本书旨在普及人工智能知识，采用浅显易懂的语言，助力零基础大学生全面了解人工智能的发展历程、多领域应用及其伦理与安全问题，深入理解人工智能的基本概念、核心技术及原理，掌握大模型提示工程的核心技巧，并初步了解智能体的设计理念与开发流程。本书内容全面，共7章。第1章为初识人工智能，系统阐述人工智能的基本概念及其发展历程；第2章深入探讨人工智能的核心技术，涵盖机器学习和深度学习等；第3章详细介绍人工智能的主要研究领域，包括计算机视觉、人脸识别技术、知识图谱、自然语言处理及智能语音技术等；第4章聚焦大模型技术与AIGC（生成式人工智能），实操部分涉及大模型提示工程等；第5章着重讲解智能体，涵盖其原理及制作实例；第6章介绍人工智能在医疗、教育、媒体、政法、财务等领域的实际应用；第7章深入剖析人工智能的伦理与安全问题，涉及数据隐私、算法偏见、责任归属、就业冲击、安全失控等方面，并探讨这些问题的成因及其深远影响。本书为教师提供配套教学大纲、教学课件、微课视频、习题解答等资源，教师可登录华信教育资源网（www.hxedu.com.cn）注册后免费下载。本书可作为高等学校各专业人工智能通识课程的教材，面向零基础学生，同时也适合对人工智能感兴趣的广大读者阅读。

胡臻龙，男，博士，教授，高级软件工程师，上海华东师范大学访问学者，浙江农林大学暨阳学院计算机专业负责人，绍兴市科技指导员，国际期刊和国际会议论文审稿人。研究方向：深度学习、机器学习、大数据。近年来，发表学术论文28篇，其中SCI、EI收录论文16篇；出版专著3部，参编教材2本。拥有发明和实用新型专利8个。曾获得过中国纺织工业联合会科技进步三等奖，浙江省政府科学技术进步二等奖和三等奖，浙江省教育技术三等奖，绍兴市政府科学技术进步一等奖等多项荣誉。

第1章 初识人工智能：新时代的开启 1
1.1 人工智能重新定义我们的未来 1
1.1.1 技术革新：从工具到伙伴 2
1.1.2 产业变革：效率革命与职业重构 3
1.1.3 社会形态：从城市到教育 4
1.1.4 人类认知：突破生物极限 5
1.1.5 全球格局：权力与风险再分配 7
1.1.6 未来展望：共生还是失控 7
1.2 人工智能发展的三次浪潮及发展趋势 8
1.2.1 第一次浪潮：符号主义的局限 8
1.2.2 第二次浪潮：统计学习与大数据崛起 11
1.2.3 第三次浪潮：深度学习与通用智能探索 13
1.2.4 三次浪潮的对比与启示 15
1.2.5 未来展望：通用人工智能的探索 15
1.2.6 思考题 16
第2章 人工智能的基石：核心技术概览 17
2.1 人工智能技术的基石 17
2.1.1 数据：人工智能的燃料 18
2.1.2 算法：人工智能的大脑 18
2.1.3 算力：人工智能的动力源泉 19
2.1.4 伦理与法律框架：人工智能的道德指南针 20
2.2 机器学习的启蒙之路 21
2.2.1 机器学习概述 21
2.2.2 模型估计基础 22
2.2.3 监督学习 23
2.2.4 无监督学习 25
2.3 深度学习的面纱揭秘 26
2.3.1 深度学习概述 26
2.3.2 深度学习的基础 28
2.4 深度学习的发展现状 30
2.4.1 卷积神经网络 30
2.4.2 循环神经网络 32
2.4.3 长短期记忆网络 33
2.4.4 Transformer网络 34
2.4.5 深度学习的应用 36
2.4.6 深度学习的挑战与未来 36
2.4.7 思考题 37
第3章 人工智能的探究：主要研究领域 38
3.1 计算机视觉：感知世界的窗口 38
3.1.1 计算机视觉的定义与基本任务 39
3.1.2 计算机视觉的工作原理 39
3.1.3 计算机视觉的应用领域 40
3.1.4 计算机视觉的挑战与未来发展趋势 41
3.2 人脸识别技术：解锁身份的新维度 42
3.2.1 人脸识别技术的定义与原理 42
3.2.2 人脸识别技术的优势 43
3.2.3 人脸识别技术的挑战 43
3.2.4 人脸识别技术的应用领域 44
3.2.5 人脸识别技术的未来发展趋势 45
3.3 知识图谱：编织智慧的知识互联网络 46
3.3.1 知识图谱的定义与特点 47
3.3.2 知识图谱的构建过程 47
3.3.3 知识图谱的应用领域 47
3.3.4 知识图谱的挑战与未来发展趋势 48
3.4 自然语言处理：人机交互的语言桥梁 49
3.4.1 自然语言处理的定义与目标 49
3.4.2 自然语言处理的关键技术 50
3.4.3 自然语言处理的应用领域 50
3.4.4 自然语言处理的挑战与未来发展趋势 51
3.5 智能语音技术：让机器听懂世界的声音 52
3.5.1 智能语音技术的定义与原理 52
3.5.2 智能语音技术的应用场景 52
3.5.3 智能语音技术的挑战与未来发展趋势 53
3.6 思考题 54
第4章 人工智能的新篇章：大模型技术与AIGC 55
4.1 大模型：构建认知世界的宏伟蓝图 55
4.1.1 大模型：人工智能的新高度 56
4.1.2 大模型的定义与特性 59
4.1.3 大模型的发展历程 59
4.1.4 理论奠基：早期探索的微光 60
4.1.5 成长契机：算力与数据的双轮驱动 61
4.1.6 关键飞跃：Transformer 架构的破晓 61
4.1.7 大模型的工作原理 61
4.1.8 解密大模型的核心技术 62
4.2 AIGC：开启内容创作新时代 64
4.2.1 AIGC的定义与发展背景 64
4.2.2 AIGC与大模型的关系 65
4.2.3 AIGC的技术特点 66
4.2.4 AIGC产业图谱及应用案例 66
4.3 大模型使用技巧：掌握认知工具的指南 68
4.3.1 提示工程简介 68
4.3.2 编写提示词的原则、策略和技巧 72
4.3.3 提示词参考示例 77
4.3.4 将复杂任务分解成子任务 82
4.3.5 采用系统的提示词框架 83
4.3.6 用结构化方式进行提示 86
4.4 大模型辅助文献阅读 88
4.5 大模型辅助编程 90
4.6 大模型辅助数据分析 93
4.6.1 使用DeepSeek进行数据分析案例 93
4.6.2 使用智谱清言进行数据分析案例 99
4.7 思考题 102
第5章 智能体：创建个性化的领域分身 104
5.1 智能体及其发展史 104
5.1.1 Agent定义 104
5.1.2 AI Agent定义 105
5.1.3 智能体发展史 105
5.2 基于大模型的智能体 107
5.2.1 大脑模块 107
5.2.2 感知模块 108
5.2.3 行动模块 109
5.3 主流平台实现智能体的范式 110
5.3.1 大模型：智能体的大脑 111
5.3.2 工具：智能体的四肢 111
5.3.3 知识：辅助大脑进行工作 111
5.3.4 其他：增强智能体的功能 111
5.4 智谱清言智能体平台 112
5.4.1 平台介绍及智能体配置 112
5.4.2 智谱清言智能体实践：创建一个提示词优化工程师 115
5.4.3 智谱清言智能体实践：创建一个文献阅读智能体 119
5.5 扣子智能体平台 121
5.5.1 平台的功能与优势 121
5.5.2 扣子智能体实践：创建一个天气预报智能体 122
5.5.3 扣子智能体工作流 126
5.5.4 扣子智能体工作流实践：AI资讯早知道 129
5.5.5 特殊的工作流——图像流 132
5.5.6 扣子智能体工作流实践：抠图大师智能体 135
5.5.7 扣子智能体实践：根据书籍名自动生成推荐文案 136
5.5.8 扣子多智能体实践 145
5.6 讯飞星火平台 150
5.6.1 一句话创建智能体 150
5.6.2 讯飞星火智能体实践：小红书爆款服装推荐 152
5.6.3 讯飞星火基于本地知识库的多智能体实践：校园助手 158
5.7 思考题 169
第6章 创新无限：人工智能在各领域的应用 170
6.1 人工智能在医疗领域的应用 170
6.1.1 医学影像诊断中的人工智能应用案例 170
6.1.2 疾病预测与风险评估中的人工智能应用案例 171
6.1.3 医疗辅助决策中的人工智能应用案例 171
6.1.4 智能医疗设备中的人工智能应用案例 172
6.2 人工智能在教育领域的应用 172
6.2.1 个性化学习平台 172
6.2.2 智能辅导工具 173
6.2.3 自动化评估系统 173
6.2.4 教育资源管理 174
6.3 人工智能在媒体领域的应用 175
6.3.1 新闻写作与编辑 176
6.3.2 内容推荐与个性化服务 176
6.3.3 视频制作与编辑 176
6.3.4 社交媒体管理与营销 177
6.4 人工智能在政法领域的应用 177
6.4.1 执法辅助 177
6.4.2 司法审判 179
6.4.3 犯罪预防 179
6.4.4 法律服务 180
6.5 人工智能在财务领域的应用 180
6.5.1 财务数据处理与分析 180
6.5.2 预算编制与成本控制 181
6.5.3 风险管理与审计监督 181
6.6 思考题 182
第7章 人工智能之伦理与安全：守护智能的未来 183
7.1 人工智能之伦理问题：技术与人性的碰撞 184
7.1.1 数据隐私：数字化时代的“透明人”危机 184
7.1.2 算法偏见：代码中的“隐形歧视链” 184
7.1.3 责任归属：自动驾驶的“电车难题”困境 185
7.1.4 就业冲击：人与机器的“技能鸿沟” 186
7.1.5 安全失控：通用智能的“黑天鹅”风险 186
7.1.6 应对路径：构建“三方共治”框架 187
7.2 人工智能安全问题：技术进步背后的暗涌危机 187
7.2.1 数据安全：数字世界的“蚁穴效应” 187
7.2.2 算法安全：智能系统的“阿喀琉斯之踵” 188
7.2.3 系统安全：智能体的“失控阈值” 189
7.2.4 应用安全：垂直领域的“蝴蝶效应” 189
7.2.5 认知安全：智能时代的“思想战争” 190
7.2.6 生存安全：通用智能的“奇点威胁” 191
7.2.7 防御体系：构建AI安全的“免疫系统” 191
7.2.8 小结 192
7.3 人工智能安全相关立法情况 192
7.3.1 欧盟正式提出《人工智能法案》 192
7.3.2 中国高度重视人工智能的安全问题 193
7.4 思考题 193
参考文献 194