本书以“积木式学习”为核心，旨在通过模块化、可视化的方式，让读者轻松掌握人工智能的核心技术与应用。本书以BAIPLE积木编程语言和Python编程语言双平台为载体，将复杂的AI知识拆解为可组合的“智能积木”，从编程基础到机器学习、深度学习，再到计算机视觉、自然语言处理等前沿领域，循序渐进地引导读者构建完整的AI认知体系。

书中不仅涵盖技术原理，还通过手写数字识别、斑马线检测、情感分析等生动案例，展示AI如何赋能现实场景。同时，本书融入生成式AI（AIGC）和伦理思考，帮助读者在技术探索中培养人文视野。无论是零基础学习者还是专业开发者，都能通过本书在“玩转积木”的过程中激发创新潜能，迎接人机共生的智能时代。

本书适合作为高等学校非计算机专业的人工智能通识课程教材，也可作为相关技术人员的入门读物。

前辅文
第1章 绪论
  1.1 计算机概述
   1.1.1 计算机的发展
   1.1.2 计算机系统组成及功能
   1.1.3 信息的表示
  1.2 人工智能的概念
   1.2.1 智能的概念
   1.2.2 智能的特征
   1.2.3 人工智能
  1.3 人工智能的发展简史
   1.3.1 孕育期（1956年以前）
   1.3.2 形成期（1956—1970年）
   1.3.3 发展（1970年至今）
   1.3.4 国内发展历程
   1.3.5 三大驱动要素
  1.4 人工智能的基本内容
   1.4.1 知识表示
   1.4.2 机器感知
   1.4.3 机器思维
   1.4.4 机器学习
   1.4.5 机器行为
  1.5 人工智能的主要研究领域
   1.5.1 深度学习
   1.5.2 自然语言处理
   1.5.3 计算机视觉
   1.5.4 智能机器人
   1.5.5 自动程序设计
   1.5.6 数据挖掘与知识图谱
  1.6 本章小结
  1.7 本章习题
第2章 BAIPLE编程基础
  2.1 积木式编程
   2.1.1 Google Blockly
   2.1.2 Viple
   2.1.3 Scratch
   2.1.4 NXT&EV3
   2.1.5 BAIPLE
  2.2 BAIPLE开发环境
   2.2.1 环境准备
   2.2.2 认识BAIPLE主界面
   2.2.3 开发第一个BAIPLE
  2.3 基本活动
   2.3.1 数据
   2.3.2 变量
   2.3.3 运算
   2.3.4 输入与输出
   2.3.5 三大基本结构
   2.3.6 函数
  2.4 Python及Python库的安装
   2.4.1 Python发展史
   2.4.2 Python的安装
   2.4.3 常用Python库
  2.5 本章小结
  2.6 本章习题
  2.7 本章实验
第3章 机器学习
  3.1 概述
   3.1.1 机器学习的基本概念
   3.1.2 机器学习的基本原理和流程
   3.1.3 BAIPLE环境中的流程封装
  3.2 机器学习的评估指标
   3.2.1 分类任务指标
   3.2.2 回归任务指标
   3.2.3 聚类任务指标
  3.3 常用算法原理及应用场景
   3.3.1 聚类算法
   3.3.2 主成分分析
   3.3.3 线性回归算法
   3.3.4 逻辑回归算法
   3.3.5 决策树算法
  3.4 本章小结
  3.5 本章习题
  3.6 本章实验
第4章 人工神经网络与深度学习
  4.1 人工神经元与人工神经网络
   4.1.1 生物神经元结构
   4.1.2 人工神经元数学模型
   4.1.3 人工神经网络的结构
   4.1.4 人工神经网络的工作方式
  4.2 BP神经网络及其学习算法
   4.2.1 BP神经网络的结构
   4.2.2 BP学习算法
   4.2.3 BP神经网络的应用——手写数字识别
  4.3 深度学习
   4.3.1 深度学习的原理
   4.3.2 深度学习的核心要素
   4.3.3 深度学习的应用
  4.4 卷积神经网络
   4.4.1 卷积神经网络起源与发展
   4.4.2 卷积神经网络的基本结构
   4.4.3 卷积神经网络的应用——猫狗识别
  4.5 循环神经网络
   4.5.1 循环神经网络简介
   4.5.2 循环神经网络的结构
   4.5.3 常用的循环神经网络及应用
  4.6 生成对抗网络
   4.6.1 生成对抗网络简介
   4.6.2 生成对抗网络的结构
   4.6.3 生成对抗网络的应用
  4.7 本章小结
  4.8 本章习题
  4.9 本章实验
第5章 计算机视觉及其应用
  5.1 计算机视觉基础与自动驾驶应用
   5.1.1 计算机视觉的基本概念
   5.1.2 计算机视觉的应用
  5.2 斑马线识别数据集构建
   5.2.1 数字图像基础
   5.2.2 数据采集与标注
  5.3 图像处理与目标检测
   5.3.1 空间域滤波与噪声抑制
   5.3.2 图像增强
   5.3.3 图像分类
   5.3.4 目标检测与图像分割
  5.4 卷积神经网络实现斑马线检测
  5.5 本章小结
  5.6 本章习题
  5.7 本章实验
第6章 自然语言处理
  6.1 自然语言处理的概念与应用
   6.1.1 现代语言学基础
   6.1.2 自然语言处理及其发展历史
   6.1.3 自然语言处理的应用
  6.2 文本处理
   6.2.1 文本预处理
   6.2.2 文本表示
   6.2.3 文本分类与聚类
   6.2.4 语义分析
   6.2.5 情感分析
   6.2.6 大语言模型
  6.3 语音识别与合成
   6.3.1 语音特征提取
   6.3.2 语音识别
   6.3.3 语音合成
   6.3.4 应用前景
  6.4 本章小结
  6.5 本章习题
  6.6 本章实验
第7章 AIGC
  7.1 AIGC概述
  7.2 AIGC产品及使用方法
   7.2.1 AIGC产品
   7.2.2 AIGC使用方法
   7.2.3 提示词和提示工程
  7.3 AIGC产品应用
   7.3.1 文档写作
   7.3.2 图像生成
   7.3.3 音乐、视频以及多模态生成
   7.3.4 演示文稿生成
   7.3.5 电子表格及数据分析
   7.3.6 代码生成
  7.4 本章小结
  7.5 本章习题
  7.6 本章实验
第8章 人工智能伦理与安全
  8.1 计算机安全
   8.1.1 传统计算机安全体系
   8.1.2 AI安全新范式
   8.1.3 大学生与网络安全
  8.2 人工智能伦理原则
  8.3 人工智能伦理问题与法律教育
   8.3.1 隐私与安全性问题
   8.3.2 责任归属问题
   8.3.3 知识产权问题
  8.4 人工智能伦理治理
   8.4.1 国内人工智能伦理规范
   8.4.2 国际合作治理
  8.5 人工智能发展与挑战
   8.5.1 人工智能对社会的影响
   8.5.2 未来展望
  8.6 本章小结
  8.7 本章习题
  8.8 本章实验