目錄



第 1章　揭開(kāi)人工智能的神秘面紗

1.1　什么是人工智能

1.1.1　自主意識(shí)與人工智能

1.1.2　自動(dòng)化系統(tǒng)與人工智能

1.1.3　腦機(jī)接口與人工智能

1.1.4　機(jī)器人技術(shù)與人工智能

1.1.5　知識(shí)工程與人工智能

1.1.6　機(jī)器學(xué)習(xí)、深度學(xué)習(xí)與人工智能

1.1.7　Python與人工智能

1.2人工智能的三大流派

1.2.1符號(hào)主義

1.2.2連接主義

1.2.3行為主義

1.3　人工智能的發(fā)展及未來(lái)

1.3.1人工智能的三次浪潮

1.3.2　生成式人工智能的崛起

1.3.3　未來(lái)人工智能的探索與展望

1.4　人工智能的的五大重要技術(shù)方向與應(yīng)用領(lǐng)域

1.4.1計(jì)算機(jī)視覺(jué)

1.4.2自然語(yǔ)言處理

1.4.3智能推薦與搜索

1.4.4決策規(guī)劃

1.4.5數(shù)據(jù)分析與挖掘

1.5　本章小結(jié)

1.6　習(xí)題



第 2章　人工智能技術(shù)的行業(yè)應(yīng)用千行百業(yè)應(yīng)用大爆發(fā)

2.1　金融行業(yè)

2.1.1　風(fēng)險(xiǎn)管理

2.1.2　信用評(píng)估

2.1.3　欺詐檢測(cè)

2.1.4　客戶(hù)服務(wù)

2.1.5　智能交易

2.1.6　智能助手

2.2　醫(yī)療行業(yè)

2.2.1　疾病診斷

2.2.2　個(gè)性化治療

2.2.3　智能客服系統(tǒng)

2.2.4　智慧病歷

2.2.5　藥物研發(fā)

2.2.6　其它應(yīng)用場(chǎng)景

2.3　制造業(yè)

2.3.1　輔助設(shè)計(jì)

2.3.2　工業(yè)仿真

2.3.3　智能排產(chǎn)

2.3.4　生產(chǎn)線(xiàn)自動(dòng)化與優(yōu)化

2.3.5　質(zhì)量控制與缺陷檢測(cè)

2.3.6　設(shè)備健康管理與預(yù)測(cè)性維護(hù)

2.3.7　智能分揀與物流

2.3.8　智能供應(yīng)鏈與庫(kù)存管理

2.4　教育行業(yè)

2.4.1　個(gè)性化學(xué)習(xí)

2.4.2　智能助教

2.4.3　教學(xué)設(shè)計(jì)

2.4.4　試題作業(yè)生成與批改

2.4.5　教學(xué)管理

2.4.6　語(yǔ)言學(xué)習(xí)

2.4.7　科研助手

2.5　文娛傳媒行業(yè)

2.5.1　新聞傳媒

2.5.2　新媒體

2.5.3　廣告營(yíng)銷(xiāo)行業(yè)

2.5.4　影視行業(yè)

2.5.5　游戲行業(yè)

2.6　交通物流行業(yè)

2.6.1　自動(dòng)駕駛和智能駕駛輔助

2.6.2　智能交通管理

2.6.3　智能公共交通系統(tǒng)

2.6.4　物流與供應(yīng)鏈優(yōu)化

2.6.5　智能客戶(hù)服務(wù)

2.7　零售行業(yè)

2.7.1　智能營(yíng)銷(xiāo)

2.7.2增強(qiáng)購(gòu)物體驗(yàn)

2.7.3　用戶(hù)洞察和個(gè)性化體驗(yàn)

2.7.4　智能客服和會(huì)員管理

2.7.5.　智能庫(kù)存管理

2.8　IT信息技術(shù)與通信行業(yè)

2.8.1　信息技術(shù)（IT）行業(yè)

2.8.2　通信行業(yè)

2.8.3　4.5 G與人工智能的結(jié)合

2.9　其他行業(yè)

2.10　人工智能技術(shù)發(fā)展對(duì)個(gè)人的意義

2.11本章小結(jié)

2.12習(xí)題



第3章　人工智能技術(shù)的新探索機(jī)器學(xué)習(xí)技術(shù)框架

3.1　數(shù)據(jù)智能

3.1.1　從認(rèn)識(shí)論看數(shù)據(jù)智能

3.1.2　從模型論看數(shù)據(jù)智能

3.1.3　從數(shù)學(xué)角度看模型

3.1.4　數(shù)據(jù)智能的核心要素與局限性

3.2　數(shù)據(jù)科學(xué)

3.3　機(jī)器學(xué)習(xí)

3.3.1　什么是機(jī)器學(xué)習(xí)

3.3.2　機(jī)器學(xué)習(xí)的4類(lèi)任務(wù)

3.3.3　機(jī)器學(xué)習(xí)的3個(gè)學(xué)習(xí)方法

3.3.4　機(jī)器學(xué)習(xí)的5個(gè)工作流程

3.3.5　機(jī)器學(xué)習(xí)的3個(gè)要素

3.4　本章小結(jié)

3.5　習(xí)題



第4章　人工智能技術(shù)的覺(jué)醒深度學(xué)習(xí)技術(shù)框架

4.1深度學(xué)習(xí)概述

4.1.1了解深度學(xué)習(xí)

4.1.2傳統(tǒng)機(jī)器學(xué)習(xí)與深度學(xué)習(xí)對(duì)比

4.1.3深度學(xué)習(xí)研究的三駕馬車(chē)

4.2從時(shí)間維度看深度學(xué)習(xí)的進(jìn)化

4.2.1深度學(xué)習(xí)古猿時(shí)代

4.2.2深度學(xué)習(xí)的智人時(shí)代

4.2.3深度學(xué)習(xí)的覺(jué)醒期

4.2.4深度學(xué)習(xí)蓬勃發(fā)展期

4.3從應(yīng)用領(lǐng)域看深度學(xué)習(xí)發(fā)展歷程

4.3.1從計(jì)算機(jī)視覺(jué)領(lǐng)域看深度學(xué)習(xí)發(fā)展歷程

4.3.2從自然語(yǔ)言處理領(lǐng)域看深度學(xué)習(xí)發(fā)展歷程

4.4深度學(xué)習(xí)核心技術(shù)：Transformer和預(yù)訓(xùn)練大模型

4.4.1　Transformer架構(gòu)

4.4.2預(yù)訓(xùn)練大模型

4.4.3預(yù)訓(xùn)練大模型使用方式介紹

4.5深度學(xué)習(xí)在科研的應(yīng)用-以AlphaFold為例

4.5.1AlphaFold的革命性突破

4.5.2AlphaFold的技術(shù)實(shí)現(xiàn)

4.5.3AlphaFold的影響與應(yīng)用

4.6本章小結(jié)

4.7習(xí)題



第5章　人工智能技術(shù)的突破大語(yǔ)言模型原理與訓(xùn)練

5.1大語(yǔ)言模型概覽

5.1.1　大語(yǔ)言模型與預(yù)訓(xùn)練大模型

5.1.2　大語(yǔ)言模型的里程碑- GPT

5.1.3大語(yǔ)言模型2023-2024年關(guān)鍵進(jìn)展

5.2大語(yǔ)言模型的技術(shù)原理

5.2.1　Token與向量表示

5.2.2　注意力機(jī)制：智能的關(guān)鍵

5.3大語(yǔ)言模型工程

5.3.1　Scaling up：大力出奇跡

5.3.2　Data：大語(yǔ)言模型能力的來(lái)源

5.3.3Capabilities：大語(yǔ)言模型的能力

5.4　大語(yǔ)言模型的應(yīng)用

5.4.1大語(yǔ)言模型的應(yīng)用場(chǎng)景與應(yīng)用類(lèi)型分析

5.4.2大模型微調(diào)技術(shù)

5.4.3　RAG技術(shù)

5.5　模型評(píng)估

5.5.1　模型評(píng)估的挑戰(zhàn)

5.5.2　模型評(píng)測(cè)

5.6本章小結(jié)

5.7習(xí)題



第　6 章 智慧對(duì)話(huà)大語(yǔ)言模型Prompt入門(mén)

6.1　Prompt與大語(yǔ)言模型

6.1.1　什么是Prompt

6.1.2　Prompt的作用

6.1.3　大語(yǔ)言模型內(nèi)容的生成過(guò)程

6.2　大語(yǔ)言模型的能力和邊界

6.2.1　創(chuàng)作能力

6.2.2　對(duì)話(huà)能力

6.2.3　推理能力

6.3　大語(yǔ)言模型工具的選擇

6.4　清晰全面的Prompt

6.4.1　向大語(yǔ)言模型提問(wèn)的流程

6.4.2　設(shè)定角色

6.4.3　構(gòu)建清晰全面的Prompt

6.5　本章小結(jié)

6.6　習(xí)題



第7章　智慧駕馭大語(yǔ)言模型Prompt高級(jí)應(yīng)用

7.1　引導(dǎo)大語(yǔ)言模型學(xué)會(huì)思考

7.1.1　逐步思考

7.1.2　任務(wù)拆解

7.2　清晰表達(dá)-結(jié)構(gòu)化Prompt框架

7.2.1　LangGPT

7.2.2　CO-STAR

7.2.3　CRISPE框架

7.3　學(xué)會(huì)與大語(yǔ)言模型協(xié)作

7.3.1　角色定位

7.3.2　設(shè)計(jì)Prompt的關(guān)鍵能力

7.3.3　人機(jī)協(xié)作工作流程

7.4　大語(yǔ)言模型的N種應(yīng)用

7.4.1　助力學(xué)習(xí)成長(zhǎng)

7.4.2　助力科研創(chuàng)作

7.4.3　輔助代碼學(xué)習(xí)

7.4.4　協(xié)助心理疏導(dǎo)

7.4.5　協(xié)助求職與就業(yè)

7.5　本章小結(jié)

7.6　習(xí)題



第8章AI的試聽(tīng)?wèi)?yīng)用繪畫(huà)視頻與音頻

8.1　AI繪畫(huà)的原理

8.1.1　認(rèn)識(shí)AI繪畫(huà)

8.1.2　AI繪畫(huà)的技術(shù)基礎(chǔ)

8.1.3　Stable Diffusion繪畫(huà)原理

8.2　Stable Diffusion WebUI繪畫(huà)實(shí)踐

8.2.1　安裝Stable Diffusion WebUI

8.2.2　Stable Diffusion WebUI界面參數(shù)

8.2.3　Stable Diffusion WebUI應(yīng)用實(shí)踐

8.3　ComfyUI繪畫(huà)工作流

8.3.1安裝ComfyUI

8.3.2　ComfyUI工作過(guò)程解析

8.4　視頻生成

8.4.1　視頻生成技術(shù)發(fā)展

8.4.2　視頻生成技術(shù)應(yīng)用

8.4.3　視頻生成技術(shù)發(fā)展趨勢(shì)

8.5　音頻生成

8.5.1　音頻生成技術(shù)發(fā)展

8.5.2　音頻生成技術(shù)應(yīng)用

8.5.3　音頻生成技術(shù)發(fā)展趨勢(shì)

8.6　本章小結(jié)

8.7　習(xí)題



第9章　人工智能的挑戰(zhàn)與未來(lái)

9.1人工智能：意識(shí)探索與人類(lèi)影響

9.1.1　人工智能是否具有自我意識(shí)

9.1.2　人工智能對(duì)人類(lèi)的意義

9.2人工智能對(duì)人類(lèi)的挑戰(zhàn)

9.2.1　數(shù)據(jù)隱私與安全

9.2.2　知識(shí)產(chǎn)權(quán)挑戰(zhàn)

9.2.3　人工智能的倫理與風(fēng)險(xiǎn)

9.2.4　人工智能對(duì)未來(lái)的影響

9.3人工智能走向何處

9.3.1　什么是AI Agent？

9.3.2　向整體智能時(shí)代邁進(jìn)

9.4本章小結(jié)

9.5習(xí)題



參考文獻(xiàn)