人工智能通识 / 普通高等学校人工智能通识系列教材
￥69.00定价
作者： 丛润民，李锋，张伟
出版时间：2025-06-03
出版社：机械工业出版社
- 机械工业出版社
- 9787111779773
- 1-1
- 547645
- 平装
- 2025-06-03
- 582
- 本科
内容简介
本书是一本面向高等学校学生的基础性通识类教材，旨在引领学生进入人工智能这一前沿领域。全书内容分为“涨知识”与“开眼界”两大板块。在前五章构成的“涨知识”板块中，系统地介绍了人工智能的概念、发展历程，以及知识推理和问题求解方法，并介绍了三种典型的人工智能技术，即机器学习、深度学习和强化学习，包括其基础理论、核心思想、关键技术等，帮助学生建立对人工智能的宏观认知和体系框架。在后五章组成的“开眼界”板块中，通过典型应用的介绍，展示了人工智能在视觉感知、具身智能、智慧医疗、智慧生活等方面的广阔应用前景，并在zui后一章探讨了大模型、生成式人工智能、AI for Science等前沿技术热点，旨在开阔学生的视野。
作为一本入门级教材，本书旨在帮助学生建立对人工智能的宏观知识体系，重在培养学生的人工智能科学素养和科技思维，适合作为人文社科、理工类等不同专业学生的通识课程教材。
作为一本入门级教材，本书旨在帮助学生建立对人工智能的宏观知识体系，重在培养学生的人工智能科学素养和科技思维，适合作为人文社科、理工类等不同专业学生的通识课程教材。
目录
目 录
前言
目板块一 涨知识——人工智能基础理论
第1章 人工智能概述2
1.1 什么是人工智能2
1.1.1 人工智能的定义与评估2
1.1.2 人工智能基础5
1.2 人工智能发展史6
1.3 大模型时代下的人工智能14
1.3.1 ChatGPT—走向通用性AI之路15
1.3.2 百花齐放的多模态大模型18
1.4 人工智能伦理与规范24
1.5 人工智能技术展望25
1.5.1 人工智能的未来发展26
1.5.2 人工智能融入寻常百姓家28
1.6 小结28
参考文献29
第2章 知识推理与问题求解31
2.1 知识表示31
2.1.1 知识表示方法32
2.1.2 逻辑关系与规则39
2.1.3 知识图谱43
2.2 知识推理45
2.2.1 概率推理45
2.2.2 因果推理49
2.2.3 知识图谱推理53
2.3 搜索求解54
2.3.1 搜索问题的定义54
2.3.2 盲目搜索57
2.3.3 启发式搜索58
2.4 博弈论61
2.4.1 博弈论的起源与发展62
2.4.2 博弈论的定义与基础63
2.4.3 经典博弈案例分析66
2.5 小结73
参考文献74
第3章 机器学习基础75
3.1 机器学习概述75
3.2 经典算法76
3.2.1 监督学习76
3.2.2 无监督学习82
3.3 模型评估与选择86
3.3.1 经验误差与过拟合86
3.3.2 评估方法88
3.3.3 性能度量89
3.4 当代机器学习概述94
3.4.1 深度学习94
3.4.2 强化学习98
3.4.3 图学习101
3.4.4 联邦学习 104
3.4.5 迁移学习 109
3.5 小结114
参考文献114
第4章 深度学习117
4.1 从感知机到深度神经网络117
4.1.1 感知机119
4.1.2 前馈神经网络120
4.1.3 激活函数122
4.2 深度学习中的优化与学习124
4.2.1 损失函数125
4.2.2 梯度下降算法126
4.2.3 反向传播算法129
4.3 深度学习框架131
4.3.1 Theano 132
4.3.2 Caffe133
4.3.3 TensorFlow134
4.3.4 PyTorch137
4.3.5 PaddlePaddle138
4.3.6 MindSpore138
4.4 卷积神经网络141
4.4.1 卷积神经网络的核心组成142
4.4.2 卷积神经网络的架构探索145
4.5 序列到序列模型151
4.5.1 序列数据与序列任务152
4.5.2 循环神经网络的原理与结构153
4.5.3 基于门控单元的循环神经网络157
4.6 Transformer模型159
4.6.1 Transformer的核心组成159
4.6.2 Transformer的架构设计161
4.7 深度生成模型164
4.7.1 概率生成模型164
4.7.2 变分自编码器165
4.7.3 生成对抗网络166
4.8 小结169
参考文献170
第5章 强化学习173
5.1 强化学习基础173
5.1.1 强化学习的发展历史173
5.1.2 强化学习的基本概念176
5.1.3 马尔可夫决策过程178
5.1.4 贝尔曼方程182
5.2 经典强化学习方法184
5.2.1 基于价值函数的方法185
5.2.2 基于策略的方法194
5.3 深度强化学习 197
5.4 强化学习的应用 203
5.4.1 智能机器人与强化学习203
5.4.2 自动驾驶与强化学习205
5.4.3 金融服务与强化学习207
5.4.4 游戏AI与强化学习209
5.5 小结211
参考文献212
板块二 开眼界——人工智能应用实践
第6章 智能之眼——视觉感知216
6.1 计算机视觉及其发展史 217
6.2 图像增强222
6.2.1 图像增强概述222
6.2.2 典型图像增强任务224
6.3 图像分类235
6.3.1 图像分类概述235
6.3.2 细粒度图像分类237
6.4 目标检测239
6.4.1 目标检测概述239
6.4.2 经典目标检测方法240
6.5 图像分割244
6.5.1 图像分割概述244
6.5.2 经典语义分割模型247
6.6 三维视觉251
6.6.1 三维视觉概述251
6.6.2 典型三维视觉任务252
6.7 小结261
参考文献262
第7章 智能之躯——具身智能268
7.1 具身智能概述 268
7.1.1 具身智能的基本概念269
7.1.2 具身智能的核心要素270
7.1.3 具身智能与传统人工智能273
7.1.4 具身智能的意义与价值274
7.2 具身智能的核心技术275
7.2.1 具身智能的系统框架276
7.2.2 具身智能的典型实现路径277
7.2.3 仿真到真实的迁移 281
7.3 具身智能的典型应用 284
7.3.1 智能机器人操作任务284
7.3.2 服务机器人导航任务290
7.4 具身智能的发展前沿与展望295
7.4.1 具身智能大模型295
7.4.2 具身智能的未来挑战296
7.5 小结298
参考文献298
第8章 AI卫士——智慧医疗299
8.1 智慧医疗概述 299
8.1.1 智慧医疗的概念300
8.1.2 智慧医疗数据302
8.1.3 智慧医疗关键技术306
8.2 智慧医疗的应用311
8.2.1 临床诊断与治疗311
8.2.2 远程医疗与在线问诊314
8.2.3 药物研发与个性化医疗316
8.2.4 中医药应用318
8.3 智慧医疗面临的挑战与前景321
8.3.1 智慧医疗面临的挑战322
8.3.2 智慧医疗的发展前景326
8.4 小结329
参考文献330
第9章 AI助手——智慧生活332
9.1 智慧生活概述与人工智能实现332
9.1.1 智慧生活概览332
9.1.2 人工智能在日常生活中的角色333
9.2 智“衣”新尚—智能穿戴与AI时尚助手 335
9.2.1 核心技术与框架—以智能穿戴为例335
9.2.2 应用案例介绍—AI时尚助手338
9.3 “食”悦智融—智慧农业与食品安全 342
9.3.1 核心技术与框架—以智慧农业为例342
9.3.2 应用案例介绍—食品安全监管与溯源347
9.4 乐享智“住”—智能家居与智慧社区 351
9.4.1 核心技术与框架—以智能家居为例352
9.4.2 应用案例介绍—智慧社区353
9.5 智“行”天下—交通大数据与自动驾驶 357
9.5.1 核心技术与框架—以智能交通规划为例357
9.5.2 应用案例介绍—自动驾驶系统360
9.6 小结365
参考文献365
第10章 人工智能前沿367
10.1 大模型的兴起与演进 367
10.1.1 大模型的基本概念与发展历程 368
10.1.2 大模型的优势与挑战370
10.1.3 大模型的训练与优化 371
10.1.4 多模态大模型 379
10.2 生成式人工智能 382
10.2.1 扩散模型382
10.2.2 生成式设计与艺术创作385
10.2.3 大模型技术治理与社会影响390
10.3 AI for Science 391
10.3.1 人工智能在科学中的定义与背景392
10.3.2 人工智能与自然科学392
10.3.3 人工智能与人文社会科学395
10.4 小结396
参考文献397
前言
目板块一 涨知识——人工智能基础理论
第1章 人工智能概述2
1.1 什么是人工智能2
1.1.1 人工智能的定义与评估2
1.1.2 人工智能基础5
1.2 人工智能发展史6
1.3 大模型时代下的人工智能14
1.3.1 ChatGPT—走向通用性AI之路15
1.3.2 百花齐放的多模态大模型18
1.4 人工智能伦理与规范24
1.5 人工智能技术展望25
1.5.1 人工智能的未来发展26
1.5.2 人工智能融入寻常百姓家28
1.6 小结28
参考文献29
第2章 知识推理与问题求解31
2.1 知识表示31
2.1.1 知识表示方法32
2.1.2 逻辑关系与规则39
2.1.3 知识图谱43
2.2 知识推理45
2.2.1 概率推理45
2.2.2 因果推理49
2.2.3 知识图谱推理53
2.3 搜索求解54
2.3.1 搜索问题的定义54
2.3.2 盲目搜索57
2.3.3 启发式搜索58
2.4 博弈论61
2.4.1 博弈论的起源与发展62
2.4.2 博弈论的定义与基础63
2.4.3 经典博弈案例分析66
2.5 小结73
参考文献74
第3章 机器学习基础75
3.1 机器学习概述75
3.2 经典算法76
3.2.1 监督学习76
3.2.2 无监督学习82
3.3 模型评估与选择86
3.3.1 经验误差与过拟合86
3.3.2 评估方法88
3.3.3 性能度量89
3.4 当代机器学习概述94
3.4.1 深度学习94
3.4.2 强化学习98
3.4.3 图学习101
3.4.4 联邦学习 104
3.4.5 迁移学习 109
3.5 小结114
参考文献114
第4章 深度学习117
4.1 从感知机到深度神经网络117
4.1.1 感知机119
4.1.2 前馈神经网络120
4.1.3 激活函数122
4.2 深度学习中的优化与学习124
4.2.1 损失函数125
4.2.2 梯度下降算法126
4.2.3 反向传播算法129
4.3 深度学习框架131
4.3.1 Theano 132
4.3.2 Caffe133
4.3.3 TensorFlow134
4.3.4 PyTorch137
4.3.5 PaddlePaddle138
4.3.6 MindSpore138
4.4 卷积神经网络141
4.4.1 卷积神经网络的核心组成142
4.4.2 卷积神经网络的架构探索145
4.5 序列到序列模型151
4.5.1 序列数据与序列任务152
4.5.2 循环神经网络的原理与结构153
4.5.3 基于门控单元的循环神经网络157
4.6 Transformer模型159
4.6.1 Transformer的核心组成159
4.6.2 Transformer的架构设计161
4.7 深度生成模型164
4.7.1 概率生成模型164
4.7.2 变分自编码器165
4.7.3 生成对抗网络166
4.8 小结169
参考文献170
第5章 强化学习173
5.1 强化学习基础173
5.1.1 强化学习的发展历史173
5.1.2 强化学习的基本概念176
5.1.3 马尔可夫决策过程178
5.1.4 贝尔曼方程182
5.2 经典强化学习方法184
5.2.1 基于价值函数的方法185
5.2.2 基于策略的方法194
5.3 深度强化学习 197
5.4 强化学习的应用 203
5.4.1 智能机器人与强化学习203
5.4.2 自动驾驶与强化学习205
5.4.3 金融服务与强化学习207
5.4.4 游戏AI与强化学习209
5.5 小结211
参考文献212
板块二 开眼界——人工智能应用实践
第6章 智能之眼——视觉感知216
6.1 计算机视觉及其发展史 217
6.2 图像增强222
6.2.1 图像增强概述222
6.2.2 典型图像增强任务224
6.3 图像分类235
6.3.1 图像分类概述235
6.3.2 细粒度图像分类237
6.4 目标检测239
6.4.1 目标检测概述239
6.4.2 经典目标检测方法240
6.5 图像分割244
6.5.1 图像分割概述244
6.5.2 经典语义分割模型247
6.6 三维视觉251
6.6.1 三维视觉概述251
6.6.2 典型三维视觉任务252
6.7 小结261
参考文献262
第7章 智能之躯——具身智能268
7.1 具身智能概述 268
7.1.1 具身智能的基本概念269
7.1.2 具身智能的核心要素270
7.1.3 具身智能与传统人工智能273
7.1.4 具身智能的意义与价值274
7.2 具身智能的核心技术275
7.2.1 具身智能的系统框架276
7.2.2 具身智能的典型实现路径277
7.2.3 仿真到真实的迁移 281
7.3 具身智能的典型应用 284
7.3.1 智能机器人操作任务284
7.3.2 服务机器人导航任务290
7.4 具身智能的发展前沿与展望295
7.4.1 具身智能大模型295
7.4.2 具身智能的未来挑战296
7.5 小结298
参考文献298
第8章 AI卫士——智慧医疗299
8.1 智慧医疗概述 299
8.1.1 智慧医疗的概念300
8.1.2 智慧医疗数据302
8.1.3 智慧医疗关键技术306
8.2 智慧医疗的应用311
8.2.1 临床诊断与治疗311
8.2.2 远程医疗与在线问诊314
8.2.3 药物研发与个性化医疗316
8.2.4 中医药应用318
8.3 智慧医疗面临的挑战与前景321
8.3.1 智慧医疗面临的挑战322
8.3.2 智慧医疗的发展前景326
8.4 小结329
参考文献330
第9章 AI助手——智慧生活332
9.1 智慧生活概述与人工智能实现332
9.1.1 智慧生活概览332
9.1.2 人工智能在日常生活中的角色333
9.2 智“衣”新尚—智能穿戴与AI时尚助手 335
9.2.1 核心技术与框架—以智能穿戴为例335
9.2.2 应用案例介绍—AI时尚助手338
9.3 “食”悦智融—智慧农业与食品安全 342
9.3.1 核心技术与框架—以智慧农业为例342
9.3.2 应用案例介绍—食品安全监管与溯源347
9.4 乐享智“住”—智能家居与智慧社区 351
9.4.1 核心技术与框架—以智能家居为例352
9.4.2 应用案例介绍—智慧社区353
9.5 智“行”天下—交通大数据与自动驾驶 357
9.5.1 核心技术与框架—以智能交通规划为例357
9.5.2 应用案例介绍—自动驾驶系统360
9.6 小结365
参考文献365
第10章 人工智能前沿367
10.1 大模型的兴起与演进 367
10.1.1 大模型的基本概念与发展历程 368
10.1.2 大模型的优势与挑战370
10.1.3 大模型的训练与优化 371
10.1.4 多模态大模型 379
10.2 生成式人工智能 382
10.2.1 扩散模型382
10.2.2 生成式设计与艺术创作385
10.2.3 大模型技术治理与社会影响390
10.3 AI for Science 391
10.3.1 人工智能在科学中的定义与背景392
10.3.2 人工智能与自然科学392
10.3.3 人工智能与人文社会科学395
10.4 小结396
参考文献397
