本书详细阐述了具有人工智能素养的综合型人才必须掌握的相关知识。作为通识课程教材，本书在确定知识布局时，紧紧围绕通识教育核心理念，努力培养学生的人工智能素养。本书系统介绍人工智能理论知识，并给出可操作性强的实验，既具有理论深度，又具有实践高度。全书内容分为5篇，分别是人工智能基础知识（第1篇）、人工智能基础技术（第2篇）、人工智能前沿技术（第3篇）、人工智能伦理（第4篇）和人工智能实验（第5篇）。其中，第1篇对人工智能进行概要性介绍，第2篇介绍人工智能编程语言基础、机器学习、自然语言处理、计算机视觉等内容，第3篇介绍大模型、智能体、具身智能、AIGC应用与实验，第4篇介绍人工智能伦理基础知识及策略等内容，第5篇介绍6个课后实验。书中包含大量生动、有趣、实用的案例，可以让读者切身感受人工智能的强大功能，培养读者使用人工智能工具解决实际问题的能力。 本书可作为各高校人工智能通识课程教材，也可作为对人工智能感兴趣的读者的自学用书。
1.零基础入门教材，融合人工智能等前沿技术的通识课程教材。
2.紧紧围绕通识教育核心理念，以深入浅出、通俗易懂的方式系统介绍人工智能知识和实践应用。
3.配套资源丰富，全面帮助教师进行课程建设。
林子雨，男，博士（毕业于北京大学），国内高校知名大数据教师，厦门大学计算机科学与技术系副教授，厦门大学数据库实验室负责人，中国计算机学会数据库专委会委员，中国计算机学会信息系统专委会委员，全国工业大数据行业产教融合共同体特聘专家，入选“2021年高校计算机专业优秀教师奖励计划”，荣获“2022年福建省高等教育教学成果奖特等奖（个人排名第一）”和“2018年福建省高等教育教学成果奖二等奖（个人排名第一）”，编著出版13本大数据系列教材，被国内1000多所高校采用，建设了国内高校首个大数据课程公共服务平台，平台累计网络访问量超过2500万次，成为全国高校大数据教学知名品牌，主持的课程《大数据技术原理与应用》获评“2018年国家精品在线开放课程”和“2020年国家级线上一流本科课程”，主持的课程《Spark编程基础》获评“2021年国家级线上一流本科课程”。建设的大数据系列MOOC课程入选“2023年教育部国家智慧教育公共服务平台应用典型案例”。
目录
第 一篇 人工智能概念篇
第 1章 人工智能概述 1
1.1 什么是人工智能 1
1.1.1 什么是智能 1
1.1.2 人工智能的定义 2
1.1.3 人工智能的要素 2
1.1.4 人工智能的类型 3
1.2 人工智能的发展历程 4
1.2.1图灵测试 4
1.2.2 人工智能的诞生 4
1.2.3 人工智能的发展阶段 5
1.2.4 未来人工智能发展的五个级别 6
1.3 人工智能的影响 7
1.3.1 人工智能对工作、生活等方面的影响 7
1.3.2人工智能开启科学研究“第五范式” 9
1.3.3 人工智能开启“人机共生”新时代 11
1.4 世界各国的人工智能发展战略 12
1.4.1 美国 12
1.4.2中国 12
1.4.3欧盟 13
1.4.4 其他国家 13
1.5 人工智能关键技术 13
1.5.1机器学习 13
1.5.2知识图谱 15
1.5.3自然语言处理 16
1.5.4人机交互 16
1.5.5计算机视觉 17
1.5.6生物特征识别 18
1.6 人工智能应用 18
1.6.1智能制造 18
1.6.2智能家居 19
1.6.3智能金融 20
1.6.4智能交通 20
1.6.5智能安防 22
1.6.6智能医疗 22
1.6.7智能物流 23
1.6.8智能零售 24
1.7 人工智能产业 24
1.7.1智能基础设施建设 24
1.7.2智能信息及数据 25
1.7.3智能技术服务 25
1.7.4智能产品 25
1.8人工智能底层的信息化基础设施 26
1.8.1 网络设施 26
1.8.2 算力设施 27
1.8.3 空间设施 28
1.8.4 电力设施 29
1.9 人工智能思维 32
1.10 本章小结 32
1.11 习题 33
第 2章 人工智能编程语言基础 34
2.1 Python简介 34
2.2 搭建Python开发环境 34
2.2.1 安装Python 35
2.2.2 设置当前工作目录 36
2.2.3 使用交互式执行环境 36
2.2.4 运行代码文件 37
2.2.5 使用IDLE编写代码 37
2.2.6 安装和使用Python扩展模块 38
2.3 Python规范 40
2.3.1 注释规则 40
2.3.2 代码缩进 41
2.4 Python基础语法知识 42
2.4.1基本数据类型 42
2.4.2组合数据类型 43
2.4.3控制结构 46
2.4.4函数 48
2.5 本章小结 49
2.6 习题 49
第3章机器学习 51
3.1 机器学习基本概念 51
3.1.1 什么是机器学习 51
3.1.2 机器学习的四大类型 51
3.1.3 机器学习的基本过程 52
3.2 sklearn简介 53
3.3 监督学习 54
3.3.1 回归算法 55
3.3.2 分类算法 69
3.3.3 支持向量机 82
3.3.4 KNN 84
3.4 无监督学习 87
3.4.1 K-Means 87
3.4.2层次聚类 91
3.4.3 DBSCAN 94
3.5 强化学习 99
3.5.1 强化学习的基本要素 99
3.5.2 强化学习的过程 100
3.5.3 常见的强化学习算法 100
3.6 人工神经网络和深度学习 101
3.6.1人工神经网络 101
3.6.2 深度学习 102
3.7 本章小结 105
3.8 习题 105
第4章自然语言处理 107
4.1自然语言处理概述 107
4.1.1什么是自然语言处理 107
4.1.2自然语言处理的重要性与应用价值 107
4.1.3自然语言处理的发展简史 108
4.2 自然语言处理的核心基础任务 108
4.2.1文本分类：情感分析与主题识别 108
4.2.3关系抽取：挖掘实体间的关联 109
4.2.2命名实体识别：从文本中提取关键信息 111
4.2.4文本聚类：相似文本的自动归组 111
4.2.5信息检索：快速找到所需内容 112
4.3 自然语言处理的典型应用场景 113
4.4 实验1：分词工具Jieba的使用方法 114
4.4.1 Jieba简介 114
4.4.2 Jieba的使用方法 115
4.4.3 使用Jieba对文本进行分词后绘制词云图 115
4.5 实验2：对文本进行情感分析 117
4.6 本章小结 118
4.7 习题 119
第5章计算机视觉 120
5.1 计算机视觉概述 120
5.1.1 什么是计算机视觉 120
5.1.2 计算机视觉的发展历史 120
5.1.3 计算机视觉与人类视觉的差异 121
5.2计算机视觉的典型应用场景 121
5.3 计算机视觉的核心任务 121
5.4 计算机视觉面临的挑战 122
5.5 实验1：图像处理库Pillow的使用方法 123
5.5.1 Pillow概述 123
5.5.2 Pillow库Image类 123
5.5.3 Pillow库ImageFilter类和ImageEnhance类 126
5.5.4 Pillow库ImageDraw类和ImageFont类 129
5.5.5 图像的字符画绘制 131
5.6 实验2：计算机视觉库OpenCV的使用方法 133
5.6.1 图像处理 133
5.6.2 特征提取 134
5.6.3目标检测 135
5.7 本章小结 135
5.8 习题 135
第6章 大模型 136
6.1 大模型概述 136
6.1.1 大模型的概念 136
6.1.2 大模型与小模型的区别 136
6.1.3 大模型的发展历程 137
6.1.4 人工智能与大模型的关系 138
6.1.5 大模型在人工智能领域的重要性 139
6.2 大模型产品 139
6.2.1 国外的大模型产品 139
6.2.2 国内的大模型产品 141
6.2.3 中美两国在大模型领域的竞争 143
6.3 大模型的基本原理 144
6.3.1 原理概述 144
6.3.2 大模型训练的实例演示 145
6.4 大模型的特点 147
6.5 大模型的分类 149
6.5.1 按照输入数据类型划分 149
6.5.2 按照应用领域划分 149
6.5.3 大语言模型的分类 150
6.6 大模型训练的硬件设施 151
6.7 大模型的成本 152
6.8 大模型的应用领域 153
6.9大模型对人们工作和生活的影响 154
6.9.1大模型对工作的影响 154
6.9.2 模型对生活的影响 154
6.10 大模型的挑战与未来发展 154
6.10.1 大模型的挑战 154
6.10.2 大模型的未来发展 155
6.11 实验1：在自己本地计算机上部署大模型 156
6.11.1 为什么需要本地部署大模型 156
6.11.2 DeepSeek R1简介 156
6.11.3 在本地计算机部署DeepSeek R1 157
6.12 本章小结 161
6.13 习题 161
第7章 智能体 163
7.1 智能体概述 163
7.1.1 什么是智能体 163
7.1.2 智能体的发展历程 164
7.1.3 智能体的应用 164
7.1.4 智能体的优势 164
7.2 智能体和人工智能的关系 165
7.3 智能体的关键特征 166
7.4 智能体的分级 167
7.5 智能体的分类 169
7.6 智能体的组成 169
7.7 智能体的工作原理 169
7.8 智能体的关键技术 170
7.9 典型的智能体产品 171
7.10 基于大模型的智能体 171
7.10.1 国外的智能体产品 172
7.10.2 国内的智能体产品 173
7.10.3 案例：扣子智能体搭建实战 174
7.11 AI Agent和Agentic AI的关系 179
7.12 智能体的未来发展 181
7.13 本章小结 181
7.14 习题 182
第8章 具身智能 183
8.1 具身智能概述 183
8.1.1 什么是具身智能 183
8.1.2 具身智能和智能体的关系 183
8.1.3 具身智能的发展历程 184
8.1.4 具身智能在人工智能中的地位与作用 185
8.2 具身智能的技术支撑 185
8.2.1 传感器技术：感知世界的触角 185
8.2.2 机器学习与强化学习 186
8.2.3 机器人技术：具身的物理载体 187
8.3 具身智能的应用领域 188
8.3.1 人机交互与协作 189
8.3.2 自主系统与导航 189
8.3.3 医疗健康 189
8.3.4 娱乐与教育 190
8.4 人形机器人 190
8.4.1 人形机器人的内涵 190
8.4.2 人形机器人的发展阶段 191
8.4.3 人形机器人的分类 192
8.4.4 典型人形机器人 193
8.5 具身智能的挑战与限制 196
8.5.1 技术挑战 196
8.5.2 伦理与法律问题 196
8.5.3 社会接受度与影响 196
8.6 本章小结 197
8.7 习题 197
第9章 AIGC应用与实践 198
9.1 AIGC概述 198
9.1.1 什么是AIGC 198
9.1.2 AIGC与大模型的关系 198
9.1.3 AIGC的发展历程 198
9.1.4 常见的AIGC应用场景 199
9.1.5 AIGC技术对行业发展的影响 199
9.1.6 AIGC技术对职业发展的影响 200
9.1.7 常见的AIGC大模型工具 200
9.1.8 AIGC大模型的提示词 200
9.2文本类AIGC应用实践 201
9.2.1 文本类AIGC应用场景 201
9.2.2 文本类AIGC工具基础知识 201
9.2.3实验1：与DeepSeek进行对话 206
9.2.4实验2：与百度文心一言进行对话 208
9.2.5实验3：使用Kimi制作PPT 210
9.3图片类AIGC应用实践 212
9.3.1图片类AIGC应用场景 212
9.3.2 实验5：创意图片生成 213
9.3.3 实验6：AI修图与老照片修复 215
9.3.4 实验7：图片扩展与高清化 218
9.3.5 实验8：智能抠图与图片融合 220
9.3.6 实验9：涂抹消除与局部重绘 225
9.3.7 实验10：AI绘画艺术创作 228
9.3.8 实验11：真实照片转成二次元风格 232
9.4语音类AIGC应用实践 234
9.4.1 语音类AIGC应用场景 234
9.4.2 实验12：豆包大模型的语音类功能用法 235
9.4.3实验13：使用喜马拉雅音频大模型进行文本配音 238
9.4.4 实验14：使用米可智能进行语音克隆 240
9.5视频类AIGC应用实践 244
9.5.1 视频类AIGC应用场景 244
9.5.2 代表性的视频类AIGC大模型 245
9.5.3 实验15：使用可灵AI实现文生视频 245
9.5.4实验16：使用即梦AI实现图生视频 251
9.5.5 实验17：使用即梦AI制作数字人 258
9.6 AIGC技术在辅助编程中的应用 261
9.6.1 AIGC技术在辅助编程中的应用场景 261
9.6.2 实验18：使用豆包大模型辅助编程 262
9.7 AI搜索 263
9.7.1 AI搜索概述 263
9.7.2 纳米AI搜索 264
9.8 本章小结 265
9.8 习题 265
第 10章 人工智能伦理 266
10.1 人工智能伦理概念 266
10.2 人工智能的伦理问题 266
10.2.1 人的主体性异化 266
10.2.2 数据隐私和安全 267
10.2.3 算法偏见和歧视 267
10.2.4 AI造假、欺骗、信息污染 268
10.2.5 算法的不透明性和不可解释性 268
10.2.6 AI系统的不稳定性和风险性 268
10.2.7 责任归属 269
10.2.8 公平正义和社会效益 269
10.2.9 AIGC技术对知识产权形成挑战 269
10.2.10 人工智能在军事领域应用引发的伦理问题 270
10.3 人工智能伦理典型案例 270
10.3.1 人脸识别算法存在“歧视” 270
10.3.2 自动驾驶安全事故频出 271
10.3.3 大学教授状告杭州野生动物世界 271
10.3.4 某智能音箱劝主人自杀 271
10.3.5 “监测头环”进校园惹争议 272
10.3.6 AI算法识别性取向准确率超过人类 272
10.3.7 甘肃某男子用ChatGPT编假新闻牟利 272
10.3.8 智能家居系统“窃听”用户隐私 272
10.3.9 使用AI复活逝者 272
10.3.10 AI成瘾及首例AI致死命案悲剧 273
10.4 人工智能伦理的基本原则 273
10.5 解决人工智能伦理问题的策略 274
10.5.1 制定和执行相关法规和政策 274
10.5.2 加强AI技术的透明度和可解释性 274
10.5.3 建立AI伦理审查机制 275
10.5.4 提高公众对AI伦理问题的认识和意识 275
10.5.5 加强国际合作和交流，共同解决AI伦理问题 275
10.6 本章小结 275
10.7 习题 276
第 11章 课后实验 277
实验一 Python程序设计基础实践 277
实验二 基于sklearn的机器学习初级实践 278
实验三 简单文本情感分析实践 280
实验四 Pillow库和OpenCV库的基本使用 281
实验五 使用Coze搭建客服智能体 282
实验六 AIGC基础应用实践 283
精品教材 更多
