本书系统介绍了人工智能的核心理论与前沿应用。本书共5章，涵盖人工智能概述、小模型技术基础、大语言模型技术基础、生成式人工智能（AIGC）、人工智能伦理与安全等内容。本书注重理论与实践相结合，通过丰富的案例与实操设计，帮助读者轻松掌握AI基本原理，理解其社会影响，培养读者理性思考、负责任地运用AI技术的能力。本书既适合作为普通本科院校人工智能通识课教材，也可供应用型本科和高职高专院校相关专业教学使用，还可为AI领域从业者提供参考。

作者徐欧官，浙江水利水电学院教授，浙江省自动化学会第九届理事，长期从事虚拟仿真、数字孪生的教学工作，有着丰富的理论和实践经验。

第1章　人工智能概述 （1）
1.1　人工智能的基本思想 （1）
1.1.1　什么是智能 （1）
1.1.2　人工智能的简单定义 （3）
1.1.3　人工智能的核心思想 （3）
1.2　人工智能的定义、分类和特点 （3）
1.2.1　人工智能的定义—多维度的探索 （4）
1.2.2　人工智能的分类—能力与范畴 （6）
1.2.3　人工智能的特点 （8）
1.3　人工智能的发展历史 （9）
1.3.1　初创期（黄金时代）（1940年—1974年） （10）
1.3.2　第一次“寒冬”（1975年—1980年） （11）
1.3.3　复兴期（1981年—1987年） （11）
1.3.4　第二次“寒冬”（1988年—1993年） （11）
1.3.5　统计学习与机器学习的崛起期（1994年—2011年） （12）
1.3.6　第三次浪潮（2012年—今） （12）
1.4　人工智能的主流学派 （12）
1.4.1　符号主义 （13）
1.4.2　连接主义 （15）
1.4.3　行为主义 （17）
1.4.4　学派的融合与发展 （18）
1.5　人工智能的研究领域 （20）
1.5.1　机器学习：从数据中学习的科学 （20）
1.5.2　计算机视觉：赋予机器“看”的能力 （22）
1.5.3　自然语言处理：让机器理解人类语言 （24）
1.5.4　语音识别技术：让机器“听懂”并“说出”语言 （26）
1.5.5　机器人学：智能与物理世界的融合 （28）
1.5.6　专家系统：模拟人类专家的智慧 （30）
1.6　本章小结 （32）
习题 （33）
第2章　小模型技术基础 （38）
2.1　小模型概述 （38）
2.1.1　机器学习的作用 （40）
2.1.2　深度学习的技术贡献 （43）
2.1.3　强化学习在大模型中的角色定位 （47）
2.2　机器学习 （50）
2.2.1　机器学习概述 （50）
2.2.2　经典机器学习算法 （51）
2.2.3　机器学习的应用与挑战 （55）
2.3　深度学习 （57）
2.3.1　深度学习概述 （57）
2.3.2　深度学习的应用 （60）
2.3.3　深度学习模型应用实例 （62）
2.4　强化学习 （63）
2.4.1　强化学习概述 （63）
2.4.2　强化学习在大模型微调中的作用 （64）
2.5　小模型应用场景及案例 （66）
2.5.1　自然语言处理 （67）
2.5.2　机器视觉 （68）
2.5.3　智能家居及环境监测 （69）
2.5.4　医疗健康 （70）
2.6　本章小结 （71）
习题 （72）
第3章　大语言模型技术基础 （77）
3.1　大语言模型概述 （77）
3.1.1　定义 （77）
3.1.2　核心特征 （78）
3.1.3　大语言模型的分类 （79）
3.2　大语言模型的发展历程 （81）
3.2.1　技术奠基阶段 （81）
3.2.2　产业爆发阶段 （81）
3.2.3　能力突破阶段 （82）
3.3　关键技术 （83）
3.3.1　预训练 （83）
3.3.2　指令微调 （84）
3.3.3　奖励函数 （85）
3.3.4　强化学习 （86）
3.4　动手实践：本地大语言模型搭建 （87）
3.5　发展总结与趋势展望 （89）
习题 （89）
第4章　AIGC—智能创造新纪元 （94）
4.1　提示词工程 （94）
4.1.1　引言 （94）
4.1.2　基础提示技巧 （95）
4.1.3　进阶提示策略 （96）
4.1.4　提升提示词质量的方法 （101）
4.1.5　总结与展望 （102）
4.2　文本生成 （102）
4.2.1　聊天机器人分类 （102）
4.2.2　聊天机器人的进化 （103）
4.2.3　AIGC重塑聊天机器人 （103）
4.2.4　聊天机器人的真实应用场景 （104）
4.3　动手实践：搭建基于知识库的水利领域问答机器人 （104）
4.2.5　核心设计原则 （108）
4.2.6　挑战与未来 （108）
4.2.7　核心概念 （109）
4.3　AIGC艺术创作 （109）
4.3.1　引言 （109）
4.3.2　AI模型如何“学会”绘画：从文本到图像 （109）
4.3.3　提示词工程 （110）
4.3.4　人机协作：从“一键生成”到“共同创作” （113）
4.3.5　机遇与挑战 （115）
4.3.6　总结与核心概念 （116）
4.4　AIGC演示文稿 （116）
4.4.1　引言 （116）
4.4.2　用AIGC重塑演示文稿创作流程 （116）
4.4.3　AIGC演示文稿的提示词工程 （119）
4.4.4　用AIGC制作一份“龙盘水电站数字孪生系统可行性分析”报告 （120）
4.4.5　机遇、挑战与未来 （121）
4.5　AIGC数字人 （122）
4.5.1　引言 （122）
4.5.2　AIGC数字人的“解剖学”：大脑、形象与声音的融合 （122）
4.5.3　AIGC数字人的技术架构与实现平台 （122）
4.5.4　核心应用场景 （124）
4.5.5　如何“捏”一个专业的数字人 （125）
4.5.6　机遇、挑战与反思 （125）
习题 （126）
第5章　人工智能伦理与安全 （130）
5.1　人工智能伦理的提出与发展历程 （130）
5.2　水利电力行业AI应用的特殊伦理需求与挑战 （132）
5.2.1　数据隐私与安全挑战 （133）
5.2.2　算法公平性与透明度挑战 （134）
5.2.3　责任归属与问责机制挑战 （134）
5.2.4　人机协作与就业影响挑战 （134）
5.2.5　可持续发展与生态伦理挑战 （135）
5.2.6　结论与建议 （135）
5.3　人工智能伦理的典型案例与成因分析 （135）
5.4　人工智能伦理的治理原则 （139）
5.5　人工智能伦理的治理措施 （141）
习题 （144）