人工智能通識教程（微課版）

肖睿，北京大學博士、北大AI肖睿團隊領頭人、北大青鳥人工智能研究院院長、北大學習科學實驗室成員、向量智能創始人兼CEO、課工場創始人兼CEO、北京青鳥職業教育科技發展有限公司CEO。肖睿博士在教育及科技產業中深耕二十餘年，特別是在人工智能領域取得了顯著成就，被譽為中國IT職業教育的領軍人物。

目錄

第 1章　揭開人工智能的神秘面紗

1.1　什麽是人工智能

1.1.1　自主意識與人工智能

1.1.2　自動化系統與人工智能

1.1.3　腦機接口與人工智能

1.1.4　機器人技術與人工智能

1.1.5　知識工程與人工智能

1.1.6　機器學習、深度學習與人工智能

1.1.7　Python與人工智能

1.2人工智能的三大流派

1.2.1符號主義

1.2.2連接主義

1.2.3行為主義

1.3　人工智能的發展及未來

1.3.1人工智能的三次浪潮

1.3.2　生成式人工智能的崛起

1.3.3　未來人工智能的探索與展望

1.4　人工智能的的五大重要技術方向與應用領域

1.4.1電腦視覺

1.4.2自然語言處理

1.4.3智能推薦與搜索

1.4.4決策規劃

1.4.5數據分析與挖掘

1.5　本章小結

1.6　習題

第 2章　人工智能技術的行業應用——千行百業應用大爆發

2.1　金融行業

2.1.1　風險管理

2.1.2　信用評估

2.1.3　欺詐檢測

2.1.4　客戶服務

2.1.5　智能交易

2.1.6　智能助手

2.2　醫療行業

2.2.1　疾病診斷

2.2.2　個性化治療

2.2.3　智能客服系統

2.2.4　智慧病歷

2.2.5　藥物研發

2.2.6　其它應用場景

2.3　製造業

2.3.1　輔助設計

2.3.2　工業模擬

2.3.3　智能排產

2.3.4　生產線自動化與優化

2.3.5　質量控制與缺陷檢測

2.3.6　設備健康管理與預測性維護

2.3.7　智能分揀與物流

2.3.8　智能供應鏈與庫存管理

2.4　教育行業

2.4.1　個性化學習

2.4.2　智能助教

2.4.3　教學設計

2.4.4　試題作業生成與批改

2.4.5　教學管理

2.4.6　語言學習

2.4.7　科研助手

2.5　文娛傳媒行業

2.5.1　新聞傳媒

2.5.2　新媒體

2.5.3　廣告營銷行業

2.5.4　影視行業

2.5.5　游戲行業

2.6　交通物流行業

2.6.1　自動駕駛和智能駕駛輔助

2.6.2　智能交通管理

2.6.3　智能公共交通系統

2.6.4　物流與供應鏈優化

2.6.5　智能客戶服務

2.7　零售行業

2.7.1　智能營銷

2.7.2增強購物體驗

2.7.3　用戶洞察和個性化體驗

2.7.4　智能客服和會員管理

2.7.5.　智能庫存管理

2.8　IT信息技術與通信行業

2.8.1　信息技術（IT）行業

2.8.2　通信行業

2.8.3　4.5 G與人工智能的結合

2.9　其他行業

2.10　人工智能技術發展對個人的意義

2.11本章小結

2.12習題

第3章　人工智能技術的新探索——機器學習技術框架

3.1　數據智能

3.1.1　從認識論看數據智能

3.1.2　從模型論看數據智能

3.1.3　從數學角度看模型

3.1.4　數據智能的核心要素與局限性

3.2　數據科學

3.3　機器學習

3.3.1　什麽是機器學習

3.3.2　機器學習的4類任務

3.3.3　機器學習的3個學習方法

3.3.4　機器學習的5個工作流程

3.3.5　機器學習的3個要素

3.4　本章小結

3.5　習題

第4章　人工智能技術的覺醒——深度學習技術框架

4.1深度學習概述

4.1.1瞭解深度學習

4.1.2傳統機器學習與深度學習對比

4.1.3深度學習研究的“三駕馬車”

4.2從時間維度看深度學習的進化

4.2.1深度學習“古猿時代”

4.2.2深度學習的“智人時代”

4.2.3深度學習的“覺醒期”

4.2.4深度學習蓬勃發展期

4.3從應用領域看深度學習發展歷程

4.3.1從電腦視覺領域看深度學習發展歷程

4.3.2從自然語言處理領域看深度學習發展歷程

4.4深度學習核心技術：Transformer和預訓練大模型

4.4.1　Transformer架構

4.4.2預訓練大模型

4.4.3預訓練大模型使用方式介紹

4.5深度學習在科研的應用-以AlphaFold為例

4.5.1AlphaFold的革命性突破

4.5.2AlphaFold的技術實現

4.5.3AlphaFold的影響與應用

4.6本章小結

4.7習題

第5章　人工智能技術的突破——大語言模型原理與訓練

5.1大語言模型概覽

5.1.1　大語言模型與預訓練大模型

5.1.2　大語言模型的里程碑- GPT

5.1.3大語言模型2023-2024年關鍵進展

5.2大語言模型的技術原理

5.2.1　Token與向量表示

5.2.2　註意力機制：智能的關鍵

5.3大語言模型工程

5.3.1　Scaling up：大力出奇跡

5.3.2　Data：大語言模型能力的來源

5.3.3Capabilities：大語言模型的能力

5.4　大語言模型的應用

5.4.1大語言模型的應用場景與應用類型分析

5.4.2大模型微調技術

5.4.3　RAG技術

5.5　模型評估

5.5.1　模型評估的挑戰

5.5.2　模型評測

5.6本章小結

5.7習題

第　6 章 智慧對話大語言模型——Prompt入門

6.1　Prompt與大語言模型

6.1.1　什麽是Prompt

6.1.2　Prompt的作用

6.1.3　大語言模型內容的生成過程

6.2　大語言模型的能力和邊界

6.2.1　創作能力

6.2.2　對話能力

6.2.3　推理能力

6.3　大語言模型工具的選擇

6.4　清晰全面的Prompt

6.4.1　向大語言模型提問的流程

6.4.2　設定角色

6.4.3　構建清晰全面的Prompt

6.5　本章小結

6.6　習題

第7章　智慧駕馭大語言模型——Prompt高級應用

7.1　引導大語言模型學會思考

7.1.1　逐步思考

7.1.2　任務拆解

7.2　清晰表達-結構化Prompt框架

7.2.1　LangGPT

7.2.2　CO-STAR

7.2.3　CRISPE框架

7.3　學會與大語言模型協作

7.3.1　角色定位

7.3.2　設計Prompt的關鍵能力

7.3.3　人機協作工作流程

7.4　大語言模型的N種應用

7.4.1　助力學習成長

7.4.2　助力科研創作

7.4.3　輔助代碼學習

7.4.4　協助心理疏導

7.4.5　協助求職與就業

7.5　本章小結

7.6　習題

第8章AI的試聽應用——繪畫視頻與音頻

8.1　AI繪畫的原理

8.1.1　認識AI繪畫

8.1.2　AI繪畫的技術基礎

8.1.3　Stable Diffusion繪畫原理

8.2　Stable Diffusion WebUI繪畫實踐

8.2.1　安裝Stable Diffusion WebUI

8.2.2　Stable Diffusion WebUI界面參數

8.2.3　Stable Diffusion WebUI應用實踐

8.3　ComfyUI繪畫工作流

8.3.1安裝ComfyUI

8.3.2　ComfyUI工作過程解析

8.4　視頻生成

8.4.1　視頻生成技術發展

8.4.2　視頻生成技術應用

8.4.3　視頻生成技術發展趨勢

8.5　音頻生成

8.5.1　音頻生成技術發展

8.5.2　音頻生成技術應用

8.5.3　音頻生成技術發展趨勢

8.6　本章小結

8.7　習題

第9章　人工智能的挑戰與未來

9.1人工智能：意識探索與人類影響

9.1.1　人工智能是否具有自我意識

9.1.2　人工智能對人類的意義

9.2人工智能對人類的挑戰

9.2.1　數據隱私與安全

9.2.2　知識產權挑戰

9.2.3　人工智能的倫理與風險

9.2.4　人工智能對未來的影響

9.3人工智能走向何處

9.3.1　什麽是AI Agent？

9.3.2　向整體智能時代邁進

9.4本章小結

9.5習題

參考文獻