人工智能通識與應用
賈如春 總主編；張金果，華國春，劉雄飛，李亮 主編；高鵬，呂冬，袁金堂，成思豪 副主編
- 出版商: 清華大學
- 出版日期: 2026-08-01
- 售價: $299
- 語言: 簡體中文
- ISBN: 7302721696
- ISBN-13: 9787302721697
-
相關分類:
Machine Learning
下單後立即進貨 (約4週~6週)
商品描述
本書旨在幫助非專業人士及跨領域從業者構建對AI技術及其應用的基礎理解，內容涵蓋人工智能的發展歷程、核心技術、主要應用領域、社會影響及未來發展趨勢，力求在不過度追求技術細節的前提下，精準傳達AI領域的核心理念和**動態。本書首先介紹人工智能的起源與發展，從經典規則系統到現代深度學習，梳理關鍵技術的演進脈絡；接著詳細講解機器學習、神經網絡、自然語言處理和計算機視覺等核心技術模塊，輔以豐富案例，幫助讀者理解AI的技術原理和應用價值；最後探討AI在醫療、金融、制造、文旅等行業的典型應用，結合實際場景解讀AI助力產業轉型升級的路徑。同時，本書將深入淺出地討論AI隱私保護、算法公平性、自動化對就業的影響及治理框架，啟發讀者思考AI發展的責任與未來。 本書堅持“通俗嚴謹”的寫作風格，通過圖解、案例和比喻降低技術門檻，讓跨學科背景的讀者能夠輕松入門。同時，本書關註技術與社會的互動，強調理論與實踐的結合，適度融入前沿研究和行業趨勢，確保知識的時效性和實用性。 本書的目標讀者涵蓋高校學生、企業管理者、技術從業人員及對人工智能感興趣的普通讀者。無論你是準備在AI領域深入學習的專業人士，還是希望在工作中應用AI知識的行業人員，或是關註科技前沿、社會發展的公眾讀者，都能通過本書獲得啟發與幫助，為理解和應對AI時代的智能革命打下堅實的基礎。
作者簡介
袁金堂，男，漢，1983年9月生，中共黨員，新疆生產建設兵團興新職業技術學院教師。他2007年9月進入教師隊伍，從教17年，入校以來一直堅守在教學第一線，忠誠黨的教育事業，模範履行教師職責，熱愛學生，團結同誌，教育教學成績顯著。作為一名老師，始終不忘記學習，一直在努力提升自身專業技術能力，指導的學生在自治區及全國的技能大賽中多次獲得優異成績，並且多次作為選手參加比賽，“以賽促學，以賽促教”得到了很好的體現。主要擔任計算機專業相關課程教學工作，現任信息工程系副主任。曾獲自治區技能大賽企業網搭建項目教師組一等獎，自治區企業網搭建項目優秀指導教師獎，第一屆全國職業技能大賽優勝獎，評為西部技能之星，兵團技術能手，新疆工匠，兵團事業單位記功獎勵一次。
目錄大綱
目 錄
第1章 人工智能認知…………………………………………………………………… 1
1.1 概念與定義 ……………………………………………………………………… 1
1.1.1 人工智能概念 …………………………………………………………… 1
1.1.2 強人工智能和弱人工智能 ………………………………………………… 3
1.1.3 人工智能的核心目標 ……………………………………………………… 5
1.2 人工智能發展簡史………………………………………………………………… 7
1.2.1 萌芽期(1950—1980年)…………………………………………………… 7
1.2.2 低谷期與復興期(1990—2010年) ………………………………………… 9
1.2.3 爆發期(2020年至今) …………………………………………………… 11
1.3 人工智能基礎知識 ……………………………………………………………… 13
1.3.1 機器學習與深度學習的區別 ……………………………………………… 13
1.3.2 人工智能的核心分支 …………………………………………………… 14
1.3.3 人工智能的典型輸入與輸出 ……………………………………………… 16
第2章 機器學習基礎 ………………………………………………………………… 18
2.1 機器學習 ……………………………………………………………………… 19
2.1.1 機器學習概念 …………………………………………………………… 19
2.1.2 監督學習與無監督學習 ………………………………………………… 20
2.1.3 分類問題與回歸問題 …………………………………………………… 21
2.2 經典算法 ……………………………………………………………………… 23
2.2.1 決策樹與隨機森林 ……………………………………………………… 23
2.2.2 K 近鄰與聚類 …………………………………………………………… 28
第3章 深度學習 ……………………………………………………………………… 34
3.1 深度學習簡述 …………………………………………………………………… 34
3.1.1 神經元的基本概念 ……………………………………………………… 34
3.1.2 多層神經網絡 …………………………………………………………… 35
3.1.3 非線性激活函數 ………………………………………………………… 35
3.1.4 神經網絡輸出 …………………………………………………………… 36
Ⅹ
3.2 深度學習關鍵技術 ……………………………………………………………… 37
3.2.1 損失函數 ……………………………………………………………… 37
3.2.2 梯度下降優化 …………………………………………………………… 38
3.2.3 反向傳播 ……………………………………………………………… 40
3.3 常見的神經網絡結構 …………………………………………………………… 41
3.3.1 多層感知機 ……………………………………………………………… 41
3.3.2 卷積神經網絡 …………………………………………………………… 42
3.3.3 循環神經網絡 …………………………………………………………… 44
第4章 大模型 ………………………………………………………………………… 46
4.1 大模型概述 ……………………………………………………………………… 46
4.1.1 什麼是大模型 …………………………………………………………… 46
4.1.2 大模型與小模型的區別 ………………………………………………… 48
4.1.3 大模型的發展歷程 ……………………………………………………… 49
4.1.4 人工智能與大模型的關系 ……………………………………………… 49
4.1.5 大模型在人工智能領域的重要性 ………………………………………… 50
4.2 大模型產品 ……………………………………………………………………… 50
4.2.1 國外的大模型產品 ……………………………………………………… 51
4.2.2 國內的大模型產品 ……………………………………………………… 52
4.3 大模型的基本原理 ……………………………………………………………… 52
4.3.1 Transformer架構 ……………………………………………………… 53
4.3.2 預訓練與微調 …………………………………………………………… 54
4.3.3 大模型的核心特點 ……………………………………………………… 55
本章小結 ……………………………………………………………………… 56
第5章 AIGC與 DeepSeek應用 ……………………………………………………… 57
5.1 AIGC概述 ……………………………………………………………………… 57
5.1.1 什麼是 AIGC …………………………………………………………… 57
5.1.2 AIGC與大模型的關系 …………………………………………………… 58
5.1.3 AIGC的發展歷程 ……………………………………………………… 58
5.1.4 常見的 AIGC應用場景 ………………………………………………… 59
5.1.5 AIGC技術對行業發展的影響 …………………………………………… 62
5.1.6 AIGC技術對職業發展的影響 …………………………………………… 63
5.1.7 常見的 AIGC工具 ……………………………………………………… 64
5.1.8 AIGC大模型的提示詞 …………………………………………………… 65
5.2 DeepSeek常見應用 ……………………………………………………………… 66
5.2.1 文本類 DeepSeek應用實踐:生成學習筆記 ……………………………… 66
5.2.2 圖片類 DeepSeek應用實踐:設計活動海報 ……………………………… 66
5.2.3 語音類 DeepSeek應用實踐:制作有聲書片段 …………………………… 67
Ⅺ
5.2.4 視頻類 DeepSeek應用實踐:制作短視頻腳本和素材 ……………………… 67
5.2.5 DeepSeek在輔助編程中的應用實踐:生成 BMI計算代碼 ………………… 68
本章小結 ……………………………………………………………………… 69
第6章 智能體 ………………………………………………………………………… 70
6.1 智能體概述 ……………………………………………………………………… 70
6.1.1 智能體概念 ……………………………………………………………… 70
6.1.2 智能體的發展歷程 ……………………………………………………… 71
6.1.3 智能體的優勢與應用 …………………………………………………… 72
6.2 智能體與人工智能的關系 ……………………………………………………… 72
6.2.1 智能體在 AI架構中的定位 ……………………………………………… 72
6.2.2 與其他 AI技術的協同關系 ……………………………………………… 73
6.3 智能體的核心特征 ……………………………………………………………… 73
6.3.1 自主感知與環境交互 …………………………………………………… 74
6.3.2 目標導向與任務執行 …………………………………………………… 74
6.3.3 持續學習與能力演化 …………………………………………………… 74
6.3.4 協作能力與人機互動 …………………………………………………… 74
6.4 智能體的分級與分類體系 ……………………………………………………… 75
6.4.1 能力分級模型 …………………………………………………………… 75
6.4.2 功能結構分類 …………………………………………………………… 76
6.4.3 應用場景維度分類 ……………………………………………………… 77
6.5 智能體的關鍵技術支撐 ………………………………………………………… 77
6.5.1 感知與識別技術 ………………………………………………………… 77
6.5.2 決策與規劃技術 ………………………………………………………… 79
6.5.3 交互與學習能力 ………………………………………………………… 79
6.6 智能體產品與應用 ……………………………………………………………… 79
6.6.1 國外智能體產品 ………………………………………………………… 80
6.6.2 國內智能體產品 ………………………………………………………… 81
6.6.3 案例:扣子智能體搭建實踐 ……………………………………………… 82
6.7 智能體的未來趨勢 ……………………………………………………………… 90
6.7.1 技術演進方向 …………………………………………………………… 90
6.7.2 面臨的挑戰與發展瓶頸 ………………………………………………… 91
6.7.3 智能體的未來展望 ……………………………………………………… 91
本章小結 ……………………………………………………………………………… 92
第7章 具身智能 ……………………………………………………………………… 93
7.1 具身智能概述 …………………………………………………………………… 93
7.1.1 什麼是具身智能 ………………………………………………………… 93
Ⅻ
7.1.2 具身智能和智能體的關系 ……………………………………………… 94
7.1.3 具身智能的發展歷程 …………………………………………………… 94
7.1.4 具身智能在人工智能中的地位與作用 …………………………………… 95
7.2 具身智能的技術支撐 …………………………………………………………… 95
7.2.1 傳感器技術:感知世界的觸角 …………………………………………… 96
7.2.2 機器學習與強化學習 …………………………………………………… 97
7.2.3 機器人技術:具身的物理載體 …………………………………………… 98
7.3 具身智能的應用領域 …………………………………………………………… 98
7.3.1 人機交互與協作 ………………………………………………………… 98
7.3.2 自主系統與導航 ………………………………………………………… 99
7.3.3 醫療健康 ……………………………………………………………… 100
7.3.4 娛樂與教育 …………………………………………………………… 100
7.4 人形機器人 …………………………………………………………………… 101
7.4.1 人形機器人的內涵……………………………………………………… 101
7.4.2 人形機器人的發展階段 ………………………………………………… 102
7.4.3 人形機器人的分類……………………………………………………… 103
7.4.4 典型人形機器人 ……………………………………………………… 104
7.5 具身智能的挑戰與限制 ………………………………………………………… 107
7.5.1 技術挑戰 ……………………………………………………………… 107
7.5.2 倫理與法律問題 ……………………………………………………… 107
7.5.3 社會接受度與影響……………………………………………………… 108
本章小結 …………………………………………………………………………… 108
第8章 深度學習實踐………………………………………………………………… 110
8.1 圖像分類實踐 ………………………………………………………………… 110
8.1.1 MNIST手寫數字分類實踐……………………………………………… 110
8.1.2 CIFAR-10分類實踐 …………………………………………………… 114
8.2 語義分割實踐 ………………………………………………………………… 118
8.2.1 U-Net醫學圖像分割實踐 ……………………………………………… 118
8.2.2 DeepLabV3鐵軌缺陷分割實踐 ………………………………………… 122
8.3 目標跟蹤實踐 ………………………………………………………………… 125
8.3.1 深度學習單目標跟蹤算法實踐 ………………………………………… 125
8.3.2 深度學習多目標跟蹤算法實踐 ………………………………………… 127
第9章 人工智能的倫理、法律和安全問題 ………………………………………… 130
9.1 人工智能倫理、法律與安全的基礎認知 ………………………………………… 130
9.1.1 核心概念界定 ………………………………………………………… 130
9.1.2 研究價值 ……………………………………………………………… 131
9.1.3 發展脈絡:從萌芽到爆發的演進歷程 …………………………………… 132
9.2 人工智能的核心倫理困境與應對思路 …………………………………………… 133
9.2.1 算法公平性問題:偏見的表現、成因與倫理準則 ………………………… 133
9.2.2 數據隱私保護:AI應用中的隱私風險與倫理邊界 ……………………… 135
9.2.3 責任歸屬爭議:AI決策失誤的道德困境與界定邏輯 …………………… 135
9.3 人工智能的法律規制現狀與關鍵議題 …………………………………………… 136
9.3.1 全球立法圖景:主要國家和地區的差異化規制實踐 ……………………… 136
9.3.2 核心法律爭議:AI主體資格與責任劃分的法律難題 …………………… 136
9.3.3 場景化法律邊界:重點領域的規制要點 ………………………………… 137
本章小結 …………………………………………………………………………… 137
第10章 大模型應用 ………………………………………………………………… 138
10.1 大模型基礎認知 ……………………………………………………………… 138
10.1.1 大模型的核心能力與局限性 ………………………………………… 138
10.1.2 DeepSeek結合本地知識庫方法 ……………………………………… 141
10.2 提示詞寫作技巧精要 ………………………………………………………… 142
10.2.1 基礎原則 …………………………………………………………… 143
10.2.2 高階技巧 …………………………………………………………… 143
10.3 個人效率提升實踐 …………………………………………………………… 145
10.3.1 辦公場景 …………………………………………………………… 145
10.3.2 學習場景 …………………………………………………………… 153
10.4 行業賦能案例 ………………………………………………………………… 155
10.4.1 法律行業 …………………………………………………………… 155
10.4.2 電商行業 …………………………………………………………… 156
10.4.3 制造業 ……………………………………………………………… 158
10.5 DeepSeek與職業發展 ………………………………………………………… 160
10.5.1 新興崗位圖譜 ……………………………………………………… 160
10.5.2 技能成長路徑 ……………………………………………………… 161
參考文獻………………………………………………………………………………… 164
