人工智能通識——原理、應用與實踐

邱璟，南昌大學教授，博士生導師，高級工藝美術師, 中華人民共和國教育部課程思政教學名師，教育部課程思政示範課程負責人,教學團隊帶頭人，教育部首批國家級線下一流本科課程負責人，第二批國家級線上一流本科課程負責人，江西省高水平本科教學團隊帶頭人，江西省課程思政教學名師，南昌大學教學名師,“1％工程”基金理事會理事，中國工藝美術大師評委，國家職業技能鑒定命題專家，主要從事設計美學、數字媒體藝術等領域的教學和研究工作。

王允乾，工學博士、副教授。南昌大學數學與計算機學院計算機科學與技術系專任教師。主要開展人工智能、機器學習、數據挖掘、智能應用系統開發等方面的工作。近年正探索人工智能與其他學科的交叉研究，多篇論文發表於領域權威期刊。主持/參與國家自然科學基金四項。發表SCI、CCF推薦期刊論文十余篇。國家自然科學基金評議專家，Pattern Recognition, Expert Systems With Applications, Neurocomputing, The Journal of Supercomputing等期刊審稿人。

第 1章　人工智能概述　1

1.1 人工智能的相關概念　1

1.1.1　智能　2

1.1.2　人工智能　2

1.2 人工智能的發展史　3

1.2.1　幻想階段　3

1.2.2　孕育階段　4

1.2.3　形成階段　5

1.2.4　積累階段　6

1.2.5　發展階段　7

1.3 人工智能的主流學派　9

1.3.1　符號主義　9

1.3.2　連接主義　11

1.3.3　行為主義　12

要點提煉　13

課後挑戰　13

第 2章　人工智能基礎　14

2.1 人工智能與數據　15

2.1.1　數據的含義與重要性　15

2.1.2　數據的類型　16

2.1.3　數據的來源　18

2.1.4　數據預處理　21

2.1.5　數據存儲與管理　22

2.2 人工智能與算法　25

2.2.1　算法概述　25

2.2.2　算法的類型　26

2.2.3　算法的設計與實現　31

2.3 人工智能與算力　32

2.3.1　算力的含義與重要性　32

2.3.2　算力的類型　33

2.3.3　算力的應用　35

2.3.4　算力的發展趨勢　36

2.4 人工智能的軟件工具　38

2.4.1　編程語言　38

2.4.2　開發框架與庫　40

2.4.3　數據處理工具　41

2.4.4　集成開發環境　43

要點提煉　44

課後挑戰　45

第3章　人工智能傳統　　　 應用　46

3.1 推理與證明　46

3.1.1　邏輯推理的概念　47

3.1.2　定理證明系統　47

3.1.3　推理機的概述　48

3.1.4　推理機的工作原理　51

3.2 專家系統　52

3.2.1　專家系統的概述　52

3.2.2　專家系統的工作原理　54

3.2.3　專家系統的應用　55

3.3 Alpha人工智能　59

3.3.1　AlphaGo概述　59

3.3.2　AlphaGo的發展歷史　60

3.3.3　AlphaGo的核心原理　60

3.3.4　AlphaZero　63

要點提煉　64

課後挑戰　64

第4章　人工智能前沿應用　65

4.1 自然語言處理　66

4.1.1　自然語言處理概述　66

4.1.2　自然語言處理的發展　67

4.1.3　機器翻譯　70

4.1.4　語音合成　72

4.1.5　語音識別　73

4.1.6　情感分析　74

4.2 圖像處理　76

4.2.1　圖像處理概述　77

4.2.2　圖像邊緣檢測　77

4.2.3　圖像匹配　80

4.2.4　圖像分割　81

4.2.5　目標檢測　83

4.3 計算機視覺　85

4.3.1　計算機視覺概述　85

4.3.2　面部識別　87

4.3.3　行為分析　89

4.3.4　場景理解　90

4.4 大語言模型　92

4.4.1　大語言模型概述　92

4.4.2　大語言模型的發展歷程　94

4.4.3　常見大語言模型　95

4.4.4　大語言模型的應用　98

要點提煉　99

課後挑戰　99

第5章　智能生活　100

5.1 智能娛樂　100

5.1.1　智能推薦系統　101

5.1.2　虛擬現實與增強現實　102

5.1.3　智能健身與健康　105

5.2 智能社交　106

5.2.1　社交媒體內容推薦　106

5.2.2　聊天機器人與智能助手　107

5.2.3　情感分析與情緒識別　108

5.2.4　社交網絡分析　109

5.3 智能購物　111

5.3.1　智能客服與虛擬導購　111

5.3.2　個性化營銷與推薦　112

5.4 智能家居　113

5.4.1　智能家電　113

5.4.2　智能安全　115

5.4.3　智能照明與能源管理　116

要點提煉　117

課後挑戰　118

第6章　智能交通　119

6.1 自動駕駛　119

6.1.1　自動駕駛概述　120

6.1.2　人工智能在自動駕駛技術中的應用　122

6.2 智能交通管理系統　125

6.2.1　實時交通監控　125

6.2.2　交通流量管理　127

6.2.3　交通優化　127

6.2.4　智能出行建議　128

6.2.5　事故預警檢測與響應　128

6.3 智慧物流　129

6.3.1　智慧物流概述　129

6.3.2　貨物跟蹤與管理　129

6.3.3　倉儲自動化　130

6.3.4　運輸優化　131

6.3.5　配送調度　132

要點提煉　133

課後挑戰　133

第7章　智能教育　134

7.1 智能教育概述　134

7.1.1　智能教育的發展背景　134

7.1.2　智能教育的應用場景　135

7.2 個性化學習　136

7.2.1　個性化學習的運行機制　136

7.2.2　個性化學習的應用案例　136

7.2.3　協同過濾技術　137

7.2.4　個體數字畫像　138

7.2.5　基於用戶行為的推薦算法　138

7.2.6　基於內容的推薦算法　139

7.3 智能導師系統　140

7.3.1　構成智能導師系統的功能模型　140

7.3.2　構成智能導師系統的實現方式　142

7.3.3　生成式人工智能引領智能導師系統　143

7.4 基於集成學習的學生情感識別　147

7.4.1　集成學習概述　147

7.4.2　集成學習的三大算法　148

7.4.3　集成學習的應用：大學生情緒識別　150

要點提煉　152

課後挑戰　153

第8章　智能設計　154

8.1 智能設計概述　154

8.1.1　智能設計定義與發展歷程　155

8.1.2　智能設計指導原則　156

8.2 智能設計技術　156

8.2.1　創意生成技術　156

8.2.2　視覺內容生成　159

8.2.3　智能設計模型　161

8.3 智能設計工具　162

8.3.1　設計輔助工具　162

8.3.2　設計協作工具　164

8.3.3　虛擬現實設計工具　165

8.4 智能設計實踐與應用　166

8.4.1　智能產品設計　166

8.4.2　智能建築設計　168

8.4.3　智能平面設計　170

8.4.4　智能動畫設計　172

要點提煉　175

課後挑戰　175

第9章　智能醫療　176

9.1 智能醫療概況　176

9.2 疾病診斷與預測　178

9.2.1　疾病預測　178

9.2.2　醫療影像分析　180

9.2.3　深度學習在疾病診斷中的應用　183

9.3 藥物研發　184

9.3.1　人工智能與藥物研發　185

9.3.2　深度學習在藥物研發中的應用　185

9.4 遠程醫療　186

9.4.1　遠程醫療的定義與發展　187

9.4.2　遠程醫療的應用　187

要點提煉　190

課後挑戰　190

第 10章　智能制造　191

10.1 工業機器人　191

10.1.1　工業機器人概述　192

10.1.2　機器人視覺引導與 定位　193

10.1.3　協作機器人　194

10.1.4　多機器人系統 協同　195

10.1.5　機器人維護與 診斷　195

10.2 智能供應鏈　197

10.2.1　智能供應鏈概述　197

10.2.2　智能供應鏈核心技術與 應用　198

10.3 智能制造系統　201

10.3.1　智能制造系統 架構　201

10.3.2　人工智能在智能制造 中的關鍵技術　202

10.3.3　智能制造系統 環節　203

10.3.4　綠色制造　208

要點提煉　209

課後挑戰　209

第 11章　人工智能與科學　　　　研究　210

11.1 人工智能在科學研究中的重要性　211

11.2 人工智能在材料科學中的應用　211

11.2.1　材料科學研究的背景與意義　211

11.2.2　Materials Project的核心技術　212

11.2.3　應用實例　213

11.2.4　人工智能在材料科學中的其他應用　214

11.3 人工智能在生物醫學中的應用　214

11.3.1　生物醫學研究的背景與意義　214

11.3.2　AlphaFold3的核心技術　215

11.3.3　實際應用　217

11.3.4　人工智能在生物醫學中的其他應用　217

11.4 人工智能在化學中的應用　218

11.4.1　化學研究的背景與意義　218

11.4.2　ChemNet的核心技術　219

11.4.3　實際應用　220

11.4.4　人工智能在化學中的其他應用　220

11.5 人工智能在環境科學中的應用　221

11.5.1　環境科學的背景與意義　221

11.5.2　ClimateNet 的核心技術　222

11.5.3　應用案例　222

11.5.4　人工智能在環境科學中的其他應用　223

要點提煉　224

課後挑戰　224

第 12章　人工智能的未來　225

12.1 人工智能與人機共生　225

12.1.1　新一輪人工智能的特質 與人機關系　226

12.1.2　走向人機共生新時代　227

12.2 人工智能倫理與法律　231

12.2.1　人工智能倫理 挑戰　231

12.2.2　人工智能倫理準則與治理原則　232

12.2.3　法律框架與政策制定　233

12.3 人工智能未來發展與挑戰　234

12.3.1　人工智能的十大前沿技術趨勢　234

12.3.2　人工智能技術的未來發展方向　235

要點提煉　236

課後挑戰　236