规划、执行反馈以及人工监督等基本机制，帮助学习者理解人工智能应用从内容生成向任务执行和协同工作的能力扩展。
（2）知识体系循序渐进，适配通识教育的认知规律。
全书从整体认知出发，逐步进入计算、数据、编程、机器学习，再延伸到视觉、语言和智能体。各章既保持必要的知识联系，又控制技术难度和实现深度，使非计算机专业学习者也能够沿着清晰的知识主线逐步理解人工智能的基本原理和应用方式。
（3）重视价值引领，关注技术发展中的责任与边界。
本书将价值引领融入人工智能知识学习过程，通过介绍DeepSeek、昇腾、宇树机器人等我国人工智能领域的创新成果，展现科技创新与自主发展的实践；结合“人工智能+”等发展背景，引导学习者认识人工智能带来的机遇。同时，在算法公平、隐私保护、数据安全、智能体权限控制和人的最终责任等内容中，引导学生形成技术向善、安全使用和负责任地应用人工智能的意识。
（4）呈现形式灵活，兼顾知识深度与阅读体验。
本书采用“核心内容+拓展资源”的方式组织教学内容。复杂计算、公式推导和前沿知识可通过二维码进一步学习；“知识小贴士”用于补充理解正文所需的背景知识；图表、案例和重点内容标识帮助学习者把握关键概念。对于变化较快的平台和技术，则通过数字资源进行补充和更新，使纸质教材保持相对稳定的知识框架。
（5）注重理论与实践衔接，提供丰富的配套教学资源。
本书配套有教学大纲、电子课件、源代码、习题解答及数字化学习资源，并可以与《人工智能通识实践教程》（ISBN 978-7-121-50360-3）相互配合。理论教材帮助学习者建立知识框架，实践教材通过实验、交互资源和智能应用任务进一步理解和使用相关技术，为课程教学、课后学习和实践探索提供支持。
本书由宋晏、范茜莹、王昱洁和李莉共同编著。其中，范茜莹编写了第1、4、8章，王昱洁编写了第2、3章，宋晏编写了第5、7章，李莉编写了第6章，宋晏进行了全书的统稿工作。本书是团队智慧的结晶，感谢各位老师的辛苦付出。
人工智能仍在快速发展，新的模型、工具和应用形态还将不断出现。教材难以穷尽所有技术变化，我们希望帮助学习者建立相对稳定的基本认识：理解人工智能的基本原理，认识其能力来源和应用方式，学会与人工智能协同完成任务，同时保持必要的判断、边界意识和责任意识。
书中疏漏和不足之处，恳请广大读者批评指正。
作者

展开

作者简介

本书暂无作者简介

样章试读

本书暂无样章试读！
图书评价

本书资源

会员上传本书资源

内容简介

图书详情

本书目录

前 言

作者简介

前言