本书为一部面向高等学校非计算机专业的人工智能通识教材，旨在系统讲授人工智能基础知识与核心应用技能。随着人工智能技术在社会各领域的深度融合，各学科专业学生亟需掌握相关技术，以应对未来职业发展的新需求。本书从基础理论到实践应用，再到伦理反思，构建了完整的人工智能通识课程知识体系，帮助非计算机专业学生轻松入门并灵活运用人工智能技术。全书分为8章，涵盖基础理论、技术框架、场景应用、伦理反思等内容，并配有丰富的跨学科案例和实践项目。

本书适用于高等学校各学科专业学生、高职院校师生、成人教育学习者及对人工智能感兴趣的从业者，可作为通识课程教材或自学参考资料，助力读者在人工智能时代提升竞争力，开拓跨学科发展路径。

前辅文
第1章 人工智能概述
  1.1 人工智能的定义
   1.1.1 人工智能的基本概念
   1.1.2 人工智能的主要分类
   1.1.3 人工智能的广泛应用实例
  1.2 人工智能发展历程
   1.2.1 萌芽与奠基(1940s—1950s)
   1.2.2 黄金期与第一次AI寒冬（1960s—1970s）
   1.2.3 复兴与专家系统时代（1980s）
   1.2.4 机器学习崛起与第二次复兴（1990s—2000s）
   1.2.5 深度学习爆发与AI普及（2010s至今）
   1.2.6 人工智能发展历程与未来展望
  1.3 人工智能在社会发展中的作用
   1.3.1 人工智能在经济发展中的作用
   1.3.2 人工智能在文史领域的贡献
   1.3.3 人工智能在教育领域的变革
   1.3.4 人工智能在交通领域的创新
   1.3.5 人工智能在社会治理中的应用
  1.4 人工智能的现状与未来趋势
   1.4.1 人工智能的现状
   1.4.2 人工智能的未来趋势
  1.5 思考练习
第2章 Python程序设计基础
  2.1 Python语言简介与编程环境搭建
   2.1.1 Python语言简介
   2.1.2 Python编程环境搭建
  2.2 输入、输出语句
   2.2.1 输出语句print()
   2.2.2 输入语句input()
   2.2.3 格式化输出
   2.2.4 变量
  2.3 基本数据类型与运算符
   2.3.1 数字类型
   2.3.2 运算符
   2.3.3 字符串
   2.3.4 组合数据类型
  2.4 程序控制结构
   2.4.1 分支结构
   2.4.2 循环结构
   2.4.3 break和continue语句
   2.4.4 循环的else子句
  2.5 函数与模块
   2.5.1 函数的定义和调用
   2.5.2 函数的参数传递
   2.5.3 函数的返回值
   2.5.4 模块化编程
  2.6 文件操作与异常处理
   2.6.1 文件操作
   2.6.2 异常处理
  2.7 第三方库的使用
   2.7.1 Pandas库
   2.7.2 Matplotlib库
  2.8 思考练习
第3章 人工智能主要技术
  3.1 机器学习概述
   3.1.1 机器学习的定义
   3.1.2 机器学习的范围
   3.1.3 机器学习的类型
  3.2 机器学习实践
   3.2.1 机器学习的开发流程
   3.2.2 机器学习库Scikit-learn
   3.2.3 基本建模流程
   3.2.4 数据预处理
   3.2.5 监督学习算法应用
   3.2.6 无监督学习算法应用
   3.2.7 评价指标
   3.2.8 交叉验证及超参数调优
  3.3 机器学习案例
  3.4 深度学习概述
   3.4.1 深度学习的核心定义与特征
   3.4.2 深度学习的起源与发展历程
   3.4.3 深度学习的地位与作用
  3.5 神经网络基础
   3.5.1 标准神经网络
   3.5.2 卷积神经网络
   3.5.3 递归神经网络
   3.5.4 Transformer
  3.6 深度学习的工作流程
   3.6.1 数据准备
   3.6.2 模型构建和训练
   3.6.3 模型评估与优化
   3.6.4 模型部署与应用
  3.7 深度学习框架及应用
   3.7.1 主流深度学习框架
   3.7.2 深度学习框架的基本使用方法——以PyTorch为例
  3.8 思考练习
第4章 大语言模型
  4.1 大语言模型概述
   4.1.1 大语言模型的概念及特点
   4.1.2 大语言模型的工作原理
   4.1.3 大语言模型的挑战与发展趋势
  4.2 当前主流大语言模型介绍
  4.3 提示词工程
   4.3.1 提示词设计原则
   4.3.2 提示词的核心要素
   4.3.3 结构化提示词框架
  4.4 大语言模型应用实例
   4.4.1 基于大语言模型的智能客服
   4.4.2 基于大语言模型的AI助教
   4.4.3 基于大语言模型的科研辅助系统
  4.5 思考练习
第5章 智能高效办公
  5.1 文档智能处理
   5.1.1 文档智能阅读
   5.1.2 文档生成
   5.1.3 文档内容处理
   5.1.4 AI图式生成
   5.1.5 会议纪要
   5.1.6 智能文档排版
  5.2 数据智能处理与分析
   5.2.1 数据获取
   5.2.2 AI大语言模型数据处理及分析
   5.2.3 WPS AI数据处理与分析
   5.2.4 图表可视化
  5.3 AI演示文稿制作
   5.3.1 AI演示文稿制作工具
   5.3.2 AI制作演示文稿
   5.3.3 WPS AI制作演示文稿
  5.4 思考练习
第6章 AI图像艺术创作
  6.1 数字图像基础
   6.1.1 图像的基本概念
   6.1.2 图像的色彩模式
  6.2 图像生成原理
   6.2.1 图像生成模型简介
   6.2.2 豆包图像生成（超能创意1.0）
   6.2.3 即梦图像生成
  6.3 AI文生图插画设计（提示词工程）
  6.4 AI图像生成案例
   6.4.1 AI在摄影中的应用
   6.4.2 AI头像和手办设计
   6.4.3 AI海报设计
   6.4.4 AI LOGO设计
   6.4.5 人物IP设计
  6.5 思考练习
第7章 AI视听艺术创作
  7.1 视频基础
   7.1.1 视频相关概念
   7.1.2 视频文件格式
  7.2 AI视频创作
   7.2.1 文本生成视频
   7.2.2 图片生成视频
   7.2.3 使用“数字人”功能制作定制人物祝福视频
   7.2.4 使用首尾帧功能制作山海经凤凰变身视频
   7.2.5 使用“故事创作”功能制作熊猫做饭视频
  7.3 AI视频剪辑——以剪映为例
   7.3.1 剪辑界面
   7.3.2 基本操作
   7.3.3 蒙版和关键帧
   7.3.4 色度抠图
   7.3.5 制作数字人视频
   7.3.6 智能剪辑
   7.3.7 制作片头片尾
  7.4 音频基础知识
   7.4.1 音频相关概念
   7.4.2 音频文件格式
  7.5 AI音频创作
   7.5.1 文本转音频
   7.5.2 音频转文本
   7.5.3 AI音乐创作
  7.6 综合案例——制作历史人物解说视频
  7.7 思考练习
第8章 人工智能安全与伦理
  8.1 人工智能安全与伦理概述
   8.1.1 人工智能安全
   8.1.2 人工智能伦理
   8.1.3 人工智能安全与伦理的关系
  8.2 人工智能安全问题
   8.2.1 数据安全
   8.2.2 模型安全
   8.2.3 系统安全
   8.2.4 跨界交互安全
  8.3 人工智能伦理问题
   8.3.1 算法偏见与公平性
   8.3.2 隐私与监控
   8.3.3 就业与经济影响
   8.3.4 伦理问题的深层本质
  8.4 人工智能的法律与社会规范
   8.4.1 法律体系
   8.4.2 社会规范
   8.4.3 治理机制
  8.5 思考练习
参考文献