本书旨在深化教育教学改革、提升大学生人工智能素养。书中系统介绍人工智能的基础知识和概念，培养学生在人工智能领域的理解能力；帮助学生掌握人工智能核心思想，以及运用人工智能技术解决实际问题的能力，拓宽科学视野，激发创新意识。

全书共11章，主要内容包括计算机基础、初识人工智能、机器学习、深度学习、计算机视觉技术、智能语音识别、自然语言处理技术、智能机器人、生成式人工智能、人工智能发展趋势，并给出6个实验。

本书编写突出“学以致用”“前沿探索”和“场景广泛”的理念，除了介绍自然语言处理、计算机视觉、机器学习、神经网络与深度学习、智能机器人、主流大模型等人工智能领域的前沿内容及广泛的应用场景外，还强化农科特色场景案例，引入大模型技术赋能能力培养，形成区别于传统工科人工智能课程的差异化创新路径，强调理论与实践深度融合。

本书既可作为高等学校人工智能通识课程的教材，也可供对人工智能技术感兴趣的读者阅读。

前辅文
第1章 计算机基础
  1.1 计算机的基本定义
   1.1.1 计算机的本质
   1.1.2 计算机的形态演进
   1.1.3 计算机与人工智能的关系
  1.2 数据与编码
   1.2.1 数制系统
   1.2.2 信息编码
   1.2.3 编码的终极意义
  1.3 计算机组成原理
   1.3.1 硬件系统
   1.3.2 软件系统
   1.3.3 程序执行流程
   1.3.4 AI任务的执行逻辑与算力支撑
  1.4 计算思维
   1.4.1 计算思维的核心要素
   1.4.2 计算思维的递归性与并行性
   1.4.3 计算思维的跨学科应用
  1.5 新技术与新趋势
   1.5.1 量子计算
   1.5.2 边缘计算
   1.5.3 可解释性AI
   1.5.4 AI伦理与规范建设
  1.6 本章小结
  习题
第2章 初识人工智能
  2.1 人工智能的基本定义
   2.1.1 AI在不同视角下的定义
   2.1.2 强人工智能与弱人工智能的区别
   2.1.3 人工智能的多学科性质
   2.1.4 人工智能的核心能力
  2.2 人工智能的发展历程
   2.2.1 早期概念与哲学基础
   2.2.2 人工智能概念的确立与初步探索
   2.2.3 人工智能发展历程的阶段划分
  2.3 人工智能的三大学派
   2.3.1 符号主义：基于规则的理性推理
   2.3.2 联结主义：基于神经网络的学习与涌现
   2.3.3 行为主义：基于环境交互的学习与适应
  2.4 人工智能的研究范畴与应用领域
   2.4.1 机器学习
   2.4.2 深度学习
   2.4.3 自然语言处理
   2.4.4 计算机视觉
   2.4.5 机器人学
  2.5 本章小结
  习题
第3章 机器学习
  3.1 数据
  3.2 机器学习相关概念
  3.3 机器学习的分类
   3.3.1 按学习方式分类
   3.3.2 按输出类型分类
  3.4 机器学习的基本流程
  3.5 sklearn库简介
  3.6 监督学习及其应用
   3.6.1 线性回归预测房价
   3.6.2 用K近邻算法进行鸢尾花分类
  3.7 无监督学习及其应用
  3.8 本章小结
  习题
第4章 深度学习
  4.1 人工神经网络
   4.1.1 从生物神经元到人工神经渊
   4.1.2 感知机：神经网络雏形
   4.1.3 多层前馈网络
  4.2 神经网络的训练过程
   4.2.1 前向传播与损失函数
   4.2.2 反向传播与梯度下降
  4.3 深度学习
   4.3.1 “深度”的定义与价值
   4.3.2 发展驱动力
  4.4 常用深度学习模型
   4.4.1 卷积神经网络
   4.4.2 循环神经网络与LSTM
   4.4.3 迁移学习
  4.5 应用案例
  4.6 本章小结
  习题
第5章 计算机视觉技术
  5.1 计算机视觉的基本定义
   5.1.1 定义与本质
   5.1.2 发展历程与技术演进
  5.2 计算机视觉的任务
   5.2.1 图像分类：判断“是什么”
   5.2.2 目标检测与定位：确定“有什么”和“在哪里”
   5.2.3 语义分割：像素级的“类别划分”
   5.2.4 实例分割：区分“每个个体”
   5.2.5 目标跟踪：追踪“运动轨迹”
  5.3 计算机视觉的实现框架
   5.3.1 图像采集与预处理
   5.3.2 特征提取与表示
   5.3.3 模型训练与推理
   5.3.4 结果输出与应用落地
  5.4 计算机视觉的应用
   5.4.1 智能交通
   5.4.2 医疗健康
   5.4.3 智慧农业
  5.5 应用案例
   5.5.1 城市智能停车系统
   5.5.2 农田病虫害监测系统
  5.6 本章小结
  习题
第6章 智能语音识别
  6.1 语音识别概述
   6.1.1 语音识别的概念
   6.1.2 语音识别技术的发展历程
  6.2 智能语音的研究范畴
   6.2.1 语音识别层
   6.2.2 语言理解层
   6.2.3 语音合成层
  6.3 语音识别的基本框架
   6.3.1 传统模块化语音识别框架
   6.3.2 端到端语音识别框架
  6.4 智能语音的应用
   6.4.1 智能生活领域
   6.4.2 企业服务领域
   6.4.3 公共服务与创新场景
   6.4.4 智慧农业领域
  6.5 应用案例：智慧农业语音指令识别
   6.5.1 相关技术
   6.5.2 实现代码
  6.6 本章小结
  习题
第7章 自然语言处理技术
  7.1 自然语言处理概述
   7.1.1 自然语言处理的概念
   7.1.2 自然语言处理技术的发展历程
  7.2 自然语言处理基础
   7.2.1 文本的表示
   7.2.2 文本相似度
   7.2.3 语言模型
  7.3 自然语言处理的基础任务
   7.3.1 中文分词
   7.3.2 词性标注
   7.3.3 命名实体识别
   7.3.4 句法分析
   7.3.5 语义分析
  7.4 自然语言处理的应用场景
   7.4.1 情感分析
   7.4.2 机器翻译
   7.4.3 智能问答
   7.4.4 智能对话
   7.4.5 个性化推荐
  7.5 应用案例：基于Gensim的农产品评论情感分析
   7.5.1 实现过程
   7.5.2 实现代码
  7.6 本章小结
  习题
第8章 智能机器人
  8.1 机器人的基本定义
  8.2 机器人的发展历史
  8.3 机器人的体系结构
  8.4 机器人的分类
  8.5 智能机器人的应用
  8.6 本章小结
  习题
第9章 生成式人工智能
  9.1 生成式人工智能概述
   9.1.1 生成式人工智能的工作原理
   9.1.2 生成式人工智能的发展背景
  9.2 大模型与生成式AI
   9.2.1 什么是生成式AI
   9.2.2 什么是大模型
   9.2.3 生成式AI与大模型的区别
  9.3 大模型的发展历史
   9.3.1 萌芽期
   9.3.2 探索沉淀期
   9.3.3 迅猛发展期
  9.4 国内外主流AIGC产品与应用
   9.4.1 AIGC的含义
   9.4.2 国内AIGC产品
   9.4.3 国外AIGC产品
  9.5 本章小结
  习题
第10章 人工智能发展趋势
  10.1 国家政策与产业规划
   10.1.1 中国的全面规划与协调统筹
   10.1.2 美国的自由市场创新
   10.1.3 欧盟的监管政策先行与协同发展
  10.2 技术突破与应用深化
   10.2.1 前沿技术发展趋势
   10.2.2 人工智能的深化应用
  10.3 机遇与挑战
   10.3.1 政策扶持带来的发展机遇
   10.3.2 技术突破创造的应用机遇
   10.3.3 市场需求增长带来的商业机遇
   10.3.4 数据隐私与安全挑战
   10.3.5 人工智能公平性挑战
  10.4 人工智能安全
   10.4.1 人工智能自身安全
   10.4.2 人工智能应用安全
   10.4.3 人工智能安全的防护措施
  10.5 人工智能伦理
  10.6 本章小结
  习题
第11章 实验
  11.1 实验1：运行环境配置
  11.2 实验2：农作物产量预测
  11.3 实验3：聚类
  11.4 实验4：分类
  11.5 实验5：农产品评论文本情感分析
  11.6 实验6：大语言模型实验
参考文献