本书是人工智能通识课程教材，旨在构建系统化的知识框架并激发学生的学习兴趣。全书共分8章，从基础理论到前沿热点层层递进，逐步展开：第1章从基本概念、发展历程及未来趋势入手，帮助读者建立对人工智能的整体认知；第2、第3章深入核心技术领域，详细解析机器学习的理论基础与深度学习的突破性进展；第4、第5章聚焦计算机视觉和自然语言处理两大应用领域，系统展现人工智能感知与理解世界的能力；第6章紧跟科技前沿，探讨生成式AI的变革潜力；第7章探索具身智能前沿方向，揭示智能体与环境交互的最新进展；第8章回归人文关怀，深入探讨AI与社会伦理，引导读者思考技术发展与社会价值的平衡。

本书兼顾技术深度与广度，既涵盖经典理论又囊括前沿进展，为初学者提供了全面且与时俱进的学习路径。

本书可作为普通高校各专业人工智能通识课教材，也可作为人工智能的科普读物供广大读者自学或参考。

前辅文
第1章 从梦想到现实：AI发展简史
  1.1 初识人工智能
   1.1.1 人工智能起源和定义
   1.1.2 人工智能分类
  1.2 人工智能发展历史
   1.2.1 人工智能的发展历史
   1.2.2 人工智能崛起的三大基石
   1.2.3 人工智能发展趋势
  1.3 人工智能关键技术及典型应用
   1.3.1 人工智能关键技术
   1.3.2 人工智能典型应用
  1.4 人工智能的意义及挑战
   1.4.1 发展人工智能的战略意义
   1.4.2 人工智能的挑战
  1.5 本章小结
  习题1
第2章 让机器思考：机器学习的萌芽
  2.1 初识机器学习
   2.1.1 什么是机器学习
   2.1.2 机器学习的分类
   2.1.3 数据与特征
   2.1.4 机器学习的流程
  2.2 聚类
   2.2.1 什么是聚类
   2.2.2 k均值聚类
  2.3 分类
   2.3.1 决策树
   2.3.2 随机森林
   2.3.3 朴素贝叶斯
   2.3.4 分类模型评估
  2.4 回归
   2.4.1 数据的相关性
   2.4.2 线性回归
   2.4.3 逻辑回归
   2.4.4 回归模型的评估
  2.5 本章小结
  习题2
第3章 智能的觉醒：深度学习改变世界
  3.1 人工神经网络
   3.1.1 神经元
   3.1.2 BP神经网络与反向传播
   3.1.3 应用案例：MNIST手写体识别
  3.2 卷积神经网络
   3.2.1 CNN结构与工作原理
   3.2.2 应用案例：花卉分类
  3.3 循环神经网络
   3.3.1 RNN结构与工作原理
   3.3.2 应用案例：降雨径流预测
  3.4 图卷积神经网络
   3.4.1 GCNN结构与工作原理
   3.4.2 应用案例：图节点分类
  3.5 Transformer算法模型
   3.5.1 Transformer结构与工作原理
   3.5.2 应用案例：机器翻译的实现
  3.6 本章小结
  习题3
第4章 让机器看懂世界：计算机视觉
  4.1 计算机视觉概述
   4.1.1 从生物视觉到机器感知
   4.1.2 计算机的视觉密码
  4.2 计算机视觉技术
   4.2.1 目标检测与分类
   4.2.2 图像分割
   4.2.3 目标跟踪
   4.2.4 目标跟踪的应用场景
   4.2.5 视觉多模态
  4.3 案例应用：目标跟踪
   4.3.1 智能手机的“人脸守卫”
   4.3.2 城市交通的“流动哨兵”
  4.4 本章小结
  习题4
第5章 让机器读懂世界：自然语言处理
  5.1 自然语言处理概述
   5.1.1 自然语言处理的定义与核心任务
   5.1.2 自然语言处理的发展历程
   5.1.3 自然语言处理典型应用场景
   5.1.4 自然语言处理的发展与展望
  5.2 自然语言处理技术
   5.2.1 文本预处理：数据的“清洗与整理”
   5.2.2 词向量：语言的数学表示
   5.2.3 语言模型：预测与生成的基石
   5.2.4 语法和句法分析：理解语言的深层结构
   5.2.5 语义分析：理解文本的深层次含义
   5.2.6 语言生成：使计算机能够生成自然语言文本
  5.3 案例应用：古诗词情感分析
  5.4 本章小结
  习题5
第6章 创造的革命：生成式AI重塑未来
  6.1 AIGC概述
   6.1.1 AIGC的定义与发展历程
   6.1.2 AIGC的应用领域
  6.2 AIGC基本原理
   6.2.1 生成式模型
   6.2.2 训练成本与token
  6.3 提示工程
   6.3.1 提示工程本质
   6.3.2 提示工程的关键要素
   6.3.3 提示工程的技巧与优化
  6.4 检索增强生成
   6.4.1 什么是检索增强生成
   6.4.2 检索增强生成的工作机制
   6.4.3 图数据库在检索增强生成中的应用
  6.5 AI智能体
   6.5.1 认识智能体
   6.5.2 智能体的系统架构与关键技术
   6.5.3 智能体工作流
   6.5.4 构建专属智能体
  6.6 DeepSeek：生成式AI的智慧向导
   6.6.1 从中国出发的AI探索者
   6.6.2 技术架构：智能推理引擎
   6.6.3 全能实践：多维度能力与跨领域赋能
   6.6.4 DeepSeek本地部署与知识库搭建
  6.7 本章小结
  习题6
第7章 身体与智能：具身智能新前沿
  7.1 自主机器人
   7.1.1 机器人发展简述
   7.1.2 自主机器人系统
  7.2 具身感知
   7.2.1 主动视觉感知与三维视觉定位
   7.2.2 视觉语言动作模型
   7.2.3 视觉语言导航
   7.2.4 触觉感知
  7.3 具身交互与动态决策
   7.3.1 强化学习
   7.3.2 仿真与迁移学习
   7.3.3 语义地图
   7.3.4 世界模型
  7.4 具身智能应用
   7.4.1 人形机器人
   7.4.2 自动驾驶
   7.4.3 医疗辅助
  7.5 本章小结
  习题7
第8章 挑战与治理：人工智能与社会伦理
  8.1 算法伦理与数据治理
   8.1.1 数据隐私与安全
   8.1.2 算法偏见与歧视
   8.1.3 决策透明与可解释性
  8.2 人机交互的伦理挑战
   8.2.1 人类主体性与技术依赖
   8.2.2 生成式AI的认知冲击
   8.2.3 情感计算与伦理边界
  8.3 人工智能的未来治理
   8.3.1 多方协作治理机制
   8.3.2 技术普惠与可持续发展
   8.3.3 长尾风险与动态治理框架
  8.4 本章小结
  习题8
参考文献