人工智能通識及實踐教程

第1章　人工智能概述 （1）
1.1　人工智能的基本思想 （1）
1.1.1　什麼是智能 （1）
1.1.2　人工智能的簡單定義 （3）
1.1.3　人工智能的核心思想 （3）
1.2　人工智能的定義、分類和特點 （3）
1.2.1　人工智能的定義—多維度的探索 （4）
1.2.2　人工智能的分類—能力與範疇 （6）
1.2.3　人工智能的特點 （8）
1.3　人工智能的發展歷史 （9）
1.3.1　初創期（黃金時代）（1940年—1974年） （10）
1.3.2　第一次“寒冬”（1975年—1980年） （11）
1.3.3　復興期（1981年—1987年） （11）
1.3.4　第二次“寒冬”（1988年—1993年） （11）
1.3.5　統計學習與機器學習的崛起期（1994年—2011年） （12）
1.3.6　第三次浪潮（2012年—今） （12）
1.4　人工智能的主流學派 （12）
1.4.1　符號主義 （13）
1.4.2　連接主義 （15）
1.4.3　行為主義 （17）
1.4.4　學派的融合與發展 （18）
1.5　人工智能的研究領域 （20）
1.5.1　機器學習：從數據中學習的科學 （20）
1.5.2　計算機視覺：賦予機器“看”的能力 （22）
1.5.3　自然語言處理：讓機器理解人類語言 （24）
1.5.4　語音識別技術：讓機器“聽懂”並“說出”語言 （26）
1.5.5　機器人學：智能與物理世界的融合 （28）
1.5.6　專家系統：模擬人類專家的智慧 （30）
1.6　本章小結 （32）
習題 （33）
第2章　小模型技術基礎 （38）
2.1　小模型概述 （38）
2.1.1　機器學習的作用 （40）
2.1.2　深度學習的技術貢獻 （43）
2.1.3　強化學習在大模型中的角色定位 （47）
2.2　機器學習 （50）
2.2.1　機器學習概述 （50）
2.2.2　經典機器學習算法 （51）
2.2.3　機器學習的應用與挑戰 （55）
2.3　深度學習 （57）
2.3.1　深度學習概述 （57）
2.3.2　深度學習的應用 （60）
2.3.3　深度學習模型應用實例 （62）
2.4　強化學習 （63）
2.4.1　強化學習概述 （63）
2.4.2　強化學習在大模型微調中的作用 （64）
2.5　小模型應用場景及案例 （66）
2.5.1　自然語言處理 （67）
2.5.2　機器視覺 （68）
2.5.3　智能家居及環境監測 （69）
2.5.4　醫療健康 （70）
2.6　本章小結 （71）
習題 （72）
第3章　大語言模型技術基礎 （77）
3.1　大語言模型概述 （77）
3.1.1　定義 （77）
3.1.2　核心特征 （78）
3.1.3　大語言模型的分類 （79）
3.2　大語言模型的發展歷程 （81）
3.2.1　技術奠基階段 （81）
3.2.2　產業爆發階段 （81）
3.2.3　能力突破階段 （82）
3.3　關鍵技術 （83）
3.3.1　預訓練 （83）
3.3.2　指令微調 （84）
3.3.3　獎勵函數 （85）
3.3.4　強化學習 （86）
3.4　動手實踐：本地大語言模型搭建 （87）
3.5　發展總結與趨勢展望 （89）
習題 （89）
第4章　AIGC—智能創造新紀元 （94）
4.1　提示詞工程 （94）
4.1.1　引言 （94）
4.1.2　基礎提示技巧 （95）
4.1.3　進階提示策略 （96）
4.1.4　提升提示詞質量的方法 （101）
4.1.5　總結與展望 （102）
4.2　文本生成 （102）
4.2.1　聊天機器人分類 （102）
4.2.2　聊天機器人的進化 （103）
4.2.3　AIGC重塑聊天機器人 （103）
4.2.4　聊天機器人的真實應用場景 （104）
4.3　動手實踐：搭建基於知識庫的水利領域問答機器人 （104）
4.2.5　核心設計原則 （108）
4.2.6　挑戰與未來 （108）
4.2.7　核心概念 （109）
4.3　AIGC藝術創作 （109）
4.3.1　引言 （109）
4.3.2　AI模型如何“學會”繪畫：從文本到圖像 （109）
4.3.3　提示詞工程 （110）
4.3.4　人機協作：從“一鍵生成”到“共同創作” （113）
4.3.5　機遇與挑戰 （115）
4.3.6　總結與核心概念 （116）
4.4　AIGC演示文稿 （116）
4.4.1　引言 （116）
4.4.2　用AIGC重塑演示文稿創作流程 （116）
4.4.3　AIGC演示文稿的提示詞工程 （119）
4.4.4　用AIGC制作一份“龍盤水電站數字孿生系統可行性分析”報告 （120）
4.4.5　機遇、挑戰與未來 （121）
4.5　AIGC數字人 （122）
4.5.1　引言 （122）
4.5.2　AIGC數字人的“解剖學”：大腦、形象與聲音的融合 （122）
4.5.3　AIGC數字人的技術架構與實現平臺 （122）
4.5.4　核心應用場景 （124）
4.5.5　如何“捏”一個專業的數字人 （125）
4.5.6　機遇、挑戰與反思 （125）
習題 （126）
第5章　人工智能倫理與安全 （130）
5.1　人工智能倫理的提出與發展歷程 （130）
5.2　水利電力行業AI應用的特殊倫理需求與挑戰 （132）
5.2.1　數據隱私與安全挑戰 （133）
5.2.2　算法公平性與透明度挑戰 （134）
5.2.3　責任歸屬與問責機制挑戰 （134）
5.2.4　人機協作與就業影響挑戰 （134）
5.2.5　可持續發展與生態倫理挑戰 （135）
5.2.6　結論與建議 （135）
5.3　人工智能倫理的典型案例與成因分析 （135）
5.4　人工智能倫理的治理原則 （139）
5.5　人工智能倫理的治理措施 （141）
習題 （144）