人工智能導論（通識版）

第1章 緒論 1
1.1 引言 1
1.2 人工智能發展簡史 6
1.3 人工智能基本概念和
能力表現 11
1.3.1 人工智能三大基石 11
1.3.2 人工智能基本概念 15
1.3.3 人工智能六大能力 20
1.4 人工智能常見應用場景 24
小結 29
問題思辨 30
課程思政主題 31
練習題 32
第2章 機器學習 34
2.1 引言 34
2.1.1 機器學習的定義和
經典問題 34
2.1.2 機器學習的演進過程 36
2.1.3 莫拉維克悖論 38
2.2 機器學習的數學解釋 39
2.2.1 人工智能的數學本質 39
2.2.2 特征函數及其功能 42
2.2.3 決策函數及其作用 46
2.3 機器學習的實施過程 48
2.3.1 數據預處理 48
2.3.2 特征選擇與提取 50
2.3.3 建立模型 52
2.3.4 優化模型 53
2.3.5 模型泛化能力 54
2.4 常用的機器學習方法 59
2.4.1 樸素貝葉斯分類器 59
2.4.2 線性回歸 62
2.4.3 邏輯回歸 63
2.4.4 決策樹 64
2.4.5 支持向量機 67
2.4.6 K近鄰算法 69
2.4.7 K均值聚類算法 70
小結 72
問題思辨 72
課程思政主題 73
練習題 74
第3章 神經網絡和深度學習 77
3.1 引言 77
3.2 感知器與多層感知器 78
3.2.1 感知器 78
3.2.2 多層感知器 80
3.3 深度神經網絡 83
3.3.1 為什麼加深網絡層次 83
3.3.2 深度神經網絡結構 84
3.4 深度神經網絡的核心問題 87
3.4.1 網絡層次的加深 87
3.4.2 梯度消失和梯度爆炸 88
3.4.3 過擬合 89
3.5 深度神經網絡的經典模型 90
3.6 卷積神經網絡 93
3.6.1 卷積運算 94
3.6.2 卷積運算中的填充與步幅 96
3.6.3 激活函數、池化層和
全連接層 97
3.6.4 兩種常見的卷積神經網絡 100
3.7 深度神經網絡的應用 101
3.7.1 ImageNet大規模視覺識別
挑戰賽 101
3.7.2 深度神經網絡的其他應用 102
小結 104
問題思辨 104
課程思政主題 105
練習題 106
第4章 計算機視覺 109
4.1 引言 109
4.2 圖像處理與分析 109
4.2.1 圖像的表示 109
4.2.2 圖像的預處理 110
4.2.3 圖像的特征提取 111
4.3 基礎視覺任務 112
4.3.1 圖像分類 112
4.3.2 目標檢測 114
4.3.3 圖像分割 114
4.4 計算機視覺的應用 115
4.4.1 人臉識別 115
4.4.2 無人駕駛 117
4.4.3 三維重建 118
小結 119
問題思辨 119
課程思政主題 119
練習題 120
第5章 自然語言處理 122
5.1 引言 122
5.2 文本分析基礎 123
5.2.1 Token技術 123
5.2.2 詞嵌入技術 124
5.2.3 文本相似度 128
5.3 文本處理常見任務 131
5.3.1 分詞和詞性標註 131
5.3.2 指代消解 133
5.3.3 關鍵詞提取和生成 133
5.3.4 文本摘要 134
5.3.5 文本分類 135
小結 136
問題思辨 136
課程思政主題 137
練習題 138
第6章 智能語音技術 139
6.1 引言 139
6.2 智能語音技術的概念 140
6.2.1 語音識別 140
6.2.2 聲紋識別 141
6.2.3 語音合成 142
6.2.4 聲學事件檢測 143
6.3 智能語音技術的工作原理 143
6.4 智能語音技術的應用場景 145
小結 146
問題思辨 147
課程思政主題 147
練習題 148
第7章 大模型技術 149
7.1 大模型技術概述 149
7.1.1 大模型的基本概念 149
7.1.2 大模型的發展歷程 150
7.1.3 大語言模型的基本原理 153
7.1.4 人工智能與大模型的關系 153
7.2 大模型產品 154
7.2.1 國外大模型產品 154
7.2.2 國內大模型產品 157
7.3 大模型的特點與分類 161
7.3.1 大模型的特點 161
7.3.2 大模型按技術領域分類 162
7.3.3 大模型按應用領域分類 163
7.4 大語言模型的幻覺現象和
解決方案 163
7.4.1 大語言模型的幻覺現象 163
7.4.2 幻覺解決方案——RAG 164
7.5 大模型提示詞撰寫技巧 166
7.5.1 提示詞的基礎概念 166
7.5.2 提示詞的設計原則 167
7.5.3 提示詞的撰寫技巧 167
7.6 智能體Agent 171
7.7 大模型的本地化部署 174
7.7.1 為什麼需要本地部署
大模型 174
7.7.2 在本地計算機部署
DeepSeek-R1 175
小結 182
問題思辨 183
課程思政主題 184
練習題 184
第8章 人工智能倫理 187
8.1 人工智能倫理的重要性 187
8.2 人工智能倫理的定義和
內涵 187
8.3 人工智能技術面臨的
倫理挑戰 188
8.4 人工智能倫理的未來展望 191
小結 192
問題思辨 193
課程思政主題 193
練習題 194
第9章 具身機器人 196
9.1 概念與特征 196
9.1.1 什麼是具身機器人 196
9.1.2 具身機器人的核心特征 197
9.2 具身機器人的發展歷程 198
9.2.1 萌芽探索階段（20世紀70年代
—20世紀90年代） 198
9.2.2 集成發展階段（21世紀初—
2010） 199
9.2.3 高動態發展階段（2010—
2022） 200
9.2.4 智能化發展階段（2022年
至今） 201
9.3 具身機器人的技術構成 201
9.3.1 硬件載體：支撐交互的
“物理軀體” 202
9.3.2 感知系統：“認識世界”的
多模態觸角 203
9.3.3 決策系統：具身機器人的
“智能大腦” 204
9.3.4 行動控制系統：“執行動作”的
精準保障 204
9.4 具身機器人的典型應用場景 205
9.4.1 工業領域：從替代人力到
人機協同 205
9.4.2 家庭與服務領域：從工具到
夥伴 207
9.4.3 醫療健康領域：從輔助到
精準 208
9.4.4 特殊場景：突破人類能力
邊界 209
9.5 挑戰與展望 210
9.5.1 當前面臨的核心挑戰 210
9.5.2 未來發展展望 211
小結 212
問題思辨 213
課程思政主題 214
練習題 214
第10章 智能辦公 216
10.1 智能辦公概述 216
10.1.1 文檔處理 216
10.1.2 數據分析 217
10.1.3 演示設計 217
10.2 AI寫作助手 218
10.2.1 幫我寫 218
10.2.2 幫我改 222
10.2.3 伴寫 223
10.3 AI設計助手 225
10.3.1 AI排版 225
10.3.2 AI條件格式 228
10.3.3 AI生成PPT 229
10.4 AI閱讀助手 233
10.4.1 全文總結 233
10.4.2 文檔問答 234
10.4.3 劃詞解釋、劃詞翻譯 235
10.5 AI數據助手 237
10.5.1 AI寫公式 237
10.5.2 AI數據分析 239
小結 241
練習題