人工智能通識教程(微課版)

基　礎　篇

第1章　引子：AI的應用——平凡的一天 2

第2章　智能世界的解碼藍圖：人工智能概述 6

2.1　人工智能的定義 6

2.1.1　不同視角下的定義解讀 6

2.1.2　人工智能的核心能力與目標 7

2.1.3　當前主流的定義與理解 8

2.2　人工智能的起源與發展歷程 9

2.2.1　圖靈測試與早期探索 9

2.2.2　主要發展階段與裏程碑事件 10

2.2.3　人工智能在中國的發展 13

2.3　人工智能的主要研究學派 15

2.4　人工智能的層次分類 17

2.5　人工智能的核心要素 19

2.6　人工智能的主要應用領域概覽 21

2.6.1　行業應用領域介紹 21

2.6.2　技術應用領域介紹 23

2.6.3　代表性應用實例介紹 25

2.7　人工智能的未來展望與社會影響 27

2.7.1　技術和應用發展趨勢預測 27

2.7.2　對社會各層面的潛在影響 28

2.7.3　人工智能與專業學習的深度融合 29

2.8　人工智能應用體驗 32

2.9　本章小結 38

2.10　習題 39

第3章　人工智能的基石：數據與算法 41

3.1　數據：現代人工智能的驅動力 41

3.1.1　數據驅動的認知範式轉變 41

3.1.2　數據的基本類型與特征 43

3.1.3　數據質量的重要性與評估維度 44

3.2　算法：人工智能的“思維”方式 45

3.2.1　算法的基本概念與特征 45

3.2.2　規則驅動與數據驅動方法對比 47

3.2.3　機器學習三大範式：監督學習、無監督學習與強化學習 48

3.2.4　算法選擇策略：以智能垃圾分揀為例 50

3.3　深度學習：神經網絡的力量 51

3.3.1　從感知器到深度神經網絡 51

3.3.2　核心驅動力：機器學習 52

3.3.3　特征學習的概念：以圖像識別為例 55

3.3.4　深度學習的可解釋性問題（“黑箱”問題） 56

3.4　本章小結 57

3.5　習題 58

應　用　篇

第4章　賦能工作：人工智能提升效率與創造力 62

4.1　AI賦能文檔處理 62

4.1.1　智能寫作與內容生成 62

4.1.2　智能翻譯與跨語言溝通 63

4.1.3　長文本信息摘要與提取 65

4.1.4　演示文稿智能生成 66

4.1.5　音頻內容總結 69

4.1.6　智能信息檢索與問答 70

4.2　多維表格 71

4.2.1　搭建你的第一個多維表格 72

4.2.2　讓數據自動“流轉”起來 75

4.2.3　AI賦能多維表格 76

4.3　AI賦能數據分析與決策 79

4.3.1　自動化數據清洗與準備 79

4.3.2　面向非專業人士的智能數據分析工具 79

4.3.3　Excel數據自動化分析 81

4.3.4　數據可視化與洞察呈現 83

4.3.5　基於AI的預測與輔助決策 84

4.3.6　WPSAI函數 85

4.4　AI賦能圖像與創意設計 87

4.4.1　AI圖像生成技術與應用 87

4.4.2　AI視頻創作技術與應用 89

4.4.3　AI創意生成的倫理與版權討論 90

4.5　人工智能時代的工作範式變革 91

4.5.1　AI對不同行業工作效率的影響 91

4.5.2　人機協作：未來工作新常態 92

4.6　本章小結 92

4.7　習題 93

第5章　改變生活：無處不在的AI應用 95

5.1　AI重塑個人生活 95

5.1.1　智能家居：便利與舒適 96

5.1.2　智能健康管理：監測、預警與輔助診斷 96

5.1.3　個性化推薦系統：信息獲取與消費 97

5.1.4　AI教育：個性化學習與輔導 98

5.2　AI驅動城市發展 99

5.2.1　智慧交通：效率與安全 99

5.2.2　智慧環保：監測與治理 101

5.2.3　智慧安防：公共安全與預警 101

5.2.4　智慧政務：提升公共服務效率 102

5.3　AI變革經濟生產 103

5.3.1　新零售：個性化體驗與效率提升 103

5.3.2　智能制造：自動化與柔性生產 105

5.3.3　智慧農業：精準管理與決策 106

5.3.4　智能金融：風險控制與服務創新 107

5.4　具身智能：與物理世界交互的AI 108

5.4.1　具身智能核心概念 108

5.4.2　仿生機器人與智能交互 108

5.4.3　具身智能的應用場景與挑戰 109

5.5　本章小結 110

5.6　習題 110

技　術　篇

第6章　感知世界：計算機視覺技術與應用 114

6.1　計算機視覺概述 114

6.2　計算機視覺的發展 114

6.2.1　計算機視覺的發展歷程 114

6.2.2　發展計算機視覺的必要性 115

6.3　計算機視覺的工作原理 116

6.4　計算機視覺圖像技術 118

6.4.1　數字圖像處理 118

6.4.2　視覺跟蹤技術 119

6.4.3　自動導航技術 120

6.5　計算機視覺圖像系統應用 121

6.5.1　工業與制造 121

6.5.2　安防監控 121

6.5.3　醫療與健康 122

6.5.4　機器人和無人機 122

6.5.5　交通 122

6.5.6　零售與消費電子（在線購物） 123

6.5.7　遊戲娛樂 123

6.5.8　身份識別 123

6.6　實踐操作 124

6.6.1　手寫數字識別實現 124

6.6.2　百度人臉識別系統及其實現 135

6.6.3　車牌號碼識別系統的實現 138

6.7　本章小結 143

6.8　習題 144

第7章　理解語言：自然語言處理技術與應用 146

7.1　自然語言處理基礎 146

7.1.1　自然語言處理的定義、挑戰與目標 146

7.1.2　自然語言處理的基本概念：分詞、詞性標註與句法分析 149

7.1.3　自然語言處理與深度學習 159

7.1.4　自然語言處理核心技術 160

7.2　大語言模型 173

7.2.1　大語言模型的基本原理與Transformer模型 173

7.2.2　大語言模型的預訓練與微調 174

7.2.3　大語言模型的應用場景 175

7.2.4　主流大語言模型介紹 178

7.2.5　大語言模型的局限性與挑戰 182

7.3　自然語言處理實踐案例 183

7.3.1　大語言模型巧用提示詞——以“文心一言”為例 183

7.3.2　詞頻統計——以Jieba分詞為例 186

7.3.3　模擬作業查重 189

7.4　大語言模型的健康未來 192

7.4.1　多模態融合與未來趨勢 192

7.4.2　大語言模型中的偏見、歧視與治理 194

7.5　本章小結 196

7.6　習題 196

倫　理　篇

第8章　人工智能的倫理、治理與未來責任 200

8.1　人工智能倫理 200

8.1.1　技術倫理與人工智能倫理 200

8.1.2　人工智能倫理的核心原則 202

8.1.3　不同國家和組織的人工智能倫理規範 206

8.2　人工智能發展面臨的倫理困境與挑戰 211

8.2.1　隱私侵犯和數據濫用問題 211

8.2.2　算法偏見與社會公平性問題 212

8.2.3　挑戰與歸責——責任真空問題 215

8.2.4　人工智能對就業的沖擊與影響 217

8.2.5　人工智能在軍事和安全領域中的應用風險 218

8.3　構建負責任的人工智能治理框架和策略 220

8.4　面向未來的人工智能發展思考 223

8.5　本章小結 227

8.6　習題 227

參考文獻 232