人工智能基礎與應用

目    錄

第1章  信息技術基礎 1

1.1  計算機系統 2

1.1.1  計算機的發展歷程 2

1.1.2  計算機的工作原理 6

1.1.3  計算機硬件系統 6

1.1.4  計算機軟件系統 8

1.2  計算機數據的存儲 9

1.2.1  進位計數制的概念 9

1.2.2  各種數制間的轉換 11

1.2.3  信息編碼 13

1.3  WPS文字軟件的應用 15

1.3.1  WPS文字的簡單應用 16

1.3.2  WPS文字的高級應用 17

1.3.3  WPS AI在WPS文字中的應用 20

1.4  WPS表格軟件的應用 21

1.4.1  WPS表格的簡單應用 21

1.4.2  WPS表格的高級應用 23

1.4.3  WPS AI在WPS表格中的應用 25

1.5  WPS演示軟件的應用 26

1.5.1  WPS演示的簡單應用 27

1.5.2  WPS演示的高級應用 29

1.5.3  WPS AI在WPS演示中的應用 31

1.6  實戰練習 32

1.7  實戰訓練 33

本章小結 34

第2章  人工智能基礎 35

2.1  什麼是人工智能 36

2.1.1  人工智能的概念 36

2.1.2  人工智能的基本特征 37

2.2  人工智能的發展歷程 37

2.2.1  起步發展期(20世紀50年代至20世紀60年代初) 39

2.2.2  反思發展期(20世紀60年代至20世紀80年代初) 39

2.2.3  應用發展期(20世紀80年代初至20世紀80年代中期) 40

2.2.4  低迷發展期(20世紀80年代中期至20世紀90年代中期) 40

2.2.5  復蘇發展期(20世紀90年代中期至2010年) 40

2.2.6  蓬勃發展期(2010年至今) 41

2.3  主流的人工智能學派 41

2.3.1  符號主義 42

2.3.2  連接主義 42

2.3.3  行為主義 43

2.4  人工智能的應用領域 45

2.5  實戰練習 48

2.6  實戰訓練 49

本章小結 50

第3章  人工智能三要素 52

3.1  數據 53

3.1.1  認識AI世界裏的數據 53

3.1.2  數據的常見分類 54

3.1.3  AI數據來源 56

3.1.4  AI數據的基本要求 58

3.1.5  數據處理基礎流程 60

3.2  算法 62

3.2.1  初識人工智能算法 62

3.2.2  人工智能算法的基本思維邏輯 66

3.2.3  人工智能算法三大類別 66

3.2.4  主流人工智能算法 68

3.3  算力 70

3.3.1  認識算力：AI 的動力源泉 70

3.3.2  算力的分類 72

3.3.3  承載算力的常見硬件設備 75

3.3.4  算力的三大應用形態 77

3.4  實戰練習 79

本章小結 80

第4章  自然語言處理 81

4.1  自然語言處理概述 83

4.1.1  什麼是自然語言處理 83

4.1.2  自然語言處理的發展歷程 84

4.1.3  自然語言處理的主要任務 85

4.1.4  自然語言處理的技術難點 87

4.1.5  自然語言處理與人工智能的關系 88

4.2  語音識別 89

4.2.1  什麼是語音識別 89

4.2.2  語音識別的工作流程 90

4.2.3  語音識別技術的發展 91

4.2.4  生活中的語音識別案例 93

4.2.5  語音識別的局限性與未來趨勢 94

4.3  自然語言理解 94

4.3.1  什麼是自然語言理解 94

4.3.2  自然語言理解的核心任務 95

4.3.3  自然語言理解的技術原理 96

4.3.4  生活中的自然語言理解案例 97

4.3.5  自然語言理解的難點與未來趨勢 98

4.4  語音合成 98

4.4.1  什麼是語音合成 98

4.4.2  語音合成技術的發展歷程 99

4.4.3  生活中的語音合成案例 99

4.4.4  語音合成的核心技術細節 100

4.4.5  看圖寫詩——體驗NLP文本生成能力 101

4.4.6  情感分析——體驗NLP數據分析能力 103

4.4.7  前沿討論：AI語音克隆——是便利還是隱患？ 106

4.5  實戰練習 108

4.6  實戰訓練 109

本章小結 110

第5章  計算機視覺——讓AI擁有“眼睛” 111

5.1  計算機視覺概述 112

5.1.1  什麼是計算機視覺 112

5.1.2  計算機視覺的核心任務 113

5.1.3  計算機視覺正在改變哪些行業 114

5.1.4  計算機視覺與多模態學習的融合 115

5.2  人臉識別原理 115

5.2.1  人臉識別概述 115

5.2.2  人臉識別全流程 115

5.2.3  活體檢測技術 117

5.2.4  人臉識別落地應用 117

5.2.5  人臉識別安全與隱私規範 118

5.3  圖像分類——讓AI認出萬物 119

5.3.1  圖像分類的核心任務 119

5.3.2  卷積神經網絡：計算機的圖像視覺邏輯 120

5.3.3  遷移學習：無須從零開始訓練的高效學習方式 121

5.3.4  【項目實訓1】生活垃圾分類識別 122

5.4  目標檢測——讓AI定位畫面中的目標物體 124

5.4.1  目標檢測：兼具分類與定位功能的進階視覺技術 124

5.4.2  目標檢測的生活化應用場景 125

5.4.3  【項目實訓2】行人車輛檢測與計數 126

5.5  光學字符識別——讓AI讀懂文本信息 131

5.5.1  光學字符識別：賦予AI文本讀取能力 131

5.5.2  【項目實訓3】證件信息自動提取 132

5.6  圖像生成——賦能AI創意創作 133

5.6.1  圖像生成技術發展與原理 134

5.6.2  主流圖像生成工具與調用方法 134

5.6.3  圖像生成技術的應用場景與規範邊界 135

5.6.4  【項目實訓4】AI輔助節日海報設計 136

5.7  前沿探索：視覺大模型與多模態智能應用 137

5.7.1  視覺大模型的核心概念與經典模型 137

5.7.2  多模態視覺應用實踐初探 138

5.8  實戰練習 139

5.9  實戰訓練 140

本章小結 141

第6章  生成式人工智能 142

6.1  AI與AIGC概述 143

6.2  AIGC的相關技術原理 144

6.2.1  Transformer架構 144

6.2.2  大語言模型 144

6.2.3  多模態大模型 145

6.2.4  擴散模型 145

6.3  AIGC平臺及工具 146

6.4  AIGC文案創作 146

6.5  AIGC圖像創作 150

6.6  AIGC音頻創作 153

6.6.1  AI配音 154

6.6.2  AI音樂生成 154

6.6.3  聲音克隆 154

6.7  AIGC視頻創作 157

6.8  AIGC應用綜合實訓 161

6.8.1  實訓目標 161

6.8.2  實訓任務 161

6.8.3  實訓步驟 161

6.8.4  實訓總結 162

6.9  實戰練習 162

6.10  實戰訓練 163

本章小結 163

第7章  AI智能體搭建與應用 165

7.1  認識智能體 166

7.1.1  智能體的基本概念及工作原理 166

7.1.2  智能體的特點 166

7.1.3  智能體的功能 166

7.1.4  智能體開發平臺 167

7.2  扣子編程開發環境 167

7.2.1  智能體和AI應用 167

7.2.2  扣子編程的平臺架構 167

7.2.3  註冊與登錄扣子編程 168

7.2.4  扣子編程開發界面與功能模塊 168

7.3  搭建智能體 170

7.3.1  搭建頁面 170

7.3.2  設計提示詞 172

7.3.3  配置能力 174

7.3.4  預覽與調試 176

7.3.5  發布智能體 178

7.4  搭建智能應用平臺 180

7.4.1  搭建文案生成智能體 180

7.4.2  搭建圖文生成智能體 184

7.4.3  搭建視頻生成智能體 188

7.4.4  搭建智能服務智能體 192

7.4.5  搭建旅行規劃智能體 196

7.4.6  智能體的多平臺分發 200

7.5  基於知識庫構建智能體 203

7.5.1  知識庫與RAG基礎 203

7.5.2  智能體為什麼需要知識庫 204

7.5.3  創建和管理知識庫 204

7.5.4  在智能體中使用知識庫 205

7.6  實戰練習 206

7.7  實戰訓練 207

本章小結 207

第8章  人工智能倫理與法律 209

8.1  人工智能倫理與法律概述 210

8.1.1  基本概念 210

8.1.2  人工智能倫理的核心原則 210

8.1.3  人工智能面臨的典型倫理風險 211

8.1.4  人工智能法律治理的價值與作用 212

8.2  人工智能核心倫理風險與治理路徑 212

8.2.1  算法偏見與公平性治理 212

8.2.2  隱私保護與數據合規治理 213

8.2.3  深度合成與內容安全治理 214

8.2.4  知識產權與AI生成內容治理 214

8.2.5  AI責任歸屬與風險承擔 215

8.3  人工智能法律框架與核心法規 216

8.3.1  我國人工智能法律治理體系 216

8.3.2  核心法律法規要點解讀 217

8.3.3  全球人工智能治理模式對比 218

8.4  智能體開發中的倫理與法律實踐 220

8.4.1  智能體全生命周期合規框架 220

8.4.2  多模態智能體專項合規要求 223

8.5  負責任AI開發實踐與典型案例 224

8.5.1  負責任AI開發五步法 224

8.5.2  合規智能體開發正面案例 225

8.5.3  違規風險警示案例 225

8.6  實戰練習 226

8.7  實戰訓練 227

本章小結 228

參考文獻 229