人工智能導論 第2版

前言

二維碼資源清單

第1章  人工智能概述 1

知識目標 1

素養目標 1

導入案例  手機中的人工智能 1

1.1  人工智能基礎知識 2

1.1.1  人工智能的定義 2

1.1.2  人工智能的分類 3

拓展閱讀  奇點來臨？ 5

1.2  人工智能的起源和發展 5

1.2.1  人工智能的孕育 5

1.2.2  圖靈測試與人工智能 7

1.2.3  馮?諾依曼體系結構 8

1.2.4  人工智能學科的誕生 9

1.2.5  人工智能的發展歷程 10

1.2.6  人工智能的主要流派 12

拓展閱讀　人工智能的幾位奠基人 13

1.3  人工智能的發展現狀 15

1.3.1  國際人工智能發展現狀 15

1.3.2  我國人工智能發展現狀 16

1.3.3 “人工智能+”時代已經來臨 16

1.4  人工智能安全 20

1.4.1  人工智能安全的挑戰和機遇 20

1.4.2  人工智能安全應用 21

1.4.3  人工智能安全治理 23

拓展閱讀  馬斯克和紮克伯格的人工智能          論戰 24

應用案例  無人銀行的全新服務體驗 24

1.5  習題 26

第2章  大數據與人工智能 27

知識目標 27

素養目標 27

導入案例  天貓“雙十一”購物節 27

2.1  大數據的概念 28

2.1.1  什麼是大數據 28

2.1.2  大數據的產生 28

2.1.3  大數據的發展歷程 30

2.1.4  數據的量級 31

2.2  大數據的特征 31

2.2.1  大數據的數據特征 31

2.2.2  大數據的技術特征 32

拓展閱讀  貴州大數據從“先行”到          “領跑” 33

2.3  大數據下的雲計算 34

2.3.1  雲計算的概念 34

2.3.2  雲計算的分類 35

2.3.3  雲計算的服務模式 36

2.3.4  雲計算的主要技術 37

拓展閱讀  阿裏雲 38

2.4  大數據、雲計算與人工智能 39

2.4.1  大數據與雲計算 39

2.4.2  大數據與人工智能 41

拓展閱讀 “啤酒與尿布”的故事 41

2.5  大數據分析處理 42

2.5.1  大數據思維 42

2.5.2  大數據處理 43

2.5.3  大數據與人工智能應用 44

應用案例  智慧電商 44

2.6  習題 47

第3章  機器學習 49

知識目標 49

素養目標 49

導入案例 “深藍”大戰國際象棋世界冠軍卡斯帕羅夫 49

3.1  機器學習的概念 49

3.1.1  什麼是機器學習 50

3.1.2  機器學習的發展 51

拓展閱讀  跳棋中的機器學習 53

3.2  機器學習的類型 54

3.2.1  監督學習 54

3.2.2  無監督學習 54

3.2.3  半監督學習 55

3.2.4  強化學習 55

拓展閱讀  Netflix電影推薦系統 56

3.3  機器學習的算法 57

3.3.1  回歸算法 57

3.3.2  決策樹算法 59

3.3.3  樸素貝葉斯算法 60

3.3.4  支持向量機 62

3.3.5  聚類算法 62

3.3.6  降維算法 64

拓展閱讀  沒有免費的午餐 65

3.4  機器學習的應用 66

3.4.1  機器學習的應用領域 66

3.4.2  機器學習的一般流程 67

應用案例  智元機器人真機強化學習落地工業產線 69

3.5  習題 69

第4章  深度學習 71

知識目標 71

素養目標 71

導入案例  AlphaGo大戰李世石 71

4.1  人工神經網絡 72

4.1.1  神經元 72

4.1.2  神經元模型 73

4.1.3  感知機 74

拓展閱讀  一代宗師傑弗裏?辛頓 74

4.2  BP神經網絡 75

4.2.1  BP神經網絡結構 75

4.2.2  BP神經網絡算法 77

拓展閱讀  延恩樂存 77

4.3  卷積神經網絡 78

4.3.1  卷積神經網絡簡介 78

4.3.2  卷積神經網絡的結構 78

4.3.3  常用的卷積神經網絡 81

拓展閱讀  GPU與海量訓練數據 84

4.4  循環神經網絡 85

4.4.1  循環神經網絡簡介 85

4.4.2  循環神經網絡的結構 86

4.4.3  常用的循環神經網絡 86

拓展閱讀  TensorFlow深度學習框架 87

4.5  生成對抗網絡 88

4.5.1  生成對抗網絡的概念 88

4.5.2  生成對抗網絡的原理與訓練過程 89

4.5.3  生成對抗網絡的應用 90

4.6  深度學習及應用 91

應用案例  AlphaGo Zero的成功秘訣 93

4.7  習題 94

第5章  計算機視覺 96

知識目標 96

素養目標 96

導入案例 “最強大腦”之人機大戰，百度人工智能勝出 96

5.1  計算機視覺的概念 97

5.1.1  什麼是計算機視覺 97

5.1.2  計算機視覺的發展歷程 98

5.1.3  計算機視覺的應用 99

5.2  圖像處理與視覺系統 100

5.2.1  圖像基礎 101

5.2.2  圖像處理技術 103

5.2.3  計算機視覺系統 106

拓展閱讀 “智慧之眼”護衛千帆平安 107

5.3  人臉識別 108

5.3.1  人臉識別概述 108

5.3.2  人臉識別系統 109

5.3.3  人臉識別的應用 111

拓展閱讀  人臉識別的相關法律法規 111

5.4  無人駕駛 112

5.4.1  無人駕駛的分級 112

5.4.2  無人駕駛的發展歷史 115

5.4.3  無人駕駛的原理與實現 117

拓展閱讀  國內首個無人駕駛商業化試點啟動 119

應用案例  比亞迪智能駕駛輔助系統—“天神之眼” 120

5.5  習題 120

第6章  自然語言處理 122

知識目標 122

素養目標 122

導入案例  國內首個智能問答機器人勇闖《芝麻開門》 122

6.1  自然語言處理概述 122

6.1.1  什麼是自然語言處理 123

6.1.2  自然語言處理的發展歷程 124

6.1.3  自然語言處理的應用 125

6.1.4  自然語言處理的一般過程 126

6.2  自然語言理解 127

6.2.1  自然語言理解的困難 127

6.2.2  傳統語言理解方法 128

6.2.3  基於深度學習的語言理解方法 131

6.2.4  基於預訓練模型的語言理解方法 134

6.3  傳統語言模型 135

6.3.1  語言模型的發展歷程 135

6.3.2  統計語言模型 136

6.3.3  神經網絡語言模型 137

6.4  Transformer模型 138

6.4.1  Seq2Seq結構 139

6.4.2  註意力機制 140

6.4.3　Transformer模型結構 141

拓展閱讀  2024年諾貝爾化學獎再次花落人工智能 146

6.5  混合專家模型 147

6.5.1  MoE模型的結構與原理 147

6.5.2  DeepSeek-V3中的MoE架構 149

拓展閱讀  DeepSeek顛覆了什麼？ 151

應用案例  星火語音同傳大模型升級，助力WAIC 2025全球對話 151

6.6  習題 152

第7章  大語言模型 154

知識目標 154

素養目標 154

導入案例　2024年諾貝爾物理學獎揭曉 154

7.1  認識大模型 155

7.1.1  大模型的定義 155

7.1.2  大模型的分類 156

7.1.3  大模型的湧現能力 157

7.2　大模型的發展 159

7.2.1　大模型的發展歷程 159

7.2.2　我國大模型的發展 161

拓展閱讀  百度千帆大模型平臺 162

7.3  大模型的核心技術 162

7.3.1  Transformer架構 162

7.3.2　模型微調 163

7.3.3　基於人類反饋的強化學習 164

7.3.4　模型壓縮技術 165

7.3.5　安全與隱私保護技術 166

拓展閱讀  中國首部大模型監管法規發布 168

7.4  從ChatGPT到DeepSeek—大模型的技術演進 168

7.4.1  從ChatGPT到DeepSeek 168

7.4.2  GPT系列模型 170

7.4.3  DeepSeek系列模型 172

拓展閱讀  DeepSeek-R1登上《自然》封面，中國AI再次出圈 173

應用案例  磐石——科學基礎大模型 174

7.5  習題 175

第8章  AIGC及其應用 176

知識目標 176

素養目標 176

導入案例  AI畫作《太空歌劇院》獲藝術類比賽一等獎 176

8.1  AIGC概述 177

8.1.1  AIGC定義及特點 177

8.1.2  AIGC與內容生產方式變革 179

8.1.3  AIGC的發展歷程 180

拓展閱讀  我國生成式人工智能用戶規模超5億人 182

8.2  提示詞 182

8.2.1  提示詞的概念 182

8.2.2  提示詞的種類 183

8.2.3　提示詞的組成要素 184

8.2.4　提示詞的技巧 186

拓展閱讀  大模型發展催生提示詞工程師新職業 190

8.3  AIGC應用—文本生成 190

8.3.1  文本生成大模型 191

8.3.2  制定學習計劃 191

8.3.3  撰寫演講稿 192

8.3.4  制定旅遊攻略 194

8.4  AIGC應用—圖像生成 196

8.4.1  圖像生成大模型 197

8.4.2  文生圖 197

8.4.3  圖生圖 199

8.5  AIGC應用—視頻生成 199

8.5.1  視頻生成大模型 200

8.5.2  文生視頻 200

8.5.3  圖生視頻 203

應用案例  AIGC賦能微短劇—《遇見唐詩》 204

8.6  習題 204

第9章  具身智能 206

知識目標 206

素養目標 206

導入案例  從《秧BOT》到《武BOT》，具身智能未來已來 206

9.1  具身智能的概念 207

9.1.1  什麼是具身智能 207

9.1.2  具身智能的關鍵能力 208

9.1.3  具身智能的應用 210

拓展閱讀  具身智能發展階段分級 212

9.2  智能體 213

9.2.1  智能體的概念 213

9.2.2  智能體的能力 216

9.2.3  智能體的工作過程 217

拓展閱讀  大世界模型 220

9.3  人形機器人 221

9.3.1  人形機器人簡介 221

9.3.2  人形機器人的發展歷程 223

9.3.3  我國人形機器人的發展 225

拓展閱讀  AI觀察員“智小譜”首次亮相全國兩會報道！ 227

應用案例  冠軍機器人從賽場走進生產線 228

9.4  習題 229

參考文獻 231