人工智能應用與實踐

第1章 人工智能概述 1
1.1 人工智能的產生與發展 1
1.1.1 人工智能的內涵與定義 1
1.1.2 歷史脈絡：從達特茅斯會議到三次浪潮 1
1.1.3 理論框架：從專用智能到通用智能 2
1.1.4 技術範式：三大學派的爭鳴與融合 3
1.2 人工智能技術全景圖 3
1.2.1 機器學習：讓機器學會學習 3
1.2.2 深度學習：連接主義的復興與革命 4
1.2.3 關鍵應用技術領域 4
1.2.4 人工智能技術棧與開發流程 5
1.3 人工智能改變世界 5
1.3.1 醫療健康：從輔助診斷到精準醫療的革命 5
1.3.2 教育體系：規模化因材施教的實現 6
1.3.3 智能制造：第四次工業革命的核心引擎 6
1.3.4 智慧農業：應對全球糧食安全挑戰 6
1.3.5 創意產業：人機協同的新範式 7
1.3.6 跨行業共性影響與融合效應 7
1.4 全球視野下的人工智能：發展現狀、挑戰與中國路徑 7
1.4.1 全球人工智能創新格局與中國的地位 7
1.4.2 人工智能發展面臨的嚴峻挑戰 8
1.4.3 數字中國建設：人工智能發展的宏大背景 9
1.5 面向未來：人工智能治理與數字工匠的培養 9
1.5.1 構建敏捷、負責任的人工智能治理體系 9
1.5.2 人工智能背景下數字工匠的能力模型 10
思考與練習 10
本章小結 11
第2章 人工智能前沿—大模型 12
2.1 大模型的概念 12
2.1.1 定義與核心特征 12
2.1.2 大模型與傳統AI模型的差異 13
思考與練習 14
2.2 大模型的工作原理 14
2.2.1 大模型的核心技術架構 14
2.2.2 大模型的訓練與推理流程 16
思考與練習 17
2.3 大模型應用實例 17
2.3.1 大模型在醫療健康領域的應用 17
2.3.2 國產大模型應用實例 18
思考與練習 19
本章小結 19
第3章 自然語言處理 21
3.1 自然語言處理工具應用 21
3.1.1 智能交互 21
3.1.2 內容處理 22
3.1.3 商業分析 24
3.1.4 創作輔助 25
3.1.5 評估優化 28
思考與練習 30
3.2 自然語言處理概述 31
3.2.1 自然語言處理的本質與定義 31
3.2.2 自然語言處理技術原理 34
3.2.3 典型應用場景 39
3.2.4 關鍵挑戰 44
思考與練習 49
3.3 自然語言處理應用實例 50
3.3.1 創意生成與設計 50
3.3.2 教育輔助與評估 55
3.3.3 金融風險管控與商業決策優化 58
3.3.4 消費場景智能化 63
3.3.5 專業領域優化 66
3.3.6 前沿創新應用 71
思考與練習 75
本章小結 76
第4章 計算機視覺 78
4.1 計算機視覺工具 78
4.1.1 秒畫SenseMirage（AI插圖生成） 79
4.1.2 美圖雲修（圖像優化和修復） 81
4.1.3 美圖摳圖（AI圖像背景移除） 81
4.2 計算機視覺概述 82
4.2.1 計算機視覺基礎知識 82
4.2.2 計算機視覺基本原理 83
4.2.3 計算機視覺模型 86
4.3 計算機視覺實例 86
4.3.1 案例一：基於PCA算法的圖像壓縮 87
4.3.2 案例二：基於MobileNetV2的手寫數字（MNIST）識別 88
思考與練習 92
本章小結 93
第5章 語音識別 94
5.1 語音識別工具應用 95
5.1.1 移動端語音識別工具 95
5.1.2 計算機本地端語音識別工具 100
5.1.3 在線/雲端語音識別工具 103
5.2 語音識別概述 105
5.2.1 基本原理與核心流程 106
5.2.2 相關技術 107
5.2.3 典型技術路線 108
5.2.4 性能評價指標 110
5.3 語音識別實例 111
5.3.1 智能客服系統 111
5.3.2 智能家居控制 111
5.3.3 醫療健康管理 112
5.3.4 團隊協作優化 112
5.3.5 電銷行業應用 112
思考與練習 113
本章小結 113
第6章 智能搜索 114
6.1 智能搜索工具應用 114
6.1.1 智能搜索引擎：從關鍵詞到對話 114
6.1.2 推薦系統：比你更懂你 117
6.1.3 智能搜索工具的交互設計 118
思考與練習 119
6.2 智能搜索概述 119
6.2.1 智能搜索的核心定義與本質 119
6.2.2 智能搜索的技術架構與性能評價 120
6.2.3 智能搜索的關鍵技術及應用 121
思考與練習 122
6.3 智能搜索實例 122
6.3.1 學術研究場景：科研文獻的智能搜索 122
6.3.2 醫療健康場景：罕見病診斷輔助搜索 123
6.3.3 企業管理場景：市場分析報告智能搜索 124
思考與練習 125
本章小結 126
第7章 智能編程 128
7.1 引言：編程與人工智能的時代交匯 128
7.2 編程基礎：從概念到工具 128
7.2.1 編程的本質：讓計算機聽懂“任務指令” 128
7.2.2 編程語言：人類與計算機溝通的“橋梁” 129
7.2.3 編程思維模型：IPO框架 129
思考與練習 129
7.3 智能編程概述：AI賦能的開發革命 130
7.3.1 智能編程定義：AI+編程 130
7.3.2 技術原理：AI如何“懂”代碼？ 130
7.3.3 編程工具的發展歷程：從輔助到智能協同 131
思考與練習 132
7.4 智能編程工具 132
7.4.1 國外主流智能編程工具 132
7.4.2 國內主流智能編程工具 132
7.4.3 選擇依據 133
7.4.4 應用模式 133
思考與練習 135
7.5 智能編程實例 135
7.5.1 應用場景 135
7.5.2 應用案例 135
7.6 未來展望：編程將如何改變？ 145
7.6.1 技術趨勢 145
7.6.2 對學習者的建議 145
思考與練習 145
本章小結 146
第8章 人工智能應用案例 147
8.1 智能生活應用 147
8.1.1 智能語音家居 148
8.1.2 智能推薦系統 150
8.1.3 智慧教育應用 152
8.2 行業效率提升 154
8.2.1 智慧醫療健康 154
8.2.2 智慧農業環保 155
8.2.3 智能交通與物流 156
8.3 數據洞察應用 158
8.3.1 智能金融風控 158
8.3.2 城市數據治理 159
8.3.3 數字人文分析 161
本章小結 162
第9章 Python程序設計 164
9.1 Python簡介 164
9.1.1 Python的發展 164
9.1.2 Python的基本特點 164
思考與練習 166
9.2 Python開發環境 166
9.2.1 官方解釋器 166
9.2.2 集成開發環境 168
9.2.3 初識Python程序 168
思考與練習 169
9.3 Python規範 170
9.3.1 標識符規範 170
9.3.2 註釋規範 170
9.3.3 縮進規範 171
9.3.4 多行語句 171
思考與練習 171
9.4 Python基礎語法知識 172
9.4.1 變量與數據類型 172
9.4.2 基本的輸入與輸出 175
思考與練習 176
9.4.3 運算符與表達式 177
9.4.4 Python語句 178
思考與練習 181
9.4.5 函數 182
思考與練習 183
9.5 Python綜合實例 183
9.5.1 圖書管理系統 183
9.5.2 提取天氣預報數據 186
思考與練習 189
本章小結 190
第10章 人工智能的倫理與社會影響 191
10.1 人工智能的理論原則與道德規範 191
10.1.1 人工智能倫理的理論基礎 191
10.1.2 人工智能倫理的核心原則框架 191
10.1.3 人工智能倫理的治理框架 192
10.1.4 算法偏見與公平性問題 192
10.1.5 可解釋性與透明度要求 193
10.1.6 人工智能與人類價值觀對齊 193
10.2 人工智能給就業市場帶來的變化 193
10.2.1 就業替代與創造的總體趨勢 193
10.2.2 就業結構的變化特征 194
10.2.3 不同行業的就業影響差異 194
10.2.4 就業影響的群體差異 194
10.2.5 就業質量的變化 195
10.2.6 就業政策與應對策略 195
10.3 隱私保護與數據安全 195
10.3.1 數據安全的法律框架 195
10.3.2 隱私保護的技術挑戰 196
10.3.3 數據安全的防禦策略 196
10.3.4 隱私保護與數據利用的平衡 197
10.3.5 數據安全的治理機制 197
10.3.6 數據安全的技術創新 197
10.4 人工智能與未來社會的構想 197
10.4.1 人工智能驅動的社會變革 197
10.4.2 人工智能與教育體系的重構 198
10.4.3 人工智能與未來社會治理 198
10.4.4 人工智能與人類價值觀的未來 198
10.4.5 人工智能與未來社會風險 199
10.4.6 構建人工智能時代的治理體系 199
本章小結 199
習題 200