书名：人工智能通识教程
定价：59.0
ISBN：9787513687096
作者：尤晓东
版次：1
出版时间：2026-08

内容提要：
全书四部分循序渐进：*部分“基础认知”（第1—6章）以生活化类比建立人工智能全景图，通过“数据是燃料、算力是发动机、模型是菜谱”等通俗框架，帮助读者理解数据治理、算力网络、训练推理等底层支撑；*部分“核心技术”（第7—12章）系统解析机器学习三大范式、神经网络与深度学习、大模型与提示词工程、多模态人工智能、智能体技术与具身智能，每章纵向讲透技术逻辑与能力边界；第三部分“应用实践”（第13—17章）覆盖计算机视觉、自然语言处理、智能语音与机器人技术，并通过第16章跨专业研讨课与第17章综合项目实战，引导读者完成需求分析、技术选型到成果交付的完整项目周期，实现从技术理解到复杂问题解决的跨越；第四部分“伦理规范”（第18—19章）深入探讨数据隐私、算法公平、学术伦理与职业责任，构建科技向善的价值观。本书编写避开复杂数学推导与代码门槛，工具选型聚焦文心一言、通义千问、讯飞星火、豆包等国产免费平台，通过文科、财经、医科、农林、工科、商科六大专业的真实场景案例（如古籍智能标点、信贷风控、眼底筛查、病虫害识别、设备预测性维护等），实现“理论学习—*代码实操—专业落地”的闭环。书中同步设置思政价值模块，展现人工智能在文化传承、普惠金融、乡村振兴、实体经济发展中的社会价值，引导读者树立技术向善的责任意识。



作者简介：
尤晓东，中国人民大学信息学院副教授。*高等学校计算机基础教育研究会常务理事、*高等学校计算机基础教育研究会财经信息管理专业委员会副主任兼秘书长、北京市高等教育学会计算机教育研究分会常务理事。近年讲授课程为“人工智能与数据技术基础”与“人工智能与大模型应用”。

目录：

第1部分基础认知：人工智能的本质与底层支撑

第1章人工智能的定义与发展历程

1.1人工智能的定义与内涵

1.2人工智能的分类

1.3人工智能的发展历程

1.4全球人工智能发展格局

1.5案例深一度：自主创新与普惠发展

1.6高校与专业场景案例

1.7实操任务：校园/专业人工智能应用调研与分类

1.8本章小结

1.9习题与拓展

第2章人工智能的三大流派

2.1符号主义：“规则+逻辑”的理性推理

2.2连接主义：“神经网络”模拟大脑学习

2.3行为主义：“互动试错”的强化学习

2.4三大流派的融合与发展趋势

2.5延伸思考：跨流派融合的中国智慧

2.6高校与专业场景案例

2.7实操任务：人工智能流派与应用场景匹配

2.8本章小结

2.9习题与拓展

第3章数据：人工智能的燃料

3.1数据的定义与分类

3.2数据的价值

3.3数据质量的关键指标

3.4数据治理与合规使用

3.5行业透视：数据*与数字责任

3.6专业场景案例深度解析

3.7实操任务：校园/专业数据收集与分类

3.8本章小结

3.9习题与拓展

第4章算力：人工智能的发动机

4.1算力的定义与作用

4.2算力网络的构成与工作逻辑

4.3国产算力发展与高校免费资源

4.4算力与人工智能模型的匹配关系

4.5创新实践：算力普惠与教育公平

4.6专业场景案例深度解析

4.7实操任务：国产人工智能工具体验与专业应用调研

4.8本章小结

4.9习题与拓展

第5章模型：人工智能的菜谱

5.1模型的定义与本质

5.2模型的分类

5.3模型的目标与工作流程

5.4模型的评价指标

5.5匠心之道：简约模型与务实创新05.6专业场景案例深度解析

5.7实操任务：人工智能模型能力体验与提示词优化实践

5.8本章小结

5.9习题与拓展

第6章训练与推理：人工智能学习的过程

6.1训练过程：模型的学习阶段

6.2推理过程：模型的应用阶段

6.3训练与推理的关键问题

6.4数据质量对训练与推理的影响

6.5精进之路：从可用到*的打磨

6.6高校与专业场景案例深度解析

6.7实操任务：模拟数据量对模型效果的影响

6.8本章小结

6.9习题与拓展

第2部分核心技术：人工智能的能力解析

第7章机器学习基础

7.1机器学习的定义与价值

7.2机器学习分类

7.3机器学习的适用场景与局限

7.4案例深一度：技术普惠与包容性发展

7.5专业场景案例深度解析

7.6实操任务：机器学习应用场景设计与体验

7.7本章小结

7.8习题与拓展

第8章神经网络与深度学习

8.1神经网络的设计灵感与基本结构

8.2神经网络的工作原理

8.3深度学习：深层神经网络的优势

8.4关键架构与典型应用场景

8.5自主创新与开源生态：从算法到算力的突破

8.6专业场景案例深度解析

8.7实操任务：体验深度学习特征提取与黑箱特性

8.8本章小结

8.9习题与拓展

第9章大模型与提示词工程

9.1大模型的定义与本质

9.2大模型的关键特点与能力

9.3国产大模型盘点

9.4提示词工程核心原则

9.5技术自主与数字包容：国产大模型的社会价值

9.6专业场景案例深度解析（进阶应用）

9.7实操任务：提示词优化实验

9.8本章小结

9.9习题与拓展

第10章多模态人工智能技术

10.1多模态人工智能的定义与逻辑

10.2多模态人工智能的能力

10.3主流国产多模态工具与使用场景

10.4技术发展趋势与局限

10.5包容性创新与多元价值实现

10.6专业场景案例深度解析（进阶应用）

10.7实操任务：跨模态信息整合实验

10.8本章小结

10.9习题与拓展

第11章智能体技术

11.1智能体的定义与特征

11.2智能体的构成

11.3智能体的典型分类与应用场景

11.4智能体的技术实现逻辑

11.5智能治理与社会价值实现

11.6专业场景案例深度解析（进阶应用）

11.7实操任务：设计本专业人工智能助手服务方案

11.8本章小结

11.9习题与拓展

第12章具身智能

12.1具身智能的定义与内涵

12.2具身智能的核心能力

12.3具身智能的典型载体与关键技术

12.4具身智能的发展现状与趋势

12.5实体经济赋能与高质量发展

12.6专业场景案例深度解析（进阶应用）

12.7实操任务：具身智能产品调研与适老化改造建议

12.8本章小结

12.9习题与拓展