本书在保留第1版风格与特色的基础上，进行了全面修订，力求展现人工智能技术的新进展。本书采用通俗易懂的语言，以理论与实践相结合的方式，深入浅出地介绍人工智能的基础知识和基本实现技术。通过典型的场景化应用案例，帮助读者理解概念和原理，激发读者对人工智能的学习兴趣。

本书体系完整先进，共分9章，内容包括人工智能概述、大数据与人工智能、机器学习、深度学习、计算机视觉、自然语言处理、大语言模型、AIGC及其应用、具身智能。

本书可作为高等职业院校工科类各相关专业人工智能通识课程的教材，也可作为工程技术人员的参考书。

前言

二维码资源清单

第1章  人工智能概述 1

知识目标 1

素养目标 1

导入案例  手机中的人工智能 1

1.1  人工智能基础知识 2

1.1.1  人工智能的定义 2

1.1.2  人工智能的分类 3

拓展阅读  奇点来临？ 5

1.2  人工智能的起源和发展 5

1.2.1  人工智能的孕育 5

1.2.2  图灵测试与人工智能 7

1.2.3  冯?诺依曼体系结构 8

1.2.4  人工智能学科的诞生 9

1.2.5  人工智能的发展历程 10

1.2.6  人工智能的主要流派 12

拓展阅读　人工智能的几位奠基人 13

1.3  人工智能的发展现状 15

1.3.1  国际人工智能发展现状 15

1.3.2  我国人工智能发展现状 16

1.3.3 “人工智能+”时代已经来临 16

1.4  人工智能安全 20

1.4.1  人工智能安全的挑战和机遇 20

1.4.2  人工智能安全应用 21

1.4.3  人工智能安全治理 23

拓展阅读  马斯克和扎克伯格的人工智能          论战 24

应用案例  无人银行的全新服务体验 24

1.5  习题 26

第2章  大数据与人工智能 27

知识目标 27

素养目标 27

导入案例  天猫“双十一”购物节 27

2.1  大数据的概念 28

2.1.1  什么是大数据 28

2.1.2  大数据的产生 28

2.1.3  大数据的发展历程 30

2.1.4  数据的量级 31

2.2  大数据的特征 31

2.2.1  大数据的数据特征 31

2.2.2  大数据的技术特征 32

拓展阅读  贵州大数据从“先行”到          “领跑” 33

2.3  大数据下的云计算 34

2.3.1  云计算的概念 34

2.3.2  云计算的分类 35

2.3.3  云计算的服务模式 36

2.3.4  云计算的主要技术 37

拓展阅读  阿里云 38

2.4  大数据、云计算与人工智能 39

2.4.1  大数据与云计算 39

2.4.2  大数据与人工智能 41

拓展阅读 “啤酒与尿布”的故事 41

2.5  大数据分析处理 42

2.5.1  大数据思维 42

2.5.2  大数据处理 43

2.5.3  大数据与人工智能应用 44

应用案例  智慧电商 44

2.6  习题 47

第3章  机器学习 49

知识目标 49

素养目标 49

导入案例 “深蓝”大战国际象棋世界冠军卡斯帕罗夫 49

3.1  机器学习的概念 49

3.1.1  什么是机器学习 50

3.1.2  机器学习的发展 51

拓展阅读  跳棋中的机器学习 53

3.2  机器学习的类型 54

3.2.1  监督学习 54

3.2.2  无监督学习 54

3.2.3  半监督学习 55

3.2.4  强化学习 55

拓展阅读  Netflix电影推荐系统 56

3.3  机器学习的算法 57

3.3.1  回归算法 57

3.3.2  决策树算法 59

3.3.3  朴素贝叶斯算法 60

3.3.4  支持向量机 62

3.3.5  聚类算法 62

3.3.6  降维算法 64

拓展阅读  没有免费的午餐 65

3.4  机器学习的应用 66

3.4.1  机器学习的应用领域 66

3.4.2  机器学习的一般流程 67

应用案例  智元机器人真机强化学习落地工业产线 69

3.5  习题 69

第4章  深度学习 71

知识目标 71

素养目标 71

导入案例  AlphaGo大战李世石 71

4.1  人工神经网络 72

4.1.1  神经元 72

4.1.2  神经元模型 73

4.1.3  感知机 74

拓展阅读  一代宗师杰弗里?辛顿 74

4.2  BP神经网络 75

4.2.1  BP神经网络结构 75

4.2.2  BP神经网络算法 77

拓展阅读  延恩乐存 77

4.3  卷积神经网络 78

4.3.1  卷积神经网络简介 78

4.3.2  卷积神经网络的结构 78

4.3.3  常用的卷积神经网络 81

拓展阅读  GPU与海量训练数据 84

4.4  循环神经网络 85

4.4.1  循环神经网络简介 85

4.4.2  循环神经网络的结构 86

4.4.3  常用的循环神经网络 86

拓展阅读  TensorFlow深度学习框架 87

4.5  生成对抗网络 88

4.5.1  生成对抗网络的概念 88

4.5.2  生成对抗网络的原理与训练过程 89

4.5.3  生成对抗网络的应用 90

4.6  深度学习及应用 91

应用案例  AlphaGo Zero的成功秘诀 93

4.7  习题 94

第5章  计算机视觉 96

知识目标 96

素养目标 96

导入案例 “最强大脑”之人机大战，百度人工智能胜出 96

5.1  计算机视觉的概念 97

5.1.1  什么是计算机视觉 97

5.1.2  计算机视觉的发展历程 98

5.1.3  计算机视觉的应用 99

5.2  图像处理与视觉系统 100

5.2.1  图像基础 101

5.2.2  图像处理技术 103

5.2.3  计算机视觉系统 106

拓展阅读 “智慧之眼”护卫千帆平安 107

5.3  人脸识别 108

5.3.1  人脸识别概述 108

5.3.2  人脸识别系统 109

5.3.3  人脸识别的应用 111

拓展阅读  人脸识别的相关法律法规 111

5.4  无人驾驶 112

5.4.1  无人驾驶的分级 112

5.4.2  无人驾驶的发展历史 115

5.4.3  无人驾驶的原理与实现 117

拓展阅读  国内首个无人驾驶商业化试点启动 119

应用案例  比亚迪智能驾驶辅助系统—“天神之眼” 120

5.5  习题 120

第6章  自然语言处理 122

知识目标 122

素养目标 122

导入案例  国内首个智能问答机器人勇闯《芝麻开门》 122

6.1  自然语言处理概述 122

6.1.1  什么是自然语言处理 123

6.1.2  自然语言处理的发展历程 124

6.1.3  自然语言处理的应用 125

6.1.4  自然语言处理的一般过程 126

6.2  自然语言理解 127

6.2.1  自然语言理解的困难 127

6.2.2  传统语言理解方法 128

6.2.3  基于深度学习的语言理解方法 131

6.2.4  基于预训练模型的语言理解方法 134

6.3  传统语言模型 135

6.3.1  语言模型的发展历程 135

6.3.2  统计语言模型 136

6.3.3  神经网络语言模型 137

6.4  Transformer模型 138

6.4.1  Seq2Seq结构 139

6.4.2  注意力机制 140

6.4.3　Transformer模型结构 141

拓展阅读  2024年诺贝尔化学奖再次花落人工智能 146

6.5  混合专家模型 147

6.5.1  MoE模型的结构与原理 147

6.5.2  DeepSeek-V3中的MoE架构 149

拓展阅读  DeepSeek颠覆了什么？ 151

应用案例  星火语音同传大模型升级，助力WAIC 2025全球对话 151

6.6  习题 152

第7章  大语言模型 154

知识目标 154

素养目标 154

导入案例　2024年诺贝尔物理学奖揭晓 154

7.1  认识大模型 155

7.1.1  大模型的定义 155

7.1.2  大模型的分类 156

7.1.3  大模型的涌现能力 157

7.2　大模型的发展 159

7.2.1　大模型的发展历程 159

7.2.2　我国大模型的发展 161

拓展阅读  百度千帆大模型平台 162

7.3  大模型的核心技术 162

7.3.1  Transformer架构 162

7.3.2　模型微调 163

7.3.3　基于人类反馈的强化学习 164

7.3.4　模型压缩技术 165

7.3.5　安全与隐私保护技术 166

拓展阅读  中国首部大模型监管法规发布 168

7.4  从ChatGPT到DeepSeek—大模型的技术演进 168

7.4.1  从ChatGPT到DeepSeek 168

7.4.2  GPT系列模型 170

7.4.3  DeepSeek系列模型 172

拓展阅读  DeepSeek-R1登上《自然》封面，中国AI再次出圈 173

应用案例  磐石——科学基础大模型 174

7.5  习题 175

第8章  AIGC及其应用 176

知识目标 176

素养目标 176

导入案例  AI画作《太空歌剧院》获艺术类比赛一等奖 176

8.1  AIGC概述 177

8.1.1  AIGC定义及特点 177

8.1.2  AIGC与内容生产方式变革 179

8.1.3  AIGC的发展历程 180

拓展阅读  我国生成式人工智能用户规模超5亿人 182

8.2  提示词 182

8.2.1  提示词的概念 182

8.2.2  提示词的种类 183

8.2.3　提示词的组成要素 184

8.2.4　提示词的技巧 186

拓展阅读  大模型发展催生提示词工程师新职业 190

8.3  AIGC应用—文本生成 190

8.3.1  文本生成大模型 191

8.3.2  制定学习计划 191

8.3.3  撰写演讲稿 192

8.3.4  制定旅游攻略 194

8.4  AIGC应用—图像生成 196

8.4.1  图像生成大模型 197

8.4.2  文生图 197

8.4.3  图生图 199

8.5  AIGC应用—视频生成 199

8.5.1  视频生成大模型 200

8.5.2  文生视频 200

8.5.3  图生视频 203

应用案例  AIGC赋能微短剧—《遇见唐诗》 204

8.6  习题 204

第9章  具身智能 206

知识目标 206

素养目标 206

导入案例  从《秧BOT》到《武BOT》，具身智能未来已来 206

9.1  具身智能的概念 207

9.1.1  什么是具身智能 207

9.1.2  具身智能的关键能力 208

9.1.3  具身智能的应用 210

拓展阅读  具身智能发展阶段分级 212

9.2  智能体 213

9.2.1  智能体的概念 213

9.2.2  智能体的能力 216

9.2.3  智能体的工作过程 217

拓展阅读  大世界模型 220

9.3  人形机器人 221

9.3.1  人形机器人简介 221

9.3.2  人形机器人的发展历程 223

9.3.3  我国人形机器人的发展 225

拓展阅读  AI观察员“智小谱”首次亮相全国两会报道！ 227

应用案例  冠军机器人从赛场走进生产线 228

9.4  习题 229

参考文献 231