适读人群 ：职业本科院校、高等职业院校各专业学生
1）以项目-任务体例组织教学内容，充分重视理论与实践相结合，深入浅出，通俗易懂。
2）应用案例结合了近期社会和教育热点，如DeepSeek大模型、宇树科技四足机器人、游戏《黑神话：悟空》、强脑科技人机接口、群核科技GPU高性能计算等。
3）重视构建人工智能知识基础，包括相关数学素养、计算思维、数据科学和大数据技术知识。
4）重视人工智能专业伦理与职业素养教育，求索人工智能未来发展。
5）配套提供电子课件、微课视频、教学大纲、教案、教学难点、作业题库。

本书是为职业本科院校、高等职业院校各专业学生精心编写的“人工智能通识”课程教材，旨在帮助学生构建系统的人工智能知识体系，培养跨学科思维与实践能力。
本书内容涵盖从人工智能的起源、发展到前沿技术的多个方面，包括人工智能基础概念、数学素养与计算思维、数据科学与大数据技术、智能体与智能体 AI、机器学习、神经网络与深度学习、图像识别与计算机视觉、自然语言处理与大语言模型、生成式人工智能、人工智能技术的应用、机器人及其智能化、群体智能等核心技术，同时结合大量实战练习和项目，强调理论与实践并重。书中特别关注人工智能伦理与安全，探讨其带来的伦理挑战及未来发展方向，引导学生树立正确的价值观，增强责任感。
本书特色在于跨学科融合、聚焦前沿技术，适合作为职业本科院校、高等职业院校“人工智能通识”等相关课程的教材，也适合对人工智能技术感兴趣的读者阅读。

沈庆磊，现任天津职业大学电子信息工程学院副院长，长期深耕电子信息领域教育管理工作，是学院专业建设的中坚力量。作为分管现代通信技术与软件技术专业的负责人，他引进企业真实项目进课堂，开发"课证融通"模块化课程体系，使专业教学紧密对接岗位需求。近年来主持完成天津市职业教育改革项目，指导学生在全国职业院校技能大赛中屡获佳绩，带领团队建成国家精品在线开放课程2门，推动现代通信技术专业入选教育部现代学徒制试点专业，为培养高素质技术技能人才作出突出贡献。

前言
项目1 掌握人工智能基础概念 1
任务1.1 熟悉计算机基础 1
1.1.1 计算的渊源 1
1.1.2 计算机的出现 3
1.1.3 通用计算机 5
1.1.4 计算机语言 7
1.1.5 计算机的智能行为 7
任务1.2 定义人工智能 10
1.2.1 “人工”与“智能” 10
1.2.2 人工智能的定义 10
1.2.3 人工智能实现途径 12
1.2.4 人工智能发展中的“中国风” 13
【作业】 16
【实训与思考】深入理解人工智能与人类思考 18
项目2 培养数学素养与计算思维 20
任务2.1 理解数学素养与计算思维 20
2.1.1 数学是美的 20
2.1.2 数学素养内涵 21
2.1.3 培养和发展数学素养 22
2.1.4 数学素养对人工智能的意义 22
2.1.5 模糊逻辑的定义 23
任务2.2 掌握计算思维与学科基础 25
2.2.1 人工智能学科基础 25
2.2.2 计算思维的概念 26
2.2.3 计算思维的核心要素 27
2.2.4 培养计算思维 28
2.2.5 计算思维对人工智能的意义 29
【作业】 29
【实训与思考】培养数学素养与计算思维 31
项目3 熟悉数据科学与大数据技术 34
任务3.1 从机械思维到数据思维 34
3.1.1 机械思维是现代文明的基础 34
3.1.2 解决不确定性问题的思维 35
3.1.3 数据科学的核心要素 36
3.1.4 数据科学的应用场景 37
3.1.5 从数据到知识 37
任务3.2 大数据思维与思维变革 39
3.2.1 大数据的定义 40
3.2.2 思维转变之一：样本=总体 41
3.2.3 思维转变之二：接受数据的混杂性 42
3.2.4 思维转变之三：数据的相关关系 42
3.2.5 数据挖掘分析方法 43
3.2.6 大数据与人工智能的联系 45
【作业】 46
【实训与思考】数据素养与大数据技术 48
项目4 理解智能体与智能体AI 51
任务4.1 理解智能体和环境 51
4.1.1 智能体的定义 51
4.1.2 智能体的性能度量 52
4.1.3 智能体的任务环境 53
4.1.4 智能体的结构与程序 55
4.1.5 学习型智能体 56
任务4.2 熟悉智能代理与智能体AI 58
4.2.1 智能代理的定义 58
4.2.2 智能代理的典型工作过程 58
4.2.3 智能代理系统内的协同合作 60
4.2.4 智能代理的典型应用 60
4.2.5 下一个风口：智能体 62
4.2.6 智能体AI时代 63
【作业】 64
【实训与思考】分析智能体的设计与行为 66
项目5 熟悉机器学习 69
任务5.1 机器学习简介 69
5.1.1 机器学习的发展历程 70
5.1.2 机器学习的定义 71
5.1.3 监督学习 72
5.1.4 无监督学习 73
5.1.5 机器学习的基本结构 73
任务5.2 机器学习算法 74
5.2.1 回归算法 74
5.2.2 K-近邻算法 75
5.2.3 决策树算法 75
5.2.4 朴素贝叶斯算法 76
5.2.5 聚类算法 76
5.2.6 支持向量机算法 77
5.2.7 神经网络算法 77
5.2.8 梯度增强算法 77
5.2.9 关联规则算法 77
5.2.10 EM（期望最大化）算法 78
5.2.11 机器学习算法的典型应用 78
【作业】 80
【实训与思考】机器学习算法与应用思考 82
项目6 理解神经网络与深度学习 84
任务6.1 熟悉神经系统与神经网络 84
6.1.1 神经系统的结构 85
6.1.2 神经系统学习机制 86
6.1.3 人工神经网络研究 86
6.1.4 深度学习的定义 88
6.1.5 深度学习示例 89
6.1.6 机器学习与深度学习的关系 90
任务6.2 了解卷积神经网络 90
6.2.1 卷积神经网络简介 91
6.2.2 卷积神经网络结构 92
6.2.3 迁移学习的定义 93
6.2.4 强化学习的定义 94
6.2.5 强化学习与监督学习的区别 96
6.2.6 强化学习方法的应用 96
【作业】 98
【实训与思考】熟悉神经网络基础与优化深度学习模型 100
项目7 熟悉图像识别与计算机视觉 103
任务7.1 熟悉模式识别与图像识别 103
7.1.1 模式识别的定义 104
7.1.2 图像识别能力 105
7.1.3 图像识别的主要方法 105
7.1.4 计算机视觉的定义 108
7.1.5 机器视觉的定义 108
7.1.6 计算机视觉与机器视觉的区别 109
任务7.2 掌握智能图像处理技术 110
7.2.1 图像采集 111
7.2.2 图像预处理 111
7.2.3 图像分割 111
7.2.4 目标识别和分类 111
7.2.5 目标定位和测量 112
7.2.6 目标检测和跟踪 112
7.2.7 机器视觉技术的应用 112
【作业】 113
【实训与思考】熟悉图像的处理与 识别 115
项目8 熟悉自然语言处理与大语言模型 118
任务8.1 理解自然语言处理的功能与能力 118
8.1.1 自然语言处理的研究内容 119
8.1.2 深度学习的影响 120
8.1.3 语音理解与语音识别 121
8.1.4 大语言模型 123
8.1.5 高性能、低算力成本的DeepSeek 124
任务8.2 大语言模型的工作原理 126
8.2.1 词元及其标记化 126
8.2.2 基础模型 126
8.2.3 词嵌入及其含义 127
8.2.4 生成和理解 127
8.2.5 大语言模型的核心技术 128
8.2.6 大语言模型生成模型 129
【作业】 131
【实训与思考】初步应用DeepSeek 大模型 133
项目9 掌握生成式人工智能技术 136
任务9.1 熟悉生成式人工智能 136
9.1.1 生成式人工智能的定义 136
9.1.2 AIGC的定义 137
9.1.3 生成式人工智能的应用场景 138
9.1.4 大语言模型的幻觉 139
9.1.5 生成式人工智能的发展趋势 141
任务9.2 熟悉多模态生成技术 141
9.2.1 多模态生成关键技术 142
9.2.2 视觉与文本结合 143
9.2.3 跨媒体内容生成 145
9.2.4 智能感知与响应 148
9.2.5 多模态生成的应用场景 149
9.2.6 技术挑战与发展趋势 151
任务9.3 掌握提示工程原理 153
9.3.1 提示工程的定义 153
9.3.2 提示任务的定义 154
9.3.3 提示词分类 155
9.3.4 提示构成 155
9.3.5 提示调优 156
9.3.6 提示工程技术 156
【作业】 159
【实训与思考】熟悉阿里云大模型“通义千问” 161
项目10 掌握人工智能技术的应用 165
任务10.1 掌握AIGC文本生成技术 165
10.1.1 文本摘要生成 166
10.1.2 诗歌生成 166
10.1.3 简单对话系统 167
10.1.4 多语种翻译 168
10.1.5 图像生成 169
任务10.2 理解预测、推荐和游戏技术 171
10.2.1 大数据预测分析—葡萄酒品质评估 172
10.2.2 智能推荐系统—奈飞电影推荐 174
10.2.3 智能推荐系统—亚马逊图书推荐 174
10.2.4 游戏科学与《黑神话：悟空》 175
【作业】 179
【实训与思考】提升人工智能应用的实战能力 181
项目11 熟悉机器人及其智能化 184
任务11.1 熟悉传统机器人学 184
11.1.1 “中文房间” 185
11.1.2 传统机器人学 185
11.1.3 建立包容体系结构 186
11.1.4 机器感知与机器思维 188
11.1.5 机器人“三原则” 188
任务11.2 结合机器人与AIGC 189
11.2.1 智能与非智能机器人 190
11.2.2 AIGC应用于机器人 190
11.2.3 机器人的组成 191
11.2.4 机器人的运动 193
11.2.5 波士顿机器人大狗 194
11.2.6 宇树科技及其四足机器人 194
【作业】 196
【实训与思考】机器人编程与应用 198
项目12 掌握群体智能技术 201
任务12.1 熟悉群体智能技术 201
12.1.1 向蜜蜂学习群体智能 201
12.1.2 群体智能的两种机制 203
12.1.3 蚁群算法 204
12.1.4 搜索机器人算法 206
12.1.5 粒子群（鸟群）优化算法 206
任务12.2 群体智能的应用与
发展 207
12.2.1 基本原则与特点 208
12.2.2 没有机器人的集群 208
12.2.3 群体智能的应用 211
12.2.4 机器“狼”的发展 211
【作业】 212
【实训与思考】群体智能算法与应用 214
项目13 理解人工智能伦理与安全 216
任务13.1 人工智能面临的伦理挑战 216
13.1.1 创造智能机器的大猩猩问题 216
13.1.2 人工智能与人类的关系 217
13.1.3 人与智能机器的沟通 218
13.1.4 数据共享问题 218
13.1.5 机器人权利 219
任务13.2 构建“可信赖”人工智能系统 219
13.2.1 人工智能伦理与安全 220
13.2.2 《人工智能创新发展道德伦理宣言》 222
13.2.3 欧盟可信赖的伦理准则 224
13.2.4 人工智能系统“人机对齐” 225
13.2.5 人工智能伦理的发展 227
【作业】 228
【实训与思考】制定人工智能伦理原则 230
项目14 求索人工智能创新发展 232
任务14.1 人工智能的社会影响 232
14.1.1 人工智能发展的启示 233
14.1.2 发展现状与影响 233
14.1.3 人工智能的极限 234
14.1.4 人工智能工程 235
14.1.5 影响工程的顶级趋势 236
任务14.2 通用人工智能 238
14.2.1 传感器与执行器 238
14.2.2 通用人工智能概念 239
14.2.3 意识与感知 240
14.2.4 预训练时代或走向终结 241
【作业】 242
【课程学习与实训总结】 244
附录 作业参考答案 247
参考文献 250

人工智能已经成为当今科技领域具有影响力和变革性的力量之一，它不仅推动着技术进步，更深刻地改变了人们的生活方式、工作模式以及对世界的认知。本书旨在为读者提供一个全面、系统且深入的人工智能知识体系，帮助读者更好地理解这一新兴技术，并探索其在各个领域的广泛应用。
人工智能的发展历程是人类智慧与技术融合的光辉典范。从早期的计算工具，到现代计算机的诞生，再到如今机器学习、深度学习、强化学习以及自然语言处理等技术的蓬勃兴起，都为人工智能的持续发展奠定了坚实的基础。它不仅能够模拟人类的智能行为，还能通过多模态融合技术实现跨领域的创新应用。这些技术的突破，使得人工智能在文化创意、医疗健康、智慧城市、金融服务以及科学研究等多个领域展现出巨大的潜力和价值。
本书在基础理论知识部分深入探讨了人工智能的起源、发展脉络、数学与计算思维基础，以及数据科学与大数据技术等内容，为读者构建一个完整的理论框架。同时，通过对人工智能的定义、实现途径和阶段性发展的介绍，帮助读者了解技术的概念和价值。
本书围绕人工智能的核心技术，详细介绍了智能体与智能体 AI、机器学习、神经网络与深度学习、图像识别与计算机视觉、自然语言处理与大语言模型、生成式人工智能等核心技术。通过对这些技术的深入剖析，读者能够掌握人工智能的核心技术，了解如何通过技术创新推动其发展。
本书展示了人工智能在机器人、计算机视觉、群体智能、智能推荐系统、预测分析等多个领域的广泛应用。通过丰富的案例和实践分析，读者将看到人工智能如何为各个行业带来创新和变革，同时了解到其在实际应用中面临的挑战和未来的发展方向。
本书最后探讨了人工智能所带来的伦理、法律和社会问题。从数据隐私保护到知识产权问题，从人工智能伦理原则到人工智能创新发展，本书将引导读者思考如何在推动技术进步的同时，确保其符合人类的价值观和社会利益。
本书撰写过程中力求做到内容的全面性、准确性和可读性，希望本书不仅能够成为各专业学生的“人工智能通识”课程教材，也能为对人工智能感兴趣的普通读者提供一个清晰易懂的入门指南。同时，期望读者在阅读本书的过程中，积极参与相关技术的研究和实践，探索人工智能的无限可能。人工智能的未来充满了机遇和挑战。希望本书能够激发更多人对这一领域的兴趣和热情，共同推动人工智能技术的发展，为人类社会的进步贡献力量。
对于在校大学生来说，人工智能的概念、技术与应用是一门理论性和实践性都很强的“必修”课程。本书精心设计了课程教学过程，每个项目都针对性地安排了课后“作业”和“实训与思考”环节，要求学生在拓展阅读的基础上，深入理解和掌握人工智能知识。
本书的教学进度设计见“课程教学进度表”，该表可作为教师授课参考。实际执行时，教师应按照教学大纲安排教学进度，确定本书的实际教学计划。
本书特色鲜明、易读易学，适合职业本科院校、高等职业院校各专业学生学习，也适合对人工智能以及相关领域感兴趣的读者阅读参考。
本书微课视频二维码的使用方式：
1）刮开教材封底处的“刮刮卡”，获得“兑换码”。
2）关注微信公众号“天工讲堂”，选择“我的”—“使用”。
3）输入“兑换码”和“验证码”，选择本书全部资源并免费结算。
4）使用微信扫描教材中的二维码观看微课视频。
本书的编写工作得到了天津职业大学、天津机电职业技术学院、天津海运职业学院、天津国土资源和房屋职业学院等多所院校师生的支持。本书由沈庆磊、邱影杰、杨国梁任主编，李爱军、崔丽容、李建刚任副主编，参加本书编写工作的还有马莉、付子懿、刘思、周苏。欢迎教师与作者交流并索取与本书配套的相关教学资料。
本书的教学评测建议可以从以下几个方面入手。
（1）每个项目的课后“作业”（14项）。
（2）每个项目的“实训与思考”（13项）。
（3）项目14的“课程学习与实训总结”。
（4）学生针对每个项目完成的阅读笔记（建议）。
（5）平时考勤情况。
（6）任课老师认为有必要的其他评测方法。
由于作者水平有限，书中难免有疏漏之处，恳请读者批评指正。