相關主題
商品描述
本書詳細闡述了具有人工智能素養的綜合型人才必須掌握的相關知識。作為通識課程教材，本書在確定知識布局時，緊緊圍繞通識教育核心理念，努力培養學生的人工智能素養。本書系統介紹人工智能理論知識，並給出可操作性強的實驗，既具有理論深度，又具有實踐高度。全書內容分為5篇，分別是人工智能基礎知識（第1篇）、人工智能基礎技術（第2篇）、人工智能前沿技術（第3篇）、人工智能倫理（第4篇）和人工智能實驗（第5篇）。其中，第1篇對人工智能進行概要性介紹，第2篇介紹人工智能編程語言基礎、機器學習、自然語言處理、計算機視覺等內容，第3篇介紹大模型、智能體、具身智能、AIGC應用與實驗，第4篇介紹人工智能倫理基礎知識及策略等內容，第5篇介紹6個課後實驗。書中包含大量生動、有趣、實用的案例，可以讓讀者切身感受人工智能的強大功能，培養讀者使用人工智能工具解決實際問題的能力。 本書可作為各高校人工智能通識課程教材，也可作為對人工智能感興趣的讀者的自學用書。
作者簡介
林子雨，男，博士（畢業於北京大學），國內高校知名大數據教師，廈門大學計算機科學與技術系副教授，廈門大學數據庫實驗室負責人，中國計算機學會數據庫專委會委員，中國計算機學會信息系統專委會委員，全國工業大數據行業產教融合共同體特聘專家，入選“2021年高校計算機專業優秀教師獎勵計劃”，榮獲“2022年福建省高等教育教學成果獎特等獎（個人排名第一）”和“2018年福建省高等教育教學成果獎二等獎（個人排名第一）”，編著出版13本大數據系列教材，被國內1000多所高校采用，建設了國內高校首個大數據課程公共服務平臺，平臺累計網絡訪問量超過2500萬次，成為全國高校大數據教學知名品牌，主持的課程《大數據技術原理與應用》獲評“2018年國家精品在線開放課程”和“2020年國家級線上一流本科課程”，主持的課程《Spark編程基礎》獲評“2021年國家級線上一流本科課程”。建設的大數據系列MOOC課程入選“2023年教育部國家智慧教育公共服務平臺應用典型案例”。
目錄大綱
第 一篇 人工智能概念篇
第 1章 人工智能概述 1
1.1 什麼是人工智能 1
1.1.1 什麼是智能 1
1.1.2 人工智能的定義 2
1.1.3 人工智能的要素 2
1.1.4 人工智能的類型 3
1.2 人工智能的發展歷程 4
1.2.1圖靈測試 4
1.2.2 人工智能的誕生 4
1.2.3 人工智能的發展階段 5
1.2.4 未來人工智能發展的五個級別 6
1.3 人工智能的影響 7
1.3.1 人工智能對工作、生活等方面的影響 7
1.3.2人工智能開啟科學研究“第五範式” 9
1.3.3 人工智能開啟“人機共生”新時代 11
1.4 世界各國的人工智能發展戰略 12
1.4.1 美國 12
1.4.2中國 12
1.4.3歐盟 13
1.4.4 其他國家 13
1.5 人工智能關鍵技術 13
1.5.1機器學習 13
1.5.2知識圖譜 15
1.5.3自然語言處理 16
1.5.4人機交互 16
1.5.5計算機視覺 17
1.5.6生物特征識別 18
1.6 人工智能應用 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智能醫療 22
1.6.7智能物流 23
1.6.8智能零售 24
1.7 人工智能產業 24
1.7.1智能基礎設施建設 24
1.7.2智能信息及數據 25
1.7.3智能技術服務 25
1.7.4智能產品 25
1.8人工智能底層的信息化基礎設施 26
1.8.1 網絡設施 26
1.8.2 算力設施 27
1.8.3 空間設施 28
1.8.4 電力設施 29
1.9 人工智能思維 32
1.10 本章小結 32
1.11 習題 33
第 2章 人工智能編程語言基礎 34
2.1 Python簡介 34
2.2 搭建Python開發環境 34
2.2.1 安裝Python 35
2.2.2 設置當前工作目錄 36
2.2.3 使用交互式執行環境 36
2.2.4 運行代碼文件 37
2.2.5 使用IDLE編寫代碼 37
2.2.6 安裝和使用Python擴展模塊 38
2.3 Python規範 40
2.3.1 註釋規則 40
2.3.2 代碼縮進 41
2.4 Python基礎語法知識 42
2.4.1基本數據類型 42
2.4.2組合數據類型 43
2.4.3控制結構 46
2.4.4函數 48
2.5 本章小結 49
2.6 習題 49
第3章機器學習 51
3.1 機器學習基本概念 51
3.1.1 什麼是機器學習 51
3.1.2 機器學習的四大類型 51
3.1.3 機器學習的基本過程 52
3.2 sklearn簡介 53
3.3 監督學習 54
3.3.1 回歸算法 55
3.3.2 分類算法 69
3.3.3 支持向量機 82
3.3.4 KNN 84
3.4 無監督學習 87
3.4.1 K-Means 87
3.4.2層次聚類 91
3.4.3 DBSCAN 94
3.5 強化學習 99
3.5.1 強化學習的基本要素 99
3.5.2 強化學習的過程 100
3.5.3 常見的強化學習算法 100
3.6 人工神經網絡和深度學習 101
3.6.1人工神經網絡 101
3.6.2 深度學習 102
3.7 本章小結 105
3.8 習題 105
第4章自然語言處理 107
4.1自然語言處理概述 107
4.1.1什麼是自然語言處理 107
4.1.2自然語言處理的重要性與應用價值 107
4.1.3自然語言處理的發展簡史 108
4.2 自然語言處理的核心基礎任務 108
4.2.1文本分類：情感分析與主題識別 108
4.2.3關系抽取：挖掘實體間的關聯 109
4.2.2命名實體識別：從文本中提取關鍵信息 111
4.2.4文本聚類：相似文本的自動歸組 111
4.2.5信息檢索：快速找到所需內容 112
4.3 自然語言處理的典型應用場景 113
4.4 實驗1：分詞工具Jieba的使用方法 114
4.4.1 Jieba簡介 114
4.4.2 Jieba的使用方法 115
4.4.3 使用Jieba對文本進行分詞後繪制詞雲圖 115
4.5 實驗2：對文本進行情感分析 117
4.6 本章小結 118
4.7 習題 119
第5章計算機視覺 120
5.1 計算機視覺概述 120
5.1.1 什麼是計算機視覺 120
5.1.2 計算機視覺的發展歷史 120
5.1.3 計算機視覺與人類視覺的差異 121
5.2計算機視覺的典型應用場景 121
5.3 計算機視覺的核心任務 121
5.4 計算機視覺面臨的挑戰 122
5.5 實驗1：圖像處理庫Pillow的使用方法 123
5.5.1 Pillow概述 123
5.5.2 Pillow庫Image類 123
5.5.3 Pillow庫ImageFilter類和ImageEnhance類 126
5.5.4 Pillow庫ImageDraw類和ImageFont類 129
5.5.5 圖像的字符畫繪制 131
5.6 實驗2：計算機視覺庫OpenCV的使用方法 133
5.6.1 圖像處理 133
5.6.2 特征提取 134
5.6.3目標檢測 135
5.7 本章小結 135
5.8 習題 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 大模型與小模型的區別 136
6.1.3 大模型的發展歷程 137
6.1.4 人工智能與大模型的關系 138
6.1.5 大模型在人工智能領域的重要性 139
6.2 大模型產品 139
6.2.1 國外的大模型產品 139
6.2.2 國內的大模型產品 141
6.2.3 中美兩國在大模型領域的競爭 143
6.3 大模型的基本原理 144
6.3.1 原理概述 144
6.3.2 大模型訓練的實例演示 145
6.4 大模型的特點 147
6.5 大模型的分類 149
6.5.1 按照輸入數據類型劃分 149
6.5.2 按照應用領域劃分 149
6.5.3 大語言模型的分類 150
6.6 大模型訓練的硬件設施 151
6.7 大模型的成本 152
6.8 大模型的應用領域 153
6.9大模型對人們工作和生活的影響 154
6.9.1大模型對工作的影響 154
6.9.2 模型對生活的影響 154
6.10 大模型的挑戰與未來發展 154
6.10.1 大模型的挑戰 154
6.10.2 大模型的未來發展 155
6.11 實驗1：在自己本地計算機上部署大模型 156
6.11.1 為什麼需要本地部署大模型 156
6.11.2 DeepSeek R1簡介 156
6.11.3 在本地計算機部署DeepSeek R1 157
6.12 本章小結 161
6.13 習題 161
第7章 智能體 163
7.1 智能體概述 163
7.1.1 什麼是智能體 163
7.1.2 智能體的發展歷程 164
7.1.3 智能體的應用 164
7.1.4 智能體的優勢 164
7.2 智能體和人工智能的關系 165
7.3 智能體的關鍵特征 166
7.4 智能體的分級 167
7.5 智能體的分類 169
7.6 智能體的組成 169
7.7 智能體的工作原理 169
7.8 智能體的關鍵技術 170
7.9 典型的智能體產品 171
7.10 基於大模型的智能體 171
7.10.1 國外的智能體產品 172
7.10.2 國內的智能體產品 173
7.10.3 案例：扣子智能體搭建實戰 174
7.11 AI Agent和Agentic AI的關系 179
7.12 智能體的未來發展 181
7.13 本章小結 181
7.14 習題 182
第8章 具身智能 183
8.1 具身智能概述 183
8.1.1 什麼是具身智能 183
8.1.2 具身智能和智能體的關系 183
8.1.3 具身智能的發展歷程 184
8.1.4 具身智能在人工智能中的地位與作用 185
8.2 具身智能的技術支撐 185
8.2.1 傳感器技術：感知世界的觸角 185
8.2.2 機器學習與強化學習 186
8.2.3 機器人技術：具身的物理載體 187
8.3 具身智能的應用領域 188
8.3.1 人機交互與協作 189
8.3.2 自主系統與導航 189
8.3.3 醫療健康 189
8.3.4 娛樂與教育 190
8.4 人形機器人 190
8.4.1 人形機器人的內涵 190
8.4.2 人形機器人的發展階段 191
8.4.3 人形機器人的分類 192
8.4.4 典型人形機器人 193
8.5 具身智能的挑戰與限制 196
8.5.1 技術挑戰 196
8.5.2 倫理與法律問題 196
8.5.3 社會接受度與影響 196
8.6 本章小結 197
8.7 習題 197
第9章 AIGC應用與實踐 198
9.1 AIGC概述 198
9.1.1 什麼是AIGC 198
9.1.2 AIGC與大模型的關系 198
9.1.3 AIGC的發展歷程 198
9.1.4 常見的AIGC應用場景 199
9.1.5 AIGC技術對行業發展的影響 199
9.1.6 AIGC技術對職業發展的影響 200
9.1.7 常見的AIGC大模型工具 200
9.1.8 AIGC大模型的提示詞 200
9.2文本類AIGC應用實踐 201
9.2.1 文本類AIGC應用場景 201
9.2.2 文本類AIGC工具基礎知識 201
9.2.3實驗1：與DeepSeek進行對話 206
9.2.4實驗2：與百度文心一言進行對話 208
9.2.5實驗3：使用Kimi制作PPT 210
9.3圖片類AIGC應用實踐 212
9.3.1圖片類AIGC應用場景 212
9.3.2 實驗5：創意圖片生成 213
9.3.3 實驗6：AI修圖與老照片修覆 215
9.3.4 實驗7：圖片擴展與高清化 218
9.3.5 實驗8：智能摳圖與圖片融合 220
9.3.6 實驗9：塗抹消除與局部重繪 225
9.3.7 實驗10：AI繪畫藝術創作 228
9.3.8 實驗11：真實照片轉成二次元風格 232
9.4語音類AIGC應用實踐 234
9.4.1 語音類AIGC應用場景 234
9.4.2 實驗12：豆包大模型的語音類功能用法 235
9.4.3實驗13：使用喜馬拉雅音頻大模型進行文本配音 238
9.4.4 實驗14：使用米可智能進行語音克隆 240
9.5視頻類AIGC應用實踐 244
9.5.1 視頻類AIGC應用場景 244
9.5.2 代表性的視頻類AIGC大模型 245
9.5.3 實驗15：使用可靈AI實現文生視頻 245
9.5.4實驗16：使用即夢AI實現圖生視頻 251
9.5.5 實驗17：使用即夢AI制作數字人 258
9.6 AIGC技術在輔助編程中的應用 261
9.6.1 AIGC技術在輔助編程中的應用場景 261
9.6.2 實驗18：使用豆包大模型輔助編程 262
9.7 AI搜索 263
9.7.1 AI搜索概述 263
9.7.2 納米AI搜索 264
9.8 本章小結 265
9.8 習題 265
第 10章 人工智能倫理 266
10.1 人工智能倫理概念 266
10.2 人工智能的倫理問題 266
10.2.1 人的主體性異化 266
10.2.2 數據隱私和安全 267
10.2.3 算法偏見和歧視 267
10.2.4 AI造假、欺騙、信息汙染 268
10.2.5 算法的不透明性和不可解釋性 268
10.2.6 AI系統的不穩定性和風險性 268
10.2.7 責任歸屬 269
10.2.8 公平正義和社會效益 269
10.2.9 AIGC技術對知識產權形成挑戰 269
10.2.10 人工智能在軍事領域應用引發的倫理問題 270
10.3 人工智能倫理典型案例 270
10.3.1 人臉識別算法存在“歧視” 270
10.3.2 自動駕駛安全事故頻出 271
10.3.3 大學教授狀告杭州野生動物世界 271
10.3.4 某智能音箱勸主人自殺 271
10.3.5 “監測頭環”進校園惹爭議 272
10.3.6 AI算法識別性取向準確率超過人類 272
10.3.7 甘肅某男子用ChatGPT編假新聞牟利 272
10.3.8 智能家居系統“竊聽”用戶隱私 272
10.3.9 使用AI覆活逝者 272
10.3.10 AI成癮及首例AI致死命案悲劇 273
10.4 人工智能倫理的基本原則 273
10.5 解決人工智能倫理問題的策略 274
10.5.1 制定和執行相關法規和政策 274
10.5.2 加強AI技術的透明度和可解釋性 274
10.5.3 建立AI倫理審查機制 275
10.5.4 提高公眾對AI倫理問題的認識和意識 275
10.5.5 加強國際合作和交流，共同解決AI倫理問題 275
10.6 本章小結 275
10.7 習題 276
第 11章 課後實驗 277
實驗一 Python程序設計基礎實踐 277
實驗二 基於sklearn的機器學習初級實踐 278
實驗三 簡單文本情感分析實踐 280
實驗四 Pillow庫和OpenCV庫的基本使用 281
實驗五 使用Coze搭建客服智能體 282
實驗六 AIGC基礎應用實踐 283
