大學計算機——人工智能通識（第2版）

劉添華,女，1976年5月出生，博士，教授，主要研究方向計算機及其應用。承擔大學計算機，C語言程序設計，Python程序設計，信息檢索與搜索引擎等多門課程的教學工作，近年來，在國內外核心期刊發表論文10余篇，作為第二完成人“大學計算機”課程被評為國家級一流課程，主持編寫配套教材《大學計算機--計算思維視角》，2025年獲黑龍江省教材建設二等獎，2026年被認定為黑龍江省“十四五”規劃教材，主持省教育廳教研項目3項，主持黑龍江省自然科學基金等省級科研項目3項，2024年，作為項目負責人《大學計算機》課程獲得黑龍江省課程思政示範課，2025年，帶領團隊獲黑龍江省教學成果二等獎。

目錄

 

 

 

 

第1章人工智能與計算思維概述1

1.1人工智能概覽1

1.1.1人工智能與人類智能的定義1

1.1.2人工智能的起源與發展歷程3

1.1.3人工智能的要素6

1.1.4人工智能的分類6

1.1.5人工智能的主要學派7

1.2人工智能的關鍵技術8

1.2.1現代知識建模與表示8

1.2.2智能搜索與邏輯推理15

1.2.3機器學習23

1.3人工智能的應用領域29

1.3.1自然語言處理29

1.3.2計算機視覺31

1.3.3智能推薦系統33

1.3.4語音識別與合成34

1.3.5生成式人工智能35

1.3.6自動駕駛36

1.4計算思維與人工智能的關系37

1.4.1計算思維的定義與本質37

1.4.2計算思維的四大核心支柱38

1.4.3生活中的計算思維38

1.4.4計算思維與人工智能39

第2章計算機系統41

2.1計算機系統概述41

2.1.1計算機系統的層次結構41

2.1.2經典馮·諾依曼架構42

2.1.3計算機技術的發展脈絡與計算機系統的分類42

2.1.4計算模式演進與人工智能新時代44

2.2計算機硬件系統45

2.2.1運算器: 數據處理的核心部件45

2.2.2控制器: 系統的“指揮官”45

2.2.3中央處理器: 運算器與控制器的統一體46

2.2.4人工智能加速硬件: GPU、TPU與NPU48

2.2.5存儲器: 數據與程序的“倉庫”51

2.2.6系統支撐硬件: 算力底座的物理保障53

2.2.7輸入設備與輸出設備54

2.2.8硬件系統的協同工作原理57

2.3計算機軟件系統58

2.3.1系統軟件: 計算機的“底層支撐”58

2.3.2應用軟件: 滿足具體需求的工具59

2.3.3軟件與硬件的關系61

2.4計算機網絡基礎62

2.4.1計算機網絡的定義與核心功能62

2.4.2常用網絡類型與拓撲結構63

2.4.3網絡與人工智能的關聯66

2.4.4雲計算、邊緣計算與人工智能的融合66

第3章機器學習68

3.1機器學習概述68

3.1.1機器學習的定義與核心思想68

3.1.2機器學習的基本概念70

3.1.3機器學習的分類72

3.1.4機器學習的基本流程75

3.1.5機器學習的應用場景76

3.2有監督學習77

3.2.1有監督學習概述78

3.2.2分類問題80

3.2.3回歸問題91

3.3無監督學習94

3.3.1無監督學習概述94

3.3.2聚類問題96

3.3.3降維問題102

3.4強化學習104

3.4.1強化學習的基本原理104

3.4.2強化學習的基本過程105

3.4.3強化學習的常見算法105

3.5人工神經網絡和深度學習106

3.5.1人工神經網絡106

3.5.2深度學習108

第4章計算機視覺111

4.1計算機視覺概述111

4.1.1什麼是計算機視覺111

4.1.2計算機視覺模擬人類視覺的認知過程112

4.1.3計算機視覺的發展歷程114

4.1.4人類視覺與計算機視覺的對比115

4.2計算機視覺的典型應用場景116

4.2.1安防領域——智能監控的“火眼金睛”116

4.2.2自動駕駛——車輛的“視覺神經”118

4.2.3醫學影像——輔助診斷的“第二雙眼睛”120

4.2.4工業質檢——生產線上的“質量衛士”121

4.2.5消費電子——提升體驗的“視覺魔法”123

4.3計算機視覺的核心任務124

4.3.1圖像分類與識別125

4.3.2目標檢測126

4.3.3圖像分割127

4.3.4目標跟蹤130

4.3.5姿態估計132

4.3.6三維視覺134

4.3.7圖像生成與編輯135

4.3.8視覺語義理解137

4.4計算機視覺面臨的挑戰138

4.4.1復雜環境幹擾——計算機視覺的“攔路虎”138

4.4.2對抗攻擊——微小改動引發“視覺幻覺”139

4.4.3三維場景理解——從“平面”到“立體”的難題139

第5章自然語言處理141

5.1自然語言處理概述141

5.1.1自然語言處理的核心思想141

5.1.2自然語言處理的發展歷程142

5.1.3自然語言處理的主要內容142

5.1.4自然語言處理的核心挑戰144

5.2自然語言處理的主要任務145

5.2.1文本預處理145

5.2.2語言結構分析146

5.2.3文本表示方法148

5.2.4語義理解與分析150

5.3自然語言處理的應用場景152

5.3.1機器翻譯152

5.3.2情感分析155

5.3.3信息檢索與問答系統158

5.3.4文本摘要161

5.3.5語言模型163

5.4自然語言處理工具165

第6章大模型168

6.1大模型概述168

6.1.1大模型的定義與核心特征168

6.1.2大模型的發展歷程170

6.1.3大模型的核心優勢與局限性172

6.1.4主流大模型簡介173

6.2大模型的核心原理175

6.2.1Transformer架構基礎175

6.2.2註意力機制176

6.2.3大模型的訓練流程177

6.2.4大模型的擴展法則178

6.3大模型的關鍵技術179

6.3.1預訓練技術179

6.3.2指令微調與提示學習179

6.3.3大模型的解碼與部署181

6.3.4混合專家模型的基本概念182

6.4大模型的應用場景與實踐183

6.4.1大模型的應用場景183

6.4.2大模型的基礎使用方法184

6.4.3大模型的評測方法186

第7章智能體與具身智能188

7.1智能體概述188

7.1.1智能體的定義與核心特征188

7.1.2智能體的基本結構: 感知、決策、執行189

7.1.3智能體的分類191

7.1.4智能體的應用場景193

7.2具身智能基礎194

7.2.1具身智能的定義與核心內涵194

7.2.2具身智能與傳統人工智能的區別195

7.2.3具身智能的發展現狀與面臨的挑戰196

7.3智能體與具身智能的關鍵技術198

7.3.1環境感知技術: 傳感器、環境建模基礎198

7.3.2自主決策與規劃技術202

7.3.3運動控制與人機交互206

7.3.4大模型與智能體: 具身智能的融合209

7.4典型應用案例211

7.4.1智能機器人211

7.4.2自動駕駛系統213

7.4.3虛擬智能體216

第8章AIGC應用220

8.1AIGC概述220

8.1.1AIGC的定義與核心內涵220

8.1.2AIGC的發展歷程與核心特征221

8.1.3AIGC與傳統內容創作的區別224

8.1.4AIGC的核心價值與應用意義226

8.2AIGC的核心類型與技術基礎227

8.2.1文本生成228

8.2.2圖像生成230

8.2.3音頻生成231

8.2.4視頻生成233

8.2.5AIGC的核心技術支撐234

8.3AIGC的典型應用場景237

8.3.1辦公領域237

8.3.2創作領域240

8.3.3教育領域241

8.3.4產業領域243

8.4AIGC的實踐入門245

8.4.1常用AIGC工具簡介245

8.4.2提示詞設計技巧248

8.4.3AIGC實踐案例251

附錄254

參考文獻273