本書共8章。從人工智能發(fā)展簡史和基礎(chǔ)概念切入，循序漸進地講解Python編程與數(shù)據(jù)分析基礎(chǔ)、語音處理及其應(yīng)用、機器學(xué)習(xí)基礎(chǔ)、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、自然語言處理基礎(chǔ)、計算機視覺等核心內(nèi)容，并闡述了人工智能倫理及其對社會的影響，探討算法偏見與公平性和數(shù)據(jù)隱私保護等前沿議題。本書設(shè)有實踐操作環(huán)節(jié)，并為關(guān)鍵知識點配備了微課視頻，幫助讀者理解復(fù)雜知識。
本書既可作為高等學(xué)校人工智能通識教育課程的教材，也可作為社會人士了解人工智能技術(shù)的入門讀物。
當(dāng)今世界正經(jīng)歷一場由人工智能技術(shù)驅(qū)動的深刻變革。從ChatGPT、DeepSeek等生成式人工智能(Generative Artificial Intelligence，GAI)的突破性進展，到自動駕駛、智能醫(yī)療等領(lǐng)域的廣泛應(yīng)用，人工智能技術(shù)正在重塑我們的生產(chǎn)方式、生活方式和思維方式。在這一背景下，掌握人工智能基礎(chǔ)知識已不再是計算機類相關(guān)專業(yè)學(xué)生的專屬需求，而是數(shù)字時代每個公民都應(yīng)具備的核心素養(yǎng)。本書正是為適應(yīng)這一時代需求而編寫，旨在幫助應(yīng)用型院校非計算機類專業(yè)的學(xué)生和社會人士系統(tǒng)構(gòu)建人工智能知識體系，加強面向未來的數(shù)字素養(yǎng)和創(chuàng)新能力。
本書在內(nèi)容設(shè)計和編排上充分考慮了應(yīng)用型人才的培養(yǎng)目標(biāo)和學(xué)生的認(rèn)知特點，采用理論基礎(chǔ)技術(shù)解析應(yīng)用實踐倫理思考的四維架構(gòu)，將抽象的技術(shù)原理轉(zhuǎn)化為易于理解的知識模塊，并通過豐富的案例和實踐環(huán)節(jié)強化學(xué)習(xí)效果。值得一提的是，本書創(chuàng)新性地采用了新形態(tài)教材建設(shè)模式，為關(guān)鍵知識點配備了微課視頻，并設(shè)計了實驗案例，使讀者能夠隨時進行沉浸式學(xué)習(xí)，并通過實驗案例進一步理解相關(guān)理論內(nèi)容和實際應(yīng)用場景。在內(nèi)容選擇上，既涵蓋了Python編程、機器學(xué)習(xí)、深度學(xué)習(xí)等核心技術(shù)，也包含語音處理、計算機視覺、自然語言處理等熱門應(yīng)用領(lǐng)域，力求反映人工智能技術(shù)的最新發(fā)展。
作為一本面向通識教育的教材，我們特別注重培養(yǎng)學(xué)生的科技倫理意識和社會責(zé)任感。在系統(tǒng)講解技術(shù)原理的同時，專門設(shè)章節(jié)探討了人工智能帶來的倫理挑戰(zhàn)和社會影響，引導(dǎo)學(xué)生思考技術(shù)發(fā)展的邊界和方向。我們相信，只有將技術(shù)能力與人文素養(yǎng)相結(jié)合，才能培養(yǎng)出真正適應(yīng)智能時代需求的復(fù)合型人才。希望本書能幫助讀者打開人工智能世界的大門，在掌握實用技能的同時建立起對技術(shù)發(fā)展的理性認(rèn)知，為個人發(fā)展和社會進步貢獻力量。
本書編寫團隊通過深入分析高等教育各個專業(yè)的人才培養(yǎng)目標(biāo)、學(xué)生的認(rèn)知特點和人工智能通識課的學(xué)時要求，布局八大板塊內(nèi)容，精心設(shè)計實驗案例，力求為理工類、文史經(jīng)管類和音體美類等專業(yè)的讀者呈上一部好學(xué)易用、理實一體的佳作。其中，對于理工類專業(yè)學(xué)生，建議必修第1~8章內(nèi)容； 對于文史經(jīng)管類專業(yè)學(xué)生，建議必修第1~3章和第6~8章內(nèi)容； 對于音體美類專業(yè)學(xué)生，建議必修第1章、第2章基礎(chǔ)和第6~8章內(nèi)容。本書作者李春英負(fù)責(zé)設(shè)計全書內(nèi)容綱要和第1、3、8章的內(nèi)容審定，湯志康負(fù)責(zé)編寫第1章、第3章、第8章和其他章節(jié)的內(nèi)容審定，劉錕負(fù)責(zé)編寫第2章，張亮負(fù)責(zé)編寫第4~5章，方明偉負(fù)責(zé)編寫第6~7章。感謝楊泳琳、張曉薇、柏楊、曹晶晶、李倩玉、袁圓、李嘉倫、林凱瀚等在本書編撰過程中所做的工作。
本書適合作為高等學(xué)校人工智能通識教育課程的教材，也可作為社會人士的科普讀物。
本書的課程網(wǎng)址如下： http://www.educoder.net/paths/biwoj6pu,讀者可登錄獲取數(shù)字資源。
由于編者水平有限，書中難免存在疏漏和不妥之處，敬請廣大讀者批評指正。
編者
2025年3月
第1章人工智能緒論
1．1人工智能概述
1．1．1什么是智能
1．1．2人工智能的孕育和誕生
1．1．3人工智能的概念與特征
1．1．4人工智能的基本研究內(nèi)容
1．2人工智能的發(fā)展
1．2．1推理期
1．2．2知識期
1．2．3學(xué)習(xí)期
1．3人工智能分類
1．3．1計算智能、感知智能和認(rèn)知智能
1．3．2弱人工智能、強人工智能
1．4生成式人工智能
1．4．1生成式人工智能的基本原理
1．4．2生成式人工智能的應(yīng)用場景
1．5人工智能的發(fā)展趨勢
1．5．1技術(shù)發(fā)展趨勢
1．5．2潛在應(yīng)用領(lǐng)域
1．6本章小結(jié)
第2章Python編程與數(shù)據(jù)分析基礎(chǔ)
2．1Python編程基礎(chǔ)
2．1．1Python環(huán)境搭建
2．1．2數(shù)據(jù)類型與變量定義
2．1．3控制結(jié)構(gòu)
2．1．4組合數(shù)據(jù)結(jié)構(gòu)
2．1．5函數(shù)的定義與使用方法
2．1．6庫介紹與導(dǎo)入方式
2．2數(shù)據(jù)分析基礎(chǔ)
2．2．1數(shù)據(jù)收集
2．2．2數(shù)據(jù)清洗
2．2．3數(shù)據(jù)分析與可視化
2．3森林火災(zāi)數(shù)據(jù)集分析實驗
2．4智能化編程
2．4．1智能化編程工具介紹
2．4．2GitHub Copilot示例
2．5本章小結(jié)
第3章語音處理及其應(yīng)用
3．1語音處理基礎(chǔ)
3．1．1語音處理概述
3．1．2語音識別技術(shù)
3．1．3聲紋識別技術(shù)
3．1．4語音合成技術(shù)
3．2語音處理技術(shù)的典型應(yīng)用
3．2．1智能語音助手
3．2．2語音導(dǎo)航系統(tǒng)
3．2．3語音交互教育產(chǎn)品
3．3語音處理實踐
3．4本章小結(jié)
第4章機器學(xué)習(xí)基礎(chǔ)
4．1有監(jiān)督學(xué)習(xí)
4．1．1線性回歸
4．1．2邏輯回歸
4．1．3決策樹
4．1．4隨機森林
4．2無監(jiān)督學(xué)習(xí)
4．2．1聚類分析
4．2．2主成分分析
4．3強化學(xué)習(xí)
4．3．1強化學(xué)習(xí)概述
4．3．2強化學(xué)習(xí)案例
4．4半監(jiān)督學(xué)習(xí)
4．5基于Python編程的機器學(xué)習(xí)應(yīng)用實踐
4．5．1環(huán)境搭建
4．5．2常用的數(shù)據(jù)集
4．5．3機器學(xué)習(xí)的實現(xiàn)步驟
4．6本章小結(jié)
第5章神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
5．1神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
5．1．1神經(jīng)網(wǎng)絡(luò)概述
5．1．2激活函數(shù)的作用與常見類型
5．1．3前饋神經(jīng)網(wǎng)絡(luò)與反向傳播算法
5．1．4神經(jīng)網(wǎng)絡(luò)的應(yīng)用案例
5．2深度學(xué)習(xí)基礎(chǔ)
5．2．1卷積神經(jīng)網(wǎng)絡(luò)
5．2．2循環(huán)神經(jīng)網(wǎng)絡(luò)
5．2．3Transformer網(wǎng)絡(luò)
5．2．4主流深度學(xué)習(xí)框架及實踐案例
5．2．5GPU編程環(huán)境搭建與神經(jīng)網(wǎng)絡(luò)加速訓(xùn)練
5．3深度學(xué)習(xí)實驗
5．4本章小結(jié)
第6章自然語言處理基礎(chǔ)
6．1自然語言處理概述
6．1．1自然語言處理的基本概念
6．1．2自然語言處理的發(fā)展歷程
6．1．3自然語言處理過程
6．2自然語言處理的關(guān)鍵技術(shù)
6．2．1自然語言理解
6．2．2自然語言生成
6．3語言模型
6．3．1語言模型的概念
6．3．2大語言模型
6．3．3提示詞工程
6．4自然語言處理的應(yīng)用
6．4．1機器翻譯
6．4．2文本分類
6．4．3情感分析
6．5知識圖譜及其應(yīng)用
6．5．1知識圖譜概念
6．5．2知識圖譜應(yīng)用
6．6自然語言處理實踐
6．6．1數(shù)據(jù)加載與預(yù)處理
6．6．2基于TextBlob的可視化情感分析
6．6．3基于PyTorch的文本分類模型構(gòu)建
6．6．4分類模型訓(xùn)練
6．7本章小結(jié)
第7章計算機視覺
7．1計算機視覺概述
7．1．1視覺及計算機視覺概念
7．1．2計算機視覺的發(fā)展歷史
7．1．3計算機視覺的應(yīng)用
7．2數(shù)字圖像基礎(chǔ)
7．2．1數(shù)字圖像基礎(chǔ)知識
7．2．2圖像特征提取
7．3計算機視覺的基本任務(wù)
7．3．1圖像分類
7．3．2目標(biāo)定位
7．3．3目標(biāo)檢測
7．3．4圖像分割
7．4深度生成模型
7．4．1生成對抗網(wǎng)絡(luò)
7．4．2擴散模型
7．5計算機視覺應(yīng)用
7．5．1人臉識別
7．5．2自動駕駛
7．5．3光學(xué)字符識別
7．6計算機視覺實驗
7．6．1圖像數(shù)據(jù)集
7．6．2圖像特征提取
7．6．3圖片分類
7．7本章小結(jié)
第8章人工智能倫理
8．1人工智能倫理與問題
8．1．1算法偏見與公平性問題
8．1．2數(shù)據(jù)隱私保護
8．1．3人工智能的可解釋性
8．1．4人工智能決策的透明性
8．2人工智能對社會、經(jīng)濟與就業(yè)的影響
8．2．1產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與勞動力市場變革
8．2．2人工智能時代的職業(yè)發(fā)展與技能需求
8．2．3社會治理與法律監(jiān)管
8．3本章小結(jié)
參考文獻
書單推薦
