目录

●学习单元1 人工智能概述 1 学习目标 1 知识图谱 2 1.1 人工智能的概念 3 1.1.1 人工智能的定义 3 1.1.2 图灵测试 3 1.2 人工智能的发展 5 1.2.1 代表人物和事件 6 1.2.2 人工智能发展史 8 1.2.3 我国人工智能的发展状况 13 1.3 人工智能的分类 16 1.3.1 弱人工智能 16 1.3.2 强人工智能 17 1.3.3 超人工智能 17 1.4 人工智能研究的主要学派 17 1.4.1 符号主义学派 17 1.4.2 连接主义学派 19 1.4.3 行为主义学派 20 1.5 人工智能的主要研究领域 21 1.5.1 感知问题 21 1.5.2 模式识别 22 1.5.3 博弈 22 1.5.4 搜索 23 1.5.5 自然语言处理 23 1.5.6 专家系统 24 1.5.7 机器人学 25 1.6 实训 26 1.6.1 实训1 体验“九歌”诗歌写作系统 26 1.6.2 实训2 体验“文心一言” 27 1.7 拓展知识：未来已来，人工智能改变生活 29 1.8 习题 30 学习单元2 人工智能生态 32 学习目标 32 知识图谱 33 2.1 大数据 34 2.1.1 什么是大数据 34 2.1.2 大数据的四大特性 35 2.1.3 大数据与人工智能 36 2.1.4 大数据的应用案例 37 2.2 物联网 38 2.2.1 什么是物联网 38 2.2.2 物联网的技术架构 39 2.2.3 物联网的特点 40 2.2.4 物联网的未来趋势 41 2.2.5 物联网与人工智能 41 2.3 云计算 42 2.3.1 什么是云计算 42 2.3.2 云计算的特点 43 2.3.3 云计算的分类 43 2.3.4 云计算的服务模式 44 2.3.5 云计算的应用 44 2.4 5G通信技术 45 2.4.1 什么是5G 45 2.4.2 5G的关键技术 45 2.4.3 5G的应用场景 48 2.5 实训 49 2.5.1 实训1 使用百度网盘 49 2.5.2 实训2 二维码分享 51 2.6 拓展知识：6G技术将于2030年前后实现商用 52 2.7 习题 53 学习单元3 人工智能软/硬件平台 54 学习目标 54 知识图谱 55 3.1 芯片是人工智能算力的基础 56 3.1.1 什么是芯片 56 3.1.2 芯片的分类 57 3.1.3 芯片的制造工艺 59 3.1.4 摩尔定律 59 3.2 智能芯片 59 3.2.1 什么是智能芯片 59 3.2.2 智能芯片的分类 60 3.2.3 智能芯片的发展历程 64 3.2.4 智能芯片产业发展现状 64 3.3 人工智能开发框架 68 3.3.1 开发框架的作用 68 3.3.2 开发框架的核心特征 69 3.3.3 典型的人工智能开发框架 69 3.4 实训：人工智能芯片相关企业调研 72 3.5 拓展知识：我国科学家研发新一代神经拟态类脑计算机 73 3.6 习题 74 学习单元4 机器学习 75 学习目标 75 知识图谱 76 4.1 机器学习概述 76 4.1.1 什么是机器学习 76 4.1.2 机器学习的发展历程 79 4.2 机器学习类型 80 4.2.1 监督学习 81 4.2.2 无监督学习 82 4.2.3 半监督学习 82 4.2.4 强化学习 83 4.3 机器学习常用算法 83 4.3.1 线性回归 83 4.3.2 支持向量机 86 4.3.3 决策树 86 4.3.4 K近邻算法 87 4.3.5 K均值聚类算法 88 4.3.6 关联分析 89 4.3.7 深度学习 89 4.4 实训 90 4.4.1 实训1 “线性回归算法”的可视化演示 90 4.4.2 实训2 “K近邻算法”的可视化演示 91 4.4.3 实训3 “形色”识别植物 93 4.5 拓展知识：AI为首张黑洞照片“美颜” 94 4.6 习题 95 学习单元5 人工神经网络与深度学习 97 学习目标 97 知识图谱 98 5.1 人工神经网络概述 98 5.1.1 人工神经网络简介 98 5.1.2 人工神经网络的发展历程 99 5.2 MP模型 100 5.2.1 生物神经元 100 5.2.2 MP模型的结构 101 5.2.3 MP模型实现逻辑“与”运算功能 102 5.3 感知机 102 5.3.1 感知机模型 103 5.3.2 感知机的学习过程 103 5.3.3 多层感知机实现逻辑“异或”运算功能 104 5.4 BP神经网络 106 5.4.1 BP神经网络结构 106 5.4.2 激活函数 108 5.4.3 BP神经网络学习算法 109 5.5 深度学习 111 5.5.1 深度学习的概念 111 5.5.2 卷积神经网络 112 5.5.3 循环神经网络 116 5.6 实训 118 5.6.1 实训1 体验神经网络可视化工具Playground 118 5.6.2 实训2 使用前馈神经网络对鸢尾花进行分类 121 5.7 拓展知识：两名科学家分享2024年诺贝尔物理学奖 123 5.8 习题 124 学习单元6 计算机视觉 126 学习目标 126 知识图谱 127 6.1 计算机视觉概述 127 6.1.1 什么是计算机视觉 127 6.1.2 计算机视觉的发展历程 128 6.1.3 计算机视觉的主要任务 129 6.1.4 计算机视觉的主要应用 130 6.2 图像处理与视觉系统 130 6.2.1 图像的基本原理 130 6.2.2 图像处理技术 132 6.2.3 计算机视觉系统 137 6.3 人脸识别 140 6.3.1 人脸识别概述 140 6.3.2 人脸识别的一般步骤 142 6.3.3 人脸识别基本技术 143 6.3.4 人脸识别的应用 147 6.4 实训 149 6.4.1 实训1 物体检测 149 6.4.2 实训2 图像分割 151 6.4.3 实训3 人脸属性识别 154 6.5 拓展知识：人机大战，百度AI以3 : 2战胜“不错大脑”王峰 155 6.6 习题 156 学习单元7 自然语言处理 158 学习目标 158 知识图谱 159 7.1 自然语言处理概述 159 7.1.1 自然语言处理的定义 160 7.1.2 自然语言处理的发展历程 160 7.1.3 自然语言处理的应用 161 7.1.4 自然语言处理的一般流程 164 7.1.5 自然语言处理的构成 166 7.2 自然语言理解 167 7.2.1 自然语言理解的难点 167 7.2.2 自然语言理解的层次 167 7.3 机器翻译 169 7.3.1 机器翻译的基本原理 169 7.3.2 机器翻译的方法 169 7.3.3 机器翻译的应用 171 7.4 语音识别 173 7.4.1 语音识别的定义 173 7.4.2 语音识别的发展历程 174 7.4.3 语音识别系统 174 7.4.4 语音识别的应用 175 7.5 语音合成 176 7.5.1 语音合成概述 176 7.5.2 语音合成的应用 176 7.6 实训 177 7.6.1 实训1 体验百度在线翻译 177 7.6.2 实训2 体验讯飞AI 177 7.7 拓展知识：讯飞输入法 178 7.8 习题 179 学习单元8 大语言模型与AIGC 180 学习目标 180 知识图谱 181 8.1 大语言模型概述 181 8.1.1 大语言模型的定义 181 8.1.2 大语言模型的特点 182 8.1.3 大语言模型的分类 183 8.1.4 国内外主要大模型简介 183 8.2 AIGC简介 186 8.2.1 AIGC的定义 186 8.2.2 AIGC与大模型的关系 186 8.2.3 生成对抗网络 187 8.2.4 AIGC的应用领域 188 8.3 提示词设计 190 8.3.1 提示词的定义 191 8.3.2 提示词的构成元素 191 8.3.3 提示词的基本格式 191 8.3.4 提示词的优化方法 192 8.4 实训 193 8.4.1 实训1 使用DeepSeek+Kimi一键生成PPT 193 8.4.2 实训2 使用即梦AI平台实现文生图和文生视频 196 8.4.3 实训3 使用蝉镜平台生成数字人播报视频 198 8.5 拓展知识：DeepSeek震动美国科技界 202 8.6 习题 203 学习单元9 智能体与机器人 204 学习目标 204 知识图谱 205 9.1 智能体 205 9.1.1 智能体的定义和属性 205 9.1.2 智能体的特性 207 9.1.3 智能体的分类 208 9.2 多智能体 211 9.2.1 多智能体系统 211 9.2.2 多智能体协商 211 9.2.3 多智能体系统的应用 214 9.3 机器人 214 9.3.1 机器人的定义 215 9.3.2 机器人的应用 216 9.3.3 智能机器人的关键技术 221 9.3.4 具身智能机器人 222 9.4 实训 222 9.4.1 实训1 在扣子平台创建AI智能体 222 9.4.2 实训2 机器人路径规划算法演示 225 9.5 拓展知识：宇树科技与机器人 227 9.6 习题 227 学习单元10 “人工智能+”行业 229 学习目标 229 知识图谱 230 10.1 AI+农业 231 10.1.1 智慧种植 231 10.1.2 智慧养殖 236 10.2 AI+制造 238 10.2.1 智能质量检测 238 10.2.2 设备预测性维护 240 10.2.3 智能工厂 241 10.3 AI+交通 243 10.3.1 自动驾驶 243 10.3.2 车牌识别 247 10.3.3 智能交通工具 248 10.4 AI+商业 250 10.4.1 无人零售 250 10.4.2 智慧物流与智慧仓储 253 10.5 AI+金融 255 10.5.1 智能支付 256 10.5.2 智慧银行 256 10.5.3 智能风控 257 10.5.4 智能投顾 258 10.6 AI+教育 259 10.6.1 智慧课堂 259 10.6.2 个性化学习 261 10.7 AI+医疗 263 10.7.1 医学影像识别 263 10.7.2 智能药物研发 263 10.8 实训：本地部署DeepSeek 264 10.9 拓展知识：“人工智能+”行动 266 10.10 习题 266 学习单元11 人工智能的挑战与未来 268 学习目标 268 知识图谱 269 11.1 人工智能给就业带来的影响 269 11.1.1 人工智能对就业市场的挑战 270 11.1.2 人工智能给就业带来的机遇 271 11.2 人工智能伦理 272 11.2.1 数据隐私和安全 272 11.2.2 算法偏见和歧视 273 11.2.3 AI造假和欺骗 273 11.2.4 算法的不透明性和不可解释性 274 11.2.5 责任归属的认定 274 11.2.6 知识产权的保护 275 11.2.7 人工智能伦理典型案例 275 11.2.8 解决人工智能伦理问题的策略 278 11.3 人工智能的未来 280 11.3.1 人工智能未来的发展趋势 280 11.3.2 拥抱人工智能时代 281 11.4 实训：生成式人工智能服务管理暂行办法 282 11.5 拓展知识：人工智能生成合成内容标识办法 283 11.6 习题 284 参考文献 285