本書旨在為不同專業(yè)背景的學生系統(tǒng)構(gòu)建人工智能的知識體系。全書內(nèi)容由基礎到前沿，系統(tǒng)講述了計算機科學與人工智能的宏觀概述與發(fā)展歷史，介紹了驅(qū)動當代人工智能發(fā)展的三大引擎——深度學習、自然語言處理與計算機視覺的基本原理與典型應用，并延伸至以大模型、AIGC為代表的技術前沿，以及對AI倫理的思考。在編寫上，本書注重通識教育的特性，語言闡述通俗易懂，邏輯脈絡清晰明了。通過將抽象概念與豐富實例相結(jié)合，力求在避免復雜數(shù)學推導的同時，揭示技術背后的基本原理與廣泛的社會應用，有效激發(fā)學生的學習興趣并建立立體化的認知。本書主要面向高等院校各專業(yè)的本科通識課教學，同樣適合作為廣大人工智能初學者入門的首選讀物。通過學習，讀者不僅能夠理解人工智能的基本概念與技術，也能對其發(fā)展、現(xiàn)狀與未來有系統(tǒng)性的了解，為在智能化時代中進一步探索與創(chuàng)新奠定基石。
張軍，教授、博士研究生、碩士生導師，江西省高層次人才（E類），中國計算機學會（CCF）高級會員，國家自然科學基金項目評審專家，全國研究生教育評估監(jiān)測專家?guī)鞂＜遥?018ISCIPT組委會專家成員，江西省計算機科學與技術高水平教學團隊成員。
第 1 章? 緒論 …………………………………………………………………………………… 001
1.1? 計算機概述 …………………………………………………………………………… 002
1.1.1 計算機的定義與本質(zhì) ………………………………………………………… 002
1.1.2 通用計算機模型：馮·諾依曼體系結(jié)構(gòu) …………………………………… 003
1.2? 計算機的發(fā)展史 ……………………………………………………………………… 004
1.2.1 硬件發(fā)展 ……………………………………………………………………… 004
1.2.2 軟件發(fā)展 ……………………………………………………………………… 005
1.3? 人工智能概述 ………………………………………………………………………… 006
1.3.1 人工智能的定義 ……………………………………………………………… 006
1.3.2 圖靈測試 ……………………………………………………………………… 006
1.3.3 人工智能的三大學派 ………………………………………………………… 007
1.4? 人工智能分類 ………………………………………………………………………… 009
1.4.1 從與人的融合程度分類 ……………………………………………………… 009
1.4.2 按照發(fā)展過程及功能強度分類 ……………………………………………… 009
1.5? 人工智能的發(fā)展史 …………………………………………………………………… 010
1.5.1 國外人工智能發(fā)展史 ………………………………………………………… 010
1.5.2 人工智能國內(nèi)發(fā)展史 ………………………………………………………… 012
1.6? 人工智能的應用 ……………………………………………………………………… 015
1.6.1 智能安防 ……………………………………………………………………… 015
1.6.2 智慧醫(yī)療 ……………………………………………………………………… 017
1.6.3 智能制造 ……………………………………………………………………… 018
1.6.4 智能家居與個人助理 ………………………………………………………… 019
1.6.5 智能客服 ……………………………………………………………………… 020
1.6.6 智慧教育 ……………………………………………………………………… 021
1.6.7 地球觀測與預測 ……………………………………………………………… 022
VI? /? 人工智能導論
1.7? 知識表示與知識推理 ………………………………………………………………… 023
1.7.1 知識表示 ……………………………………………………………………… 023
1.7.2 知識圖譜 ……………………………………………………………………… 024
1.7.3 知識推理 ……………………………………………………………………… 026
本章小結(jié) …………………………………………………………………………………… 027
習題 ………………………………………………………………………………………… 027
第 2 章? 機器學習基礎 ………………………………………………………………………… 029
2.1? 機器學習發(fā)展歷程 …………………………………………………………………… 029
2.2? 機器學習分類 ………………………………………………………………………… 030
2.3? 機器學習算法實現(xiàn)流程 ……………………………………………………………… 031
2.4? 數(shù)據(jù)預處理 …………………………………………………………………………… 032
2.4.1 數(shù)據(jù)探索 ……………………………………………………………………… 033
2.4.2 數(shù)據(jù)清洗 ……………………………………………………………………… 033
2.4.3 數(shù)據(jù)變換 ……………………………………………………………………… 034
2.4.4 數(shù)據(jù)規(guī)約 ……………………………………………………………………… 034
2.5? 機器學習算法介紹及其應用 ………………………………………………………… 036
2.5.1 線性模型 ……………………………………………………………………… 036
2.5.2 邏輯回歸 ……………………………………………………………………… 037
2.5.3 決策樹模型 …………………………………………………………………… 042
2.5.4 K- 近鄰………………………………………………………………………… 046
2.5.5 樸素貝葉斯模型 ……………………………………………………………… 050
2.5.6 SVM 算法 …………………………………………………………………… 055
2.5.7 隨機森林 ……………………………………………………………………… 060
2.5.8 K- 均值聚類…………………………………………………………………… 065
2.5.9 神經(jīng)網(wǎng)絡 ……………………………………………………………………… 069
本章小結(jié) …………………………………………………………………………………… 071
習題 ………………………………………………………………………………………… 071
第 3 章? 深度學習 ……………………………………………………………………………… 072
3.1? 深度學習起源 ………………………………………………………………………… 073
3.1.1 淺層學習的局限性 …………………………………………………………… 073
3.1.2 深度學習的提出 ……………………………………………………………… 074
3.1.3 深度學習的發(fā)展 ……………………………………………………………… 075
3.1.4 深度學習情景案例 …………………………………………………………… 076
3.2? 卷積神經(jīng)網(wǎng)絡與膠囊網(wǎng)絡 …………………………………………………………… 077
目錄? /? VII
3.2.1 卷積神經(jīng)網(wǎng)絡結(jié)構(gòu) …………………………………………………………… 077
3.2.2 卷積的物理、生物與生態(tài)學意義 …………………………………………… 079
3.2.3 卷積神經(jīng)網(wǎng)絡的卷積運算 …………………………………………………… 080
3.2.4 卷積神經(jīng)網(wǎng)絡的關鍵技術 …………………………………………………… 081
3.2.5 卷積神經(jīng)網(wǎng)絡的應用 ………………………………………………………… 084
3.2.6 膠囊網(wǎng)絡 ……………………………………………………………………… 085
3.3? 深度學習工具框架介紹 ……………………………………………………………… 087
3.3.1 深度學習框架概述 …………………………………………………………… 087
3.3.2 PyTorch ……………………………………………………………………… 087
3.3.2 TensorFlow …………………………………………………………………… 090
3.3.3 Keras…………………………………………………………………………… 093
3.3.5 對比與選擇建議 ……………………………………………………………… 094
3.3.6 模型調(diào)優(yōu) ……………………………………………………………………… 095
3.4? 生成對抗網(wǎng)絡及其應用 ……………………………………………………………… 097
3.4.1 生成對抗網(wǎng)絡的基本原理 …………………………………………………… 097
3.4.2 生成對抗網(wǎng)絡的結(jié)構(gòu)與訓練 ………………………………………………… 098
3.4.3 生成對抗網(wǎng)絡在圖像處理中的意義 ………………………………………… 100
3.4.4 生成對抗網(wǎng)絡在語言處理中的意義 ………………………………………… 101
3.4.5 生成對抗網(wǎng)絡在視頻生成中的意義 ………………………………………… 102
3.4.6 生成對抗網(wǎng)絡在醫(yī)療中的意義 ……………………………………………… 104
本章小結(jié) …………………………………………………………………………………… 104
習題 ………………………………………………………………………………………… 104
第 4 章? 自然語言處理 ………………………………………………………………………… 105
4.1? 自然語言處理概論 …………………………………………………………………… 106
4.1.1 基本概念 ……………………………………………………………………… 106
4.1.2 發(fā)展歷程 ……………………………………………………………………… 107
4.1.3 自然語言的層次結(jié)構(gòu) ………………………………………………………… 109
4.2? 自然語言處理的典型應用 …………………………………………………………… 111
4.2.1 分詞 …………………………………………………………………………… 112
4.2.2 詞性標注 ……………………………………………………………………… 112
4.2.3 詞義消歧 ……………………………………………………………………… 113
4.2.4 句法分析 ……………………………………………………………………… 114
4.2.5 文本分類 ……………………………………………………………………… 115
4.2.6 情感分析和觀點挖掘 ………………………………………………………… 115
4.2.7 信息提取 ……………………………………………………………………… 116
4.2.8 信息檢索 ……………………………………………………………………… 117
VIII? /? 人工智能導論
4.2.9 文本生成 ……………………………………………………………………… 118
4.2.10 自動問答 …………………………………………………………………… 118
4.2.11 機器翻譯 …………………………………………………………………… 118
4.3? 自然語言處理的關鍵技術與方法 …………………………………………………… 119
4.3.1 文本的表示 …………………………………………………………………… 119
4.3.2 基于規(guī)則的推理 ……………………………………………………………… 123
4.3.3 循環(huán)神經(jīng)網(wǎng)絡 ………………………………………………………………… 124
4.3.4 長短期記憶網(wǎng)絡 ……………………………………………………………… 124
4.3.5 大語言模型 …………………………………………………………………… 125
4.4? 自然語言處理常用資源與工具 ……………………………………………………… 129
4.4.1 常用語料庫 …………………………………………………………………… 129
4.4.2 常用詞典 ……………………………………………………………………… 130
4.4.3 常用工具集 …………………………………………………………………… 130
4.4.4 預訓練模型庫 ………………………………………………………………… 131
本章小結(jié) …………………………………………………………………………………… 132
習題 ………………………………………………………………………………………… 132
第 5 章? 計算機視覺 …………………………………………………………………………… 134
5.1? 人類圖像處理系統(tǒng) …………………………………………………………………… 134
5.2? 圖像處理基礎 ………………………………………………………………………… 136
5.2.1 人類圖像識別能力的關鍵特征與機制 ……………………………………… 137
5.2.2 圖像的表示與處理 …………………………………………………………… 138
5.2.3 圖像特征提取 ………………………………………………………………… 141
5.2.4 圖像預處理 …………………………………………………………………… 142
5.3? 計算機視覺技術 ……………………………………………………………………… 143
5.3.1 計算機視覺的基本概念 ……………………………………………………… 144
5.3.2 計算機視覺與人類視覺的區(qū)別 ……………………………………………… 145
5.4? 圖像分割 ……………………………………………………………………………… 146
5.4.1 圖像分割的定義 ……………………………………………………………… 146
5.4.2 圖像分割的基本原理 ………………………………………………………… 147
5.4.3 FCN …………………………………………………………………………… 147
5.4.4 UNet…………………………………………………………………………… 148
5.5? 目標檢測 ……………………………………………………………………………… 149
5.5.1 目標檢測常用術語 …………………………………………………………… 153
5.5.2 目標檢測經(jīng)典算法 …………………………………………………………… 155
5.6? 應用案例 ……………………………………………………………………………… 160
5.6.1 基于 YOLOv8 的膝骨關節(jié)炎檢測…………………………………………… 160
目錄? /? IX
5.6.2 基于 DeepLabv3+ 的圖像語義分割方法 …………………………………… 163
5.6.3 基于 MediaPipe 的化學實驗操作標準化分析 ……………………………… 166
本章小結(jié) …………………………………………………………………………………… 168
習題 ………………………………………………………………………………………… 168
第 6 章? 大模型與 AI 應用 …………………………………………………………………… 170
6.1? 大模型 ………………………………………………………………………………… 170
6.1.1 大模型的發(fā)展歷程 …………………………………………………………… 170
6.1.2 大模型的能力特點 …………………………………………………………… 173
6.1.3 大語言模型的技術原理 ……………………………………………………… 174
6.1.4 典型大模型產(chǎn)品 ……………………………………………………………… 181
6.1.5 大模型應用領域 ……………………………………………………………… 185
6.2? AIGC 與提示工程 …………………………………………………………………… 189
6.2.1 AIGC ………………………………………………………………………… 189
6.2.2 提示工程 ……………………………………………………………………… 192
6.3? 基于大模型的智能體 ………………………………………………………………… 209
6.3.1 智能體概述 …………………………………………………………………… 209
6.3.2 大語言模型智能體的構(gòu)建 …………………………………………………… 210
6.3.3 多智能體系統(tǒng)的構(gòu)建 ………………………………………………………… 213
6.3.4 大語言模型智能體的典型應用 ……………………………………………… 214
6.3.4 待解決的關鍵技術問題 ……………………………………………………… 215
6.4? 具身智能 ……………………………………………………………………………… 216
6.4.1 具身智能的概念與內(nèi)涵 ……………………………………………………… 217
6.4.2 具身智能發(fā)展歷程 …………………………………………………………… 218
6.4.3 具身智能發(fā)展面臨的挑戰(zhàn) …………………………………………………… 221
6.5? AI 倫理 ……………………………………………………………………………… 223
本章小結(jié) …………………………………………………………………………………… 225
習題 ………………………………………………………………………………………… 226
書單推薦
