本书聚焦人工智能的核心概念与发展脉络，构建完整知识地图。本书共包含8章，第1～3章系统阐述人工智能的定义、分类和研究范式，详解机器学习、深度学习等关键技术原理；第4章重点介绍了人工智能技术中数据的处理和应用；第5～7章则介绍了计算机视觉、自然语言处理、智能机器人等前沿应用；第8章重点探讨人工智能伦理并展望了人工智能技术未来的发展趋势。

本书配套资源丰富，包括国家级一流课程“人工智能基础”（课程负责人：张广渊，课程平台：智慧树）、PPT、习题等，读者可通过作者邮箱（xdzhanggy@163.com）或高等教育出版社新形态教材网获取。

本书既可作为高等院校非计算机专业的人工智能通识课程教材，也可作为计算机类相关专业的人工智能引论课程教材。

前辅文
第1章 人工智能概述
  【案例导入】学习人工智能：从围棋到改变世界的钥匙
  1.1 人工智能的基本概念
   1.1.1 人脑智能与智能的定义
   1.1.2 人工智能概念的探讨与定义
   1.1.3 人工智能的分类
   1.1.4 人工智能中的“奇点”
   1.1.5 人工智能的现状与展望
  1.2 人工智能的发展历史
   1.2.1 人工智能的早期起源与理论奠基
   1.2.2 人工智能的正式确立与第一阶段
   1.2.3 第二阶段：繁荣与低谷
   1.2.4 第三阶段：复苏与爆发
  1.3 人工智能的研究范式
   1.3.1 符号主义：逻辑推理的基石
   1.3.2 联结主义：神经网络的崛起
   1.3.3 行为主义：智能的进化之路
   1.3.4 三大范式的对比与融合
   1.3.5 未来展望：从飞行器类比到AI新道路
  1.4 人工智能的应用领域
  1.5 人工智能的发展趋势
  1.6 小结
第2章 机器学习入门
  【案例导入】机器学习：从支付宝芝麻信用到数字生活新引擎
  2.1 分类的概念
  2.2 向量的基本运算
  2.3 分类器
  2.4 分类识别技术
   2.4.1 感知机
   2.4.2 梯度下降法和SVM
   2.4.3 测试
   2.4.4 分类实现
   2.4.5 多分类识别
  2.5 回归
   2.5.1 回归的概念
   2.5.2 线性回归
  2.6 聚类
   2.6.1 聚类的概念
   2.6.2 K均值聚类算法
   2.6.3 层次聚类算法
   2.6.4 相似度计算
  2.7 机器学习算法介绍
   2.7.1 机器学习的类别
   2.7.2 变量之间的关系
   2.7.3 逻辑回归
  2.8 强化学习
   2.8.1 强化学习的概念和特点
   2.8.2 强化学习的基础原理
   2.8.3 强化学习的典型应用场景
   2.8.4 典型强化学习算法
  2.9 小结
第3章 神经网络与深度学习
  【案例导入】深度学习：从抖音“爆款推荐”到解码注意力密码
  3.1 生物神经网络
  3.2 人工神经网络介绍
  3.3 人工神经网络的发展历史
  3.4 多层感知机
   3.4.1 逻辑运算
   3.4.2 多层感知机模型
  3.5 多层神经网络
   3.5.1 多层神经网络
   3.5.2 反向传播算法
  3.6 深度学习入门
   3.6.1 深度学习基本概念
   3.6.2 深度学习常用模型
   3.6.3 深度学习的特点
  3.7 生成式人工智能
   3.7.1 生成式人工智能概述
   3.7.2 ChatGPT
   3.7.3 DeepSeek
   3.7.4 大模型时代的应对与挑战
  3.8 小结
第4章 数据处理技术
  【案例导入】数据处理：从滴滴“城市大脑”到重构出行效率
  4.1 数据处理的概念与背景
   4.1.1 数据处理的概念
   4.1.2 数据处理的背景
  4.2 数据处理技术基础
   4.2.1 数据采集
   4.2.2 外部数据文件读取
   4.2.3 数据清洗
   4.2.4 数据集成
   4.2.5 数据转换
   4.2.6 数据规约
   4.2.7 数据可视化
  4.3 大数据处理
   4.3.1 大数据的定义和特征
   4.3.2 大数据处理流程
   4.3.3 大数据关键技术
   4.3.4 大数据计算模式
   4.3.5 大数据的应用
  4.4 数据分析基础
   4.4.1 数据分布性分析
   4.4.2 数据相关性分析
   4.4.3 数据主成分分析
  4.5 小结
第5章 图像信息处理与计算机视觉
  【案例导入】图像信息处理与计算机视觉：从抖音“AI特效”到解码视觉狂欢
  5.1 图像采集及处理发展历史
   5.1.1 成像原理
   5.1.2 图像采集发展历史
  5.2 图像信息处理的基本概念
   5.2.1 图像信息处理的分类
   5.2.2 图像的分类
   5.2.3 图像的数字化
  5.3 数字图像处理
   5.3.1 图像的基本运算
   5.3.2 图像增强
   5.3.3 图像分割
   5.3.4 图像压缩
  5.4 数字图像分析
   5.4.1 梯度
   5.4.2 梯度直方图
   5.4.3 HOG特征
   5.4.4 SIFT特征
  5.5 视频分析
   5.5.1 视频的概念
   5.5.2 运动检测
  5.6 计算机视觉
  5.7 卷积神经网络
   5.7.1 卷积
   5.7.2 卷积层
   5.7.3 池化层
   5.7.4 AlexNet
  5.8 小结
第6章 自然语言处理
  【案例导入】自然语言处理：从支付宝“智能客服”到重构对话革命
  6.1 自然语言处理基本概念及发展
  6.2 自然语言处理典型应用
  6.3 自然语言处理基本技术
   6.3.1 词汇分析
   6.3.2 句法分析
   6.3.3 语用分析
  6.4 自然语言特征提取
   6.4.1 词袋模型
   6.4.2 N-Gram模型
   6.4.3 Word2Vec模型
   6.4.4 循环神经网络
   6.4.5 Transformer模型
   6.4.6 BERT模型
  6.5 自然语言处理应用举例
   6.5.1 情感分析
   6.5.2 自动摘要
  6.6 小结
第7章 智能机器人
  【案例导入】智能机器人：从京东智能仓储到重构物流自动化
  7.1 机器人的定义
   7.1.1 机器人的定义
   7.1.2 机器人三定律
  7.2 机器人发展历程
   7.2.1 古代机器人
   7.2.2 现代机器人
  7.3 机器人关键技术
   7.3.1 运动系统
   7.3.2 感知系统
   7.3.3 导航与路径规划
  7.4 机器人应用
   7.4.1 工业机器人
   7.4.2 服务机器人
   7.4.3 特种机器人
  7.5 小结
第8章 人工智能伦理与未来
  【案例导入】人工智能伦理与未来：从杭州“人脸识别第一案”到重构技术文明的边界
  8.1 人工智能伦理
   8.1.1 人工智能伦理的概念
   8.1.2 人工智能伦理典型问题
   8.1.3 人工智能在不同领域的伦理挑战
  8.2 人工智能相关的法律法规
   8.2.1 欧盟的人工智能伦理治理
   8.2.2 美国的人工智能伦理治理
   8.2.3 中国的人工智能伦理治理
  8.3 人工智能未来展望
   8.3.1 人工智能技术的发展趋势
   8.3.2 人工智能应用的发展趋势
   8.3.3 人工智能对社会的影响
  8.4 小结
参考文献