第1章　人工智能概述 001
1.1　人工智能的定义与范畴 001
1.1.1　人工智能的定义 001
1.1.2　人工智能的三大流派 003
1.1.3　人工智能的研究领域 004
1.2　人工智能的历史与发展 005
1.2.1　人工智能的起源与早期发展 005
1.2.2　人工智能的“寒冬”与复兴 007
1.2.3　人工智能的挑战与机遇 011
1.3　人工智能发展趋势 012
1.3.1　技术发展趋势 012
1.3.2　应用发展趋势 014
习题 016

第2章　表示与理解 018
2.1　知识表示及方法 018
2.1.1　知识与知识表示的概念 018
2.1.2　语义网络 019
2.1.3　一阶谓词逻辑 019
2.1.4　产生式表示法 022
2.1.5　框架表示法 024
2.2　推理方法及实现 025
2.2.1　推理方式及分类 025
2.2.2　确定性推理 027
2.2.3　非确定性推理 029
2.3　搜索策略及算法 031
2.3.1　状态空间表示法 032
2.3.2　盲目搜索 034
2.3.3　启发式搜索 038
习题 040

第3章　机器学习 041
3.1　机器学习概念与分类 041
3.1.1　有监督学习 043
3.1.2　无监督学习 044
3.1.3　弱监督学习 044
3.1.4　集成学习 047
3.1.5　迁移学习 049
3.1.6　强化学习 054
3.2　群体智能 057
3.2.1　群体智能概述 057
3.2.2　群体智能算法 058
习题 060

第4章　深度学习 061
4.1　神经网络概述 061
4.1.1　神经网络的基本原理 061
4.1.2　激活函数的作用与种类 062
4.1.3　损失函数与优化算法 065
4.2　深度学习算法 066
4.2.1　反向传播算法 066
4.2.2　卷积神经网络 067
4.2.3　循环神经网络 068
4.2.4　长短期记忆网络 069
4.2.5　生成对抗网络 069
4.2.6　注意力机制 070
4.3　深度学习框架 070
4.3.1　TensorFlow 070
4.3.2　Keras 072
4.3.3　MXNet 074
4.3.4　PyTorch 075
4.4　库管理工具：Anaconda 076
习题 077

第5章　计算机视觉 079
5.1　计算机视觉的基本原理 079
5.1.1　智能视觉技术 080
5.1.2　传统的数字图像处理技术 082
5.1.3　智能视觉系统 084
5.2　智能视觉模型和关键技术 088
5.2.1　深度学习模型 089
5.2.2　特征提取与物体识别 090
5.2.3　YOLO 模型 091
5.2.4　三维视觉技术 093
5.3　智能视觉典型应用案例 095
5.3.1　文本生成图像 095
5.3.2　三维场景重建 098
习题 102

第6章　自然语言处理 104
6.1　语言学基础 104
6.1.1　语言学的核心概念 104
6.1.2　语法与句法结构 104
6.1.3　语义与语用分析 105
6.1.4　词汇学与词典学简介 106
6.1.5　语言多样性 107
6.2　文本预处理 108
6.2.1　文本清洗与规范化 108
6.2.2　分词与词性标注 110
6.2.3　停用词与词干提取 111
6.2.4　文本向量化与特征工程 112
6.2.5　数据增强与平衡策略 113
6.3　相关模型与技术 114
6.3.1　词嵌入技术 114
6.3.2　注意力机制 116
6.3.3　文本生成技术 117
6.4　下游任务 118
6.4.1　命名实体识别 118
6.4.2　文本分类与情感分析 119
6.4.3　问答系统 119
6.4.4　机器翻译 119
习题 121

第7章　大语言模型 122
7.1　大语言模型概述 122
7.1.1　什么是大语言模型？ 122
7.1.2　LLMs 的历史与发展 123
7.2　主流大语言模型概览 125
7.2.1　GPT 系列大语言模型 125
7.2.2　BERT 及其衍生模型解析 125
7.2.3　T5、ERNIE、ViT 等先进模型介绍 126
7.2.4　国内外大语言模型的特点对比 127
7.3　大语言模型的训练与优化 129
7.3.1　数据准备与预处理 129
7.3.2　损失函数与优化算法 130
7.3.3　分布式训练与模型并行化 132
7.3.4　模型压缩与轻量化技术 133
7.3.5　评估方法与指标 134
7.4　大语言模型的应用案例 135
7.4.1　对话系统 135
7.4.2　信息检索 135
7.4.3　文本生成 136
习题 136

第8章　知识图谱 137
8.1　知识图谱的演变 137
8.2　图结构与图查询 139
8.2.1　RDF 图 139
8.2.2　属性图 140
8.2.3　图查询语言 141
8.3　知识图谱构建技术 142
8.3.1　信息抽取 142
8.3.2　知识融合 144
8.3.3　知识加工 145
8.3.4　跨语言知识图谱构建 146
8.4　知识图谱表示学习 147
8.4.1　知识图谱嵌入的概念 147
8.4.2　知识图谱嵌入的主要方法 147
8.4.3　知识图谱嵌入的下游任务 149
8.5　知识图谱推理 150
8.5.1　基于图结构的推理 150
8.5.2　基于规则学习的推理 154
8.5.3　基于表示学习的推理 156
8.6　知识图谱的应用 159　 　
8.6.1　智能语义搜索问答系统 159
8.6.2　基于知识图谱的个性化推荐 160
8.6.3　多模态与跨语言知识图谱 161
8.6.4　知识图谱增强AI 系统的语义理解 161
习题 163

第9章　智能语音 164
9.1　智能语音概述 164
9.2　智能语音关键技术 166
9.2.1　智能语音识别技术 166
9.2.2　语音合成技术 172
9.3　语音增强方法 174
9.3.1　语音信号增强 174
9.3.2　语音质量评价 175
9.4　智能语音发展趋势 176
习题 177

第10章　无人驾驶与无人机 179
10.1　无人驾驶系统概述 179
10.1.1　无人驾驶的起源与发展背景 179
10.1.2　无人驾驶的定义 181
10.1.3　无人驾驶应用场景 183
10.2　无人驾驶关键技术 185
10.2.1　无人驾驶中的环境感知 185
10.2.2　无人驾驶中的决策与规划技术 187
10.2.3　无人驾驶中的控制与执行技术 189
10.3　无人机概述 191
10.3.1　无人机起源与发展191
10.3.2　无人机关键技术 192
10.3.3　无人机应用场景 195
习题 201

第11章　智能穿戴 203
11.1　智能穿戴设备概述 203
11.1.1　智能穿戴设备的发展历程 203
11.1.2　智能穿戴设备定义 204
11.1.3　智能穿戴设备的类型与形态 205
11.2　智能穿戴设备功能设计 207
11.2.1　健康监测 207
11.2.2　运动助手 208
11.2.3　通信便捷 209
11.2.4　生活小秘书 210
11.3　智能穿戴设备关键技术 211
11.3.1　心跳感知技术 211
11.3.2　皮肤生理特性分析 215
11.3.3　运动感知技术 216
11.4　智能穿戴设备应用 217
11.4.1　健康管理：从预防到康复的全方位支持 217
11.4.2　时尚搭配：科技与美学的完美结合 218
11.4.3　特殊领域：工业、军事与医疗的专属定制 219
习题 221

第12章　人工智能安全与伦理 222
12.1　安全与伦理的重要性 222
12.2　人工智能安全 223
12.2.1　人工智能安全的定义与范畴 224
12.2.2　人工智能应用的安全风险 224
12.2.3　安全防护措施 226
12.3　人工智能伦理 229
12.3.1　人工智能伦理原则 229
12.3.2　伦理挑战与案例分析 231
12.3.3　伦理治理与实践 233
12.4　人工智能与社会责任 235
12.4.1　企业社会责任与人工智能 235
12.4.2　人工智能对社会的影响 235
12.5　未来展望 237
12.5.1　人工智能安全与伦理的发展趋势 237
12.5.2　人工智能安全与伦理的全球合作 239
习题 240

参考文献 241