本书全面介绍了人工智能基础理论、核心和前沿技术及其实际应用，并结合实际案例，展示了人工智能如何深刻改变各行各业。全书共分为13章，第1章是人工智能概述，介绍了人工智能的概念、发展历程和应用领域，帮助读者建立起对人工智能的大概认识；第2～6章介绍了人工智能的理论基础及算法，包括机器学习、深度学习与人工神经网络、自然语言处理、感知与计算机视觉、大模型；第7～12章介绍了人工智能的应用，首先介绍人工智能在文本、图像、音频和视频等多种模态中，实现内容生成的相关应用，然后介绍人工智能在教育、交通、制造、建筑、商业等领域的应用；第13章介绍了人工智能的伦理与安全。本书既有人工智能的基础理论和算法，又有人工智能的典型应用，案例丰富，适合作为高等院校非计算机专业的通识课程教材，也可作为相关技术人员的入门读物。

本书配套有教学大纲、教案、习题解答、授课课件以及相应的源代码，以方便授课教师使用。

前辅文
第1章 人工智能概述
  1.1 人工智能的发展历程
  1.2 人工智能的主要类别
   1.2.1 人工智能的主流学派
   1.2.2 人工智能的分类
   1.2.3 人工智能的核心要素
  1.3 人工智能的应用
  1.4 人工智能的发展前景
   1.4.1 人工智能的机遇与挑战
   1.4.2 人工智能未来研究方向
   1.4.3 我国在人工智能领域的发展
  1.5 本章小结
  思考与练习
第2章 机器学习
  2.1 机器学习概述
   2.1.1 定义和相关概念
   2.1.2 数据集构建
   2.1.3 模型训练
   2.1.4 评价指标
  2.2 监督学习
   2.2.1 线性回归
   2.2.2 逻辑回归
   2.2.3 决策树与随机森林
   2.2.4 支持向量机
  2.3 无监督学习
   2.3.1 聚类分析
   2.3.2 主成分分析
  2.4 强化学习
   2.4.1 基本概念与流程
   2.4.2 典型应用
  2.5 本章小结
  思考与练习
第3章 深度学习与人工神经网络
  3.1 人工神经网络基础概念
   3.1.1 神经网络的发展历程
   3.1.2 神经元
   3.1.3 感知机
   3.1.4 激活函数
  3.2 前馈神经网络
   3.2.1 前馈神经网络的结构
   3.2.2 参数优化
   3.2.3 前向传播与反向传播
   3.2.4 前馈神经网络案例
  3.3 循环神经网络
   3.3.1 循环神经网络的原理
   3.3.2 长短期记忆网络
   3.3.3 门控循环单元
   3.3.4 循环神经网络实践案例
  3.4 卷积神经网络
   3.4.1 卷积操作
   3.4.2 池化操作
   3.4.3 卷积神经网络
  3.5 本章小结
  思考与练习
第4章 自然语言处理
  4.1 自然语言处理概述
  4.2 文本预处理
   4.2.1 词汇分割
   4.2.2 词向量表示
  4.3 语言模型
   4.3.1 N-gram模型
   4.3.2 Seq2Seq模型
   4.3.3 注意力机制
   4.3.4 Transformer语言模型
   4.3.5 BERT和预训练模型
  4.4 典型任务与技术
   4.4.1 机器翻译
   4.4.2 关系抽取
   4.4.3 问答系统
   4.4.4 情感分析
  4.5 数据集和评估指标
   4.5.1 常用数据集
   4.5.2 常用评价指标
  4.6 本章小结
  思考与练习
第5章 感知与计算机视觉
  5.1 计算机视觉概述
   5.1.1 什么是计算机视觉
   5.1.2 计算机视觉的发展
   5.1.3 计算机视觉与OpenCV
  5.2 图像处理基础
   5.2.1 数字图像
   5.2.2 数字图像处理
   5.2.3 图像的特征
  5.3 计算机视觉的研究任务
   5.3.1 图像分类
   5.3.2 目标检测
   5.3.3 图像分割
   5.3.4 目标跟踪
   5.3.5 其他计算机视觉任务
  5.4 计算机视觉的典型应用
   5.4.1 人脸识别
   5.4.2 自动驾驶
   5.4.3 医疗诊断
   5.4.4 安全监控
   5.4.5 工业检测
   5.4.6 其他应用
   5.4.7 计算机视觉目前的局限性
   5.4.8 计算机视觉未来发展
  5.5 语音识别
   5.5.1 语音识别技术的发展
   5.5.2 语音识别的过程
   5.5.3 语音识别的应用
   5.5.4 语音识别限制
   5.5.5 语音识别未来的发展
  5.6 本章小结
  思考与练习
第6章 大模型——人工智能的新引擎
  6.1 大模型概述
   6.1.1 大模型的发展历程
   6.1.2 大模型服务平台
   6.1.3 大模型及其产品
   6.1.4 大模型特点
   6.1.5 大模型分类
   6.1.6 大模型对工作和生活的影响
  6.2 大模型的技术基础
   6.2.1 大数据与计算能力
   6.2.2 Transformer架构与预训练模型
  6.3 大模型Agent和RAG
   6.3.1 Agent
   6.3.2 RAG
  6.4 大模型的应用
   6.4.1 大模型应用领域
   6.4.2 大模型本地部署
  6.5 提示工程
   6.5.1 提示词和提示工程
   6.5.2 提示词关键要素
   6.5.3 提示词设计原则和技巧
   6.5.4 提示词结构框架
  6.6 大模型的挑战与未来发展
   6.6.1 面临的挑战
   6.6.2 未来发展方向
  6.7 本章小结
  思考与练习
第7章 人工智能生成内容AIGC
  7.1 AIGC简介
   7.1.1 什么是AIGC
   7.1.2 AIGC的发展历史
   7.1.3 AIGC与大模型的关系
   7.1.4 AIGC的工作流程
  7.2 文本生成
   7.2.1 文本生成应用
   7.2.2 文本生成案例
  7.3 图像生成
   7.3.1 图像生成应用
   7.3.2 图像生成案例
  7.4 音频生成
   7.4.1 音频生成应用
   7.4.2 音频生成案例
  7.5 视频生成
   7.5.1 视频生成应用
   7.5.2 视频生成案例
  7.6 多模态生成
  7.7 AIGC未来展望
   7.7.1 技术发展趋势
   7.7.2 应用场景拓展
   7.7.3 面临的挑战与应对策略
  7.8 本章小结
  思考与练习
第8章 AI+教育
  8.1 智能教育概述
   8.1.1 智能教育的发展
   8.1.2 人工智能对教育的影响
  8.2 智能教育典型案例
   8.2.1 VR虚拟课堂
   8.2.2 AR实训课堂
   8.2.3 智能问答系统
  8.3 AI办公
   8.3.1 WPS AI文字应用
   8.3.2 WPS AI表格应用
   8.3.3 WPS AI演示应用
   8.3.4 WPS灵犀
  8.4 未来发展与潜在问题
  8.5 本章小结
  思考与练习
第9章 AI+交通
  9.1 智能交通概述
   9.1.1 智能交通的发展
   9.1.2 智能交通系统
   9.1.3 智能交通的应用
  9.2 自动驾驶技术
   9.2.1 自动驾驶技术的发展
   9.2.2 自动驾驶汽车标准
   9.2.3 自动驾驶系统组成及核心技术
  9.3 车牌识别技术
   9.3.1 车牌识别技术的发展
   9.3.2 车牌识别的流程
   9.3.3 车牌识别的应用场景
  9.4 智能交通的未来发展与潜在问题
   9.4.1 智能交通的未来发展展望
   9.4.2 智能交通的潜在问题与挑战
  9.5 本章小结
  思考与练习
第10章 AI+制造
  10.1 智能制造概述
  10.2 智能工厂
   10.2.1 智能工厂的特点
   10.2.2 智能工厂的组成
   10.2.3 智能工厂的应用
   10.2.4 智能工厂的未来
  10.3 工业机器人
   10.3.1 机器人
   10.3.2 工业机器人
   10.3.3 工业智能检测与分拣
  10.4 未来发展及面临的挑战
   10.4.1 智能制造的未来发展
   10.4.2 智能制造面临的挑战
  10.5 本章小结
  思考与练习
第11章 AI+建筑
  11.1 智能建筑概述
   11.1.1 人工智能在建筑领域的应用
   11.1.2 智能建筑的发展
   11.1.3 智能建筑的组成
  11.2 BIM
   11.2.1 BIM的核心特点
   11.2.2 BIM在建筑全生命周期的应用
   11.2.3 BIM的优势
   11.2.4 BIM应用案例——北京大兴机场
  11.3 智能安防
   11.3.1 智能安防中的人工智能技术应用
   11.3.2 智能安防的应用场景
   11.3.3 智能安防的优势
   11.3.4 智能安防应用案例——上海陆家嘴国际金融区智能安防
  11.4 智慧能源
   11.4.1 智慧能源中的人工智能技术应用
   11.4.2 智慧能源的应用场景
   11.4.3 智慧能源的优势
   11.4.4 智慧能源应用案例
  11.5 未来发展及面临的挑战
   11.5.1 智能建筑未来发展的主要趋势
   11.5.2 智能建筑面临的挑战
  11.6 本章小结
  思考与练习
第12章 AI+商业
  12.1 智慧商业概述
   12.1.1 智慧商业的发展阶段
   12.1.2 智慧商业的核心技术
   12.1.3 智慧商业典型应用场景
  12.2 个性化推荐
   12.2.1 个性化推荐系统中的核心技术
   12.2.2 个性化推荐的优势
   12.2.3 个性化推荐的应用场景
   12.2.4 个性化推荐应用案例
  12.3 智慧物流和智慧仓储
   12.3.1 智慧物流和智慧仓储的核心技术
   12.3.2 智慧物流和智能仓储应用场景
   12.3.3 智慧物流和智能仓储优势
   12.3.4 智慧物流的整体架构
   12.3.5 AGV小车
   12.3.6 智慧物流和智慧仓储应用实例——京东智慧物流
  12.4 未来发展及面临的挑战
  12.5 本章小结
  思考与练习
第13章 人工智能的伦理与安全
  13.1 人工智能伦理的典型案例
  13.2 人工智能伦理与法律考量
   13.2.1 人工智能伦理
   13.2.2 人工智能法律框架与政策
  13.3 人工智能伦理的治理措施
  13.4 本章小结
  思考与练习
参考文献