人工智能通識導論（微課版）
侯榮旭 盧增寧 任金林
相關主題
商品描述
人工智能是近年來發展最為迅猛的新興交叉學科，也是新質生產力的重要推動因素。本書作為人工智能學科的入門通識教材，通過由淺入深、理論與實踐有機結合的方式，全方位闡述了人工智能相關的歷史背景、理論脈絡、關鍵技術及典型應用。全書共分12章。第1章闡述了人工智能的定義、發展歷史和發展趨勢。第2章到第5章是人工智能學科的理論基礎，分別介紹了基於知識、學習、大模型的人工智能，人工智能安全與倫理問題等內容。第6章到第12章從人工智能的應用領域出發，主要闡述了智能視覺、智能博物館、智能機器人、智能穿戴設備、智能駕駛、智能醫療、智能教育等方面的應用技術及方法，並以案例分析的形式詳細介紹了人工智能的具體應用。
本書是人工智能學科的“零基礎”入門級通識教材，可以作為高校學生的人工智能通識教材，也可以作為人工智能愛好者及相關研究人員進行人工智能相關培訓、開發及研究工作的參考資料。
作者簡介
侯榮旭：
沈陽工程學院副教授，主要研究方向為數據庫技術、人工智能技術等，遼寧省級創新創業教育實踐平臺負責人，曾擔任全國大學生計算機博弈大賽評委，遼寧省大學生計算機設計大賽、移動應用開發大賽等賽事評委，獲全國大學生創新創業實踐聯盟-創新創業先進工作者、沈陽市高校優秀創新創業指導教師等榮譽稱號。曾主持或參與省部級科研、教研項目共計10余項，發表SCI等專業論文10余篇，榮獲全國商業科技進步獎三等獎1項，省級教學成果二等獎1項。主編或副主編教材等3部。
張翼英：
天津科技大學博導、教授級高工，天津市高校學科領軍人才、海河學者特聘教授，國家電網公司信息網絡安全實驗室客座教授，2010年，博士畢業於韓國高麗大學計算機與無線通信專業，北郵與國家電網公司博士後；主要研究方向為人工智能、物聯網技術、大數據、智能電網等。曾主持或參與博士後面上基金、973項目、863項目、國家重大科技專項、國家自然科學基金等國家級、省部級科研、教研項目共計40余項，發表SCI等專業論文100余篇，獲省部級科技獎9項和省部級教學成果獎3項。此外，與清華大學出版社、科學出版社、IGIPress等合作，主編或副主編包括國家重點圖書、規劃教材等30余部，其中包括《人工智能導論》、《物聯網與智能電網》、《物聯網導論》等。
目錄大綱
【章名目錄】
第 1章 人工智能
第 2章 基於知識的人工智能
第3章 基於學習的人工智能
第4章 基於大模型的人工智能
第5章 人工智能安全與倫理問題
第6章 智能視覺
第7章 智能博物館
第8章 智能機器人
第9章 智能穿戴設備
第 10章 智能駕駛
第 11章 智能醫療
第 12章 智能教育
【詳細目錄】
第 1章 人工智能
1.1 人工智能概述 1
1.1.1 人工智能簡介 2
1.1.2 人工智能流派 4
1.1.3 人工智能的三大核心要素 6
1.2 人工智能發展史 8
1.2.1 人工智能的早期發展 8
1.2.2 人工智能的寒冬與復蘇 10
1.2.3 現代人工智能的崛起 11
1.3 人工智能關鍵技術概述 14
1.3.1 機器學習 14
1.3.2 深度學習 16
1.3.3 知識圖譜 17
1.3.4 自然語言處理 18
1.3.5 計算機視覺 19
1.4 大語言模型 19
1.4.1 大語言模型的定義 19
1.4.2 大語言模型的特點 20
1.4.3 大模型的分類 20
本章小結 21
習題 21
第 2章 基於知識的人工智能
2.1 知識建模和表示 22
2.1.1 本體論設計和分類學 22
2.1.2 語義網絡和框架 23
2.1.3 知識圖譜和圖數據庫 26
2.2 知識搜索 26
2.2.1 啟發式搜索 27
2.2.2 搜索樹 29
2.2.3 遺傳算法 31
2.3 知識推理 32
2.3.1 線性和非線性推理 34
2.3.2 確定性和不確定性推理 35
2.3.3 模糊推理 39
2.3.4 概率推理 40
本章小結 41
習題 41
第3章 基於學習的人工智能
3.1 機器學習 43
3.1.1 機器學習概述 43
3.1.2 分類及回歸 47
3.1.3 聚類及降維 53
3.2 深度學習 55
3.2.1 卷積神經網絡 57
3.2.2 遞歸神經網絡 66
3.2.3 生成式神經網絡 69
3.3 強化學習 73
3.3.1 基於值函數的學習方法 75
3.3.2 基於策略的學習方法 78
3.3.3 Actor-Critic方法 81
本章小結 84
習題 84
第4章 基於大模型的人工智能
4.1 大模型概述 85
4.2 大模型技術簡介 87
4.3 典型大模型 88
4.3.1 通用大模型DeepSeek 89
4.3.2 通用大模型ChatGPT 92
4.3.3 通用語言模型GLM 94
4.3.4 視頻生成大模型 97
4.3.5 圖像生成大模型 99
4.3.6 音樂生成大模型 100
4.3.7 語言識別大模型 101
本章小結 103
習題 103
第5章 人工智能安全與倫理問題
5.1 人工智能安全概述 104
5.1.1 人工智能安全形勢分析 105
5.1.2 人工智能安全風險分析 105
5.1.3 應用案例——數據脫敏技術 107
5.1.4 各方應對人工智能安全問題的舉措 107
5.2 人工智能安全體系架構 108
5.2.1 人工智能內生安全 110
5.2.2 人工智能衍生安全 110
5.3 人工智能助力安全 111
5.3.1 人工智能助力防禦 111
5.3.2 人工智能輔助攻擊 113
5.3.3 針對人工智能自身安全問題的攻擊 115
5.3.4 針對人工智能自身安全問題的防護 116
5.4 人工智能倫理問題 117
本章小結 120
習題 120
第6章 智能視覺
6.1 智能視覺概述 122
6.2 智能視覺關鍵技術 123
6.2.1 圖像獲取與預處理 123
6.2.2 特征提取與表示 125
6.3 典型應用案例 128
6.3.1 安防監控：守護安全的“智慧之眼” 128
6.3.2 醫療影像分析：輔助醫生精準診斷 129
6.3.3 智能駕駛與輔助駕駛：引領未來出行方式 130
6.3.4 新零售與智能家居：打造智能生活新體驗 133
6.3.5 農業智能化：推動農業生產變革 136
6.4 智能視覺發展趨勢 138
本章小結 139
習題 139
第7章 智能博物館
7.1 人工智能與博物館：新時代的融合 140
7.2 人工智能在博物館的關鍵應用 141
7.2.1 藏品保護與場館管理 141
7.2.2 展覽設計與展示 147
7.2.3 觀眾服務與體驗 150
7.3 未來趨勢與發展方向 155
7.3.1 人工智能技術在博物館中的應用趨勢 155
7.3.2 人工智能與博物館的可持續發展 156
本章小結 157
習題 157
第8章 智能機器人
8.1 智能機器人的“智能” 158
8.1.1 為機器人的智能提供支撐的三種關鍵技術 158
8.1.2 人工智能加持下的機器人 159
8.2 智能機器人的主要傳感器及其應用 169
8.3 智能機器人的前沿探索 173
8.3.1 深度學習在智能機器人中的應用 173
8.3.2 柔性機器人與軟體機器人 174
8.3.3 群體智能與多機器人協作 176
本章小結 179
習題 179
第9章 智能穿戴設備
9.1 智能穿戴設備概述 180
9.1.1 智能穿戴設備簡介 180
9.1.2 發展歷程 182
9.1.3 智能穿戴設備種類 186
9.2 智能穿戴設備技術基礎 187
9.2.1 常見智能穿戴設備測量原理 187
9.2.2 無線通信技術 190
9.2.3 低功耗芯片技術 193
9.2.4 軟件開發技術 193
9.3 智能穿戴設備應用案例 194
9.3.1 智能穿戴設備解鎖汽車：開啟便捷出行新時代 194
9.3.2 Apple Watch：促進健康生活方式的轉變 195
9.4 智能穿戴設備的未來 196
9.4.1 未來技術發展方向 196
9.4.2 虛擬現實技術的融合 197
9.4.3 應用趨勢 197
本章小結 198
習題 199
第 10章 智能駕駛
10.1 智能駕駛系統概述 200
10.1.1 智能駕駛的起源與發展背景 200
10.1.2 智能駕駛的定義 202
10.1.3 智能駕駛應用場景 203
10.1.4 智能駕駛全面數據解讀 204
10.2 智能駕駛關鍵技術 205
10.2.1 智能駕駛中的環境感知 205
10.2.2 智能駕駛中的目標識別 210
10.2.3 智能駕駛中的動態決策 212
10.3 智能駕駛應用案例 213
本章小結 221
習題 221
第 11章 智能醫療
11.1 智能醫療概述 223
11.1.1 智能醫療的主要特點 223
11.1.2 智能醫療發展歷史 224
11.2 智能醫療關鍵技術 226
11.2.1 計算機視覺 226
11.2.2 機器學習和深度學習 228
11.2.3 物聯網 229
11.3 典型應用案例 230
11.3.1 藥物發現 230
11.3.2 醫學影像分析 232
11.3.3 醫療保健 235
11.3.4 生物醫學大數據分析 238
11.4 智能醫療的技術挑戰和發展趨勢 240
11.4.1 技術挑戰 240
11.4.2 發展趨勢 241
本章小結 242
習題 243
第 12章 智能教育
12.1 智能教育概述 244
12.1.1 智能教育背景 244
12.1.2 智能教育的必要性 245
12.1.3 發展趨勢 246
12.2 智能教育技術 248
12.2.1 人工智能技術 248
12.2.2 虛擬現實與增強現實 250
12.2.3 智能化學習輔導：基於大模型的個性化教育 252
12.3 個性化教育 253
12.3.1 實現方式 254
12.3.2 應用場景 254
12.3.3 案例介紹 255
12.3.4 個性化學習優勢 257
12.4 基於AI的教育平臺 258
12.4.1 教育服務優化 258
12.4.2 知識生產與獲取變革 260
12.4.3 教育大模型 261
12.5 推薦教育或學習資源網站 265
本章小結 269
習題 269
參考文獻
