人工智能概論（第2版）

學習單元1 人工智能概述 1
學習目標 1
知識圖譜 2
1.1 人工智能的概念 3
1.1.1 人工智能的定義 3
1.1.2 圖靈測試 3
1.2 人工智能的發展 5
1.2.1 代表人物和事件 6
1.2.2 人工智能發展史 8
1.2.3 我國人工智能的發展狀況 13
1.3 人工智能的分類 16
1.3.1 弱人工智能 16
1.3.2 強人工智能 17
1.3.3 超人工智能 17
1.4 人工智能研究的主要學派 17
1.4.1 符號主義學派 17
1.4.2 連接主義學派 19
1.4.3 行為主義學派 20
1.5 人工智能的主要研究領域 21
1.5.1 感知問題 21
1.5.2 模式識別 22
1.5.3 博弈 22
1.5.4 搜索 23
1.5.5 自然語言處理 23
1.5.6 專家系統 24
1.5.7 機器人學 25
1.6 實訓 26
1.6.1 實訓1 體驗“九歌”詩歌寫作系統 26
1.6.2 實訓2 體驗“文心一言” 27
1.7 拓展知識：未來已來，人工智能改變生活 29
1.8 習題 30
學習單元2 人工智能生態 32
學習目標 32
知識圖譜 33
2.1 大數據 34
2.1.1 什麼是大數據 34
2.1.2 大數據的四大特性 35
2.1.3 大數據與人工智能 36
2.1.4 大數據的應用案例 37
2.2 物聯網 38
2.2.1 什麼是物聯網 38
2.2.2 物聯網的技術架構 39
2.2.3 物聯網的特點 40
2.2.4 物聯網的未來趨勢 41
2.2.5 物聯網與人工智能 41
2.3 雲計算 42
2.3.1 什麼是雲計算 42
2.3.2 雲計算的特點 43
2.3.3 雲計算的分類 43
2.3.4 雲計算的服務模式 44
2.3.5 雲計算的應用 44
2.4 5G通信技術 45
2.4.1 什麼是5G 45
2.4.2 5G的關鍵技術 45
2.4.3 5G的應用場景 48
2.5 實訓 49
2.5.1 實訓1 使用百度網盤 49
2.5.2 實訓2 二維碼分享 51
2.6 拓展知識：6G技術將於2030年前後實現商用 52
2.7 習題 53
學習單元3 人工智能軟/硬件平臺 54
學習目標 54
知識圖譜 55
3.1 芯片是人工智能算力的基礎 56
3.1.1 什麼是芯片 56
3.1.2 芯片的分類 57
3.1.3 芯片的制造工藝 59
3.1.4 摩爾定律 59
3.2 智能芯片 59
3.2.1 什麼是智能芯片 59
3.2.2 智能芯片的分類 60
3.2.3 智能芯片的發展歷程 64
3.2.4 智能芯片產業發展現狀 64
3.3 人工智能開發框架 68
3.3.1 開發框架的作用 68
3.3.2 開發框架的核心特征 69
3.3.3 典型的人工智能開發框架 69
3.4 實訓：人工智能芯片相關企業調研 72
3.5 拓展知識：我國科學家研發新一代神經擬態類腦計算機 73
3.6 習題 74
學習單元4 機器學習 75
學習目標 75
知識圖譜 76
4.1 機器學習概述 76
4.1.1 什麼是機器學習 76
4.1.2 機器學習的發展歷程 79
4.2 機器學習類型 80
4.2.1 監督學習 81
4.2.2 無監督學習 82
4.2.3 半監督學習 82
4.2.4 強化學習 83
4.3 機器學習常用算法 83
4.3.1 線性回歸 83
4.3.2 支持向量機 86
4.3.3 決策樹 86
4.3.4 K近鄰算法 87
4.3.5 K均值聚類算法 88
4.3.6 關聯分析 89
4.3.7 深度學習 89
4.4 實訓 90
4.4.1 實訓1 “線性回歸算法”的可視化演示 90
4.4.2 實訓2 “K近鄰算法”的可視化演示 91
4.4.3 實訓3 “形色”識別植物 93
4.5 拓展知識：AI為首張黑洞照片“美顏” 94
4.6 習題 95
學習單元5 人工神經網絡與深度學習 97
學習目標 97
知識圖譜 98
5.1 人工神經網絡概述 98
5.1.1 人工神經網絡簡介 98
5.1.2 人工神經網絡的發展歷程 99
5.2 MP模型 100
5.2.1 生物神經元 100
5.2.2 MP模型的結構 101
5.2.3 MP模型實現邏輯“與”運算功能 102
5.3 感知機 102
5.3.1 感知機模型 103
5.3.2 感知機的學習過程 103
5.3.3 多層感知機實現邏輯“異或”運算功能 104
5.4 BP神經網絡 106
5.4.1 BP神經網絡結構 106
5.4.2 激活函數 108
5.4.3 BP神經網絡學習算法 109
5.5 深度學習 111
5.5.1 深度學習的概念 111
5.5.2 卷積神經網絡 112
5.5.3 循環神經網絡 116
5.6 實訓 118
5.6.1 實訓1 體驗神經網絡可視化工具Playground 118
5.6.2 實訓2 使用前饋神經網絡對鳶尾花進行分類 121
5.7 拓展知識：兩名科學家分享2024年諾貝爾物理學獎 123
5.8 習題 124
學習單元6 計算機視覺 126
學習目標 126
知識圖譜 127
6.1 計算機視覺概述 127
6.1.1 什麼是計算機視覺 127
6.1.2 計算機視覺的發展歷程 128
6.1.3 計算機視覺的主要任務 129
6.1.4 計算機視覺的主要應用 130
6.2 圖像處理與視覺系統 130
6.2.1 圖像的基本原理 130
6.2.2 圖像處理技術 132
6.2.3 計算機視覺系統 137
6.3 人臉識別 140
6.3.1 人臉識別概述 140
6.3.2 人臉識別的一般步驟 142
6.3.3 人臉識別基本技術 143
6.3.4 人臉識別的應用 147
6.4 實訓 149
6.4.1 實訓1 物體檢測 149
6.4.2 實訓2 圖像分割 151
6.4.3 實訓3 人臉屬性識別 154
6.5 拓展知識：人機大戰，百度AI以3 : 2戰勝“最強大腦”王峰 155
6.6 習題 156
學習單元7 自然語言處理 158
學習目標 158
知識圖譜 159
7.1 自然語言處理概述 159
7.1.1 自然語言處理的定義 160
7.1.2 自然語言處理的發展歷程 160
7.1.3 自然語言處理的應用 161
7.1.4 自然語言處理的一般流程 164
7.1.5 自然語言處理的構成 166
7.2 自然語言理解 167
7.2.1 自然語言理解的難點 167
7.2.2 自然語言理解的層次 167
7.3 機器翻譯 169
7.3.1 機器翻譯的基本原理 169
7.3.2 機器翻譯的方法 169
7.3.3 機器翻譯的應用 171
7.4 語音識別 173
7.4.1 語音識別的定義 173
7.4.2 語音識別的發展歷程 174
7.4.3 語音識別系統 174
7.4.4 語音識別的應用 175
7.5 語音合成 176
7.5.1 語音合成概述 176
7.5.2 語音合成的應用 176
7.6 實訓 177
7.6.1 實訓1 體驗百度在線翻譯 177
7.6.2 實訓2 體驗訊飛AI 177
7.7 拓展知識：訊飛輸入法 178
7.8 習題 179
學習單元8 大語言模型與AIGC 180
學習目標 180
知識圖譜 181
8.1 大語言模型概述 181
8.1.1 大語言模型的定義 181
8.1.2 大語言模型的特點 182
8.1.3 大語言模型的分類 183
8.1.4 國內外主要大模型簡介 183
8.2 AIGC簡介 186
8.2.1 AIGC的定義 186
8.2.2 AIGC與大模型的關系 186
8.2.3 生成對抗網絡 187
8.2.4 AIGC的應用領域 188
8.3 提示詞設計 190
8.3.1 提示詞的定義 191
8.3.2 提示詞的構成元素 191
8.3.3 提示詞的基本格式 191
8.3.4 提示詞的優化方法 192
8.4 實訓 193
8.4.1 實訓1 使用DeepSeek+Kimi一鍵生成PPT 193
8.4.2 實訓2 使用即夢AI平臺實現文生圖和文生視頻 196
8.4.3 實訓3 使用蟬鏡平臺生成數字人播報視頻 198
8.5 拓展知識：DeepSeek震動美國科技界 202
8.6 習題 203
學習單元9 智能體與機器人 204
學習目標 204
知識圖譜 205
9.1 智能體 205
9.1.1 智能體的定義和屬性 205
9.1.2 智能體的特性 207
9.1.3 智能體的分類 208
9.2 多智能體 211
9.2.1 多智能體系統 211
9.2.2 多智能體協商 211
9.2.3 多智能體系統的應用 214
9.3 機器人 214
9.3.1 機器人的定義 215
9.3.2 機器人的應用 216
9.3.3 智能機器人的關鍵技術 221
9.3.4 具身智能機器人 222
9.4 實訓 222
9.4.1 實訓1 在扣子平臺創建AI智能體 222
9.4.2 實訓2 機器人路徑規劃算法演示 225
9.5 拓展知識：宇樹科技與機器人 227
9.6 習題 227
學習單元10 “人工智能+”行業 229
學習目標 229
知識圖譜 230
10.1 AI+農業 231
10.1.1 智慧種植 231
10.1.2 智慧養殖 236
10.2 AI+制造 238
10.2.1 智能質量檢測 238
10.2.2 設備預測性維護 240
10.2.3 智能工廠 241
10.3 AI+交通 243
10.3.1 自動駕駛 243
10.3.2 車牌識別 247
10.3.3 智能交通工具 248
10.4 AI+商業 250
10.4.1 無人零售 250
10.4.2 智慧物流與智慧倉儲 253
10.5 AI+金融 255
10.5.1 智能支付 256
10.5.2 智慧銀行 256
10.5.3 智能風控 257
10.5.4 智能投顧 258
10.6 AI+教育 259
10.6.1 智慧課堂 259
10.6.2 個性化學習 261
10.7 AI+醫療 263
10.7.1 醫學影像識別 263
10.7.2 智能藥物研發 263
10.8 實訓：本地部署DeepSeek 264
10.9 拓展知識：“人工智能+”行動 266
10.10 習題 266
學習單元11 人工智能的挑戰與未來 268
學習目標 268
知識圖譜 269
11.1 人工智能給就業帶來的影響 269
11.1.1 人工智能對就業市場的挑戰 270
11.1.2 人工智能給就業帶來的機遇 271
11.2 人工智能倫理 272
11.2.1 數據隱私和安全 272
11.2.2 算法偏見和歧視 273
11.2.3 AI造假和欺騙 273
11.2.4 算法的不透明性和不可解釋性 274
11.2.5 責任歸屬的認定 274
11.2.6 知識產權的保護 275
11.2.7 人工智能倫理典型案例 275
11.2.8 解決人工智能倫理問題的策略 278
11.3 人工智能的未來 280
11.3.1 人工智能未來的發展趨勢 280
11.3.2 擁抱人工智能時代 281
11.4 實訓：生成式人工智能服務管理暫行辦法 282
11.5 拓展知識：人工智能生成合成內容標識辦法 283
11.6 習題 284
參考文獻 285