本书是作者多年大规模线下人工智能通识课开课经验的总结，其主要教学内容也经历了多所多层次、多类型高校的教学检验，老师易教、学生好学，能落地、好实施。本书定位于“培养用轮子的人”而不是培养“造轮子的人”，无代码、零门槛，内容新颖、通俗易懂、循序渐进、由浅入深，应用性和实践性强。

全书共8章，第1章和第2章主要帮助读者“认识”人工智能，包括人工智能发展、人工智能要素、人工智能技术特点，并通过实际操作体验、以沉浸感的方式帮助读者体验人工智能精彩纷呈而强大的能力，激发读者对于人工智能的学习热情。第3章和第4章帮助读者“应用”人工智能，特别是大语言模型、AIGC和多媒体等前沿技术的应用平台和使用方法，提高读者使用人工智能技术的技巧和能力。第5章和第6章介绍如何使用人工智能工具和平台进行“创新”，利用AI智能体和交互式人工智能开发工具，进行人工智能产品的开发和模型训练，提升读者使用人工智能工具的创新能力。第7章和第8章主要讨论“赋能”，介绍人工智能方面的学科竞赛，为学生近期发展赋能，介绍人工智能行业应用，为学生毕业后的未来发展赋能，同时介绍人工智能伦理，讲授在赋能中应该遵守的底线和原则。

本书不仅可以作为高等院校各专业人工智能通识必修课和选修课教材，也可以作为各阶段教师和对人工智能感兴趣人员的自学读物，可以帮助读者实现“人人都能学AI、人人都能用AI”的梦想。

前辅文
第1章 人工智能概论
  1.1 人工智能概念
   1.1.1 人工智能定义
   1.1.2 四次工业革命
  1.2 人工智能发展
   1.2.1 人工智能的起源：图灵测试
   1.2.2 人工智能发展阶段
   1.2.3 人工智能三大流派
   1.2.4 近年国际人工智能发展标志事件
   1.2.5 中国人工智能发展重要事件
  1.3 人工智能要素
   1.3.1 数据
   1.3.2 算法
   1.3.3 算力
  1.4 人工智能模型训练与基础设施
   1.4.1 人工智能模型训练
   1.4.2 人工智能模型评价
   1.4.3 人工智能基础设施
  1.5 人工智能技术特点与“人工智能+高等教育”
   1.5.1 人工智能技术特点
   1.5.2 人工智能在高等教育领域的应用
  本章小结
  习题
第2章 人工智能能力认知
  2.1 人工智能典型应用技术
   2.1.1 机器视觉
   2.1.2 语音处理
   2.1.3 自然语言处理
  2.2 现阶段AI能力认知
   2.2.1 图像识别
   2.2.2 图像增强与特效
   2.2.3 人脸与人体识别
   2.2.4 语音技术
   2.2.5 语言理解
   2.2.6 语言生成
   2.2.7 通用文字识别
   2.2.8 卡证文字识别
   2.2.9 交通文字识别
   2.2.10 票据文字识别
   2.2.11 其他文字识别
  2.3 人工智能前沿能力
   2.3.1 自动驾驶
   2.3.2 科学研究范式与AI for Science
   2.3.3 通用人工智能
   2.3.4 具身智能
  本章小结
  习题
第3章 大语言模型与应用
  3.1 背景介绍
  3.2 大语言模型概论
   3.2.1 语言模型的发展历程
   3.2.2 大语言模型的特点
  3.3 大语言模型的应用
   3.3.1 大语言模型相关的术语
   3.3.2 国内主流大语言模型平台
   3.3.3 大模型应用典型案例
  3.4 提示词工程
   3.4.1 提示词工程概论
   3.4.2 提示词设计的原则、要素与流程
   3.4.3 提示词设计策略
   3.4.4 提示词工程实战
  本章小结
  习题
第4章 AIGC与多媒体
  4.1 AIGC概述
   4.1.1 AIGC定义
   4.1.2 AIGC的发展历程
   4.1.3 多模态大模型
  4.2 多媒体创作
   4.2.1 AI图像生成
   4.2.2 AI视频生成
   4.2.3 AI音乐生成
   4.2.4 AIGC综合案例
  4.3 AIGC在其他领域的应用
   4.3.1 数字人生成
   4.3.2 画布
   4.3.3 代码小浣熊
   4.3.4 彩页制作
   4.3.5 3D生成
  本章小结
  习题
第5章 智能体开发与应用
  5.1 智能体概述
  5.2 智能体的技术特点与典型开发平台
   5.2.1 技术优势与特点
   5.2.2 应用前景
   5.2.3 国内常见的智能体平台
  5.3 智能体案例体验
   5.3.1 Python课程学习助手
   5.3.2 一位赏景作诗之人
  5.4 智能体零代码开发
   5.4.1 基本开发流程
   5.4.2 开发实例介绍
  本章小结
  习题
第6章 人工智能模型与开发
  6.1 人工智能模型开发方式
   6.1.1 零代码人工智能开发
   6.1.2 交互式人工智能开发
   6.1.3 低代码人工智能开发
   6.1.4 纯代码人工智能开发
  6.2 交互式图像分类模型开发
   6.2.1 图像分类处理流程
   6.2.2 基于PaddleX的图像分类模型训练
  6.3 交互式物体检测模型开发
   6.3.1 物体检测
   6.3.2 基于PaddleX的物体检测模型训练
  本章小结
  习题
第7章 人工智能赋能学生发展
  7.1 人工智能学科竞赛
   7.1.1 《全国普通高校大学生竞赛分析报告》竞赛目录
   7.1.2 人工智能专项学科竞赛
   7.1.3 综合类学科竞赛中的人工智能赛项
   7.1.4 新兴人工智能比赛
   7.1.5 创新创意类人工智能比赛准备
  7.2 AI+赋能行业应用典型案例
   7.2.1 盘古大模型
   7.2.2 数字文博大平台
  本章小结
  习题
第8章 人工智能伦理
  8.1 人工智能伦理概述
   8.1.1 人工智能伦理概述
   8.1.2 伦理、道德与法律的关系
   8.1.3 伦理困境与道德责任
   8.1.4 人工智能伦理要求
  8.2 人工智能伦理挑战
   8.2.1 人工智能数据相关的伦理挑战
   8.2.2 人工智能算法相关的伦理挑战
   8.2.3 人工智能应用相关的伦理挑战
   8.2.4 人工智能伦理风险应对
  8.3 人工智能伦理治理
   8.3.1 人工智能治理概述
   8.3.2 人工智能治理原则
   8.3.3 人工智能伦理治理政策
  本章小结
  习题
附录A 物体检测图像标注
  A.1 图像标注工具——labelImg
  A.2 使用labelImg标注物体检测数据
附录B ModelArts自动学习的图像分类
  B.1 创建桶
  B.2 创建数据集
  B.3 创建项目
  B.4 数据标注
  B.5 模型训练
  B.6 模型部署
参考文献