人工智能素养与实践应用（一体化教材）
定价：￥40.00
作者： 王莉，张磊，张智浩
出版时间：2025-08
最新印次日期：2025-8
出版社：高等教育出版社
- 高等教育出版社
- 9787040654325
- 1版
- 67262749-4
- 16开
- 2025-08
- 432
- 公共基础课
- 公共基础课
- 公共基础课
- 通用
- 本科 高职
内容简介
本书面向人工智能初学者，内容通俗易懂，通过任务案例讲解技术原理，注重人工智能技术实践应用能力的培养，帮助学生从“能理解”到“能实践”。全书共9章，包括：人工智能概述、基于Python的人工智能开发环境、机器学习、大语言模型与生成式人工智能、文本类AIGC实践应用、视听类AIGC实践应用、办公类AIGC实践应用、AIGC综合实践和人工智能伦理。内容体系完整、结构清晰，紧跟技术前沿，聚焦大语言模型、AIGC等热点应用。
本书将理论讲解与任务驱动相结合，使学习过程更具针对性和趣味性。本书实践案例丰富，任务设计贴近生活与行业场景，涉及制作公益海报、城市宣传片、产品介绍数字人以及表格和演示文稿的智能化处理等。本书配套的二维码提供了操作视频与代码实现，便于边学边练。
本书是理论与实操并重的人工智能人门教材，可作为高校人工智能通识课教材，也可作为兴趣班、跨专业选修课或自学人工智能基础的参考用书。
目录
目录
前辅文
第1章 人工智能概述
1.1 人工智能的定义与内涵
1.1.1 人工智能的定义
1.1.2 人工智能与人类智能
1.1.3 弱人工智能、强人工智能与超人工智能
1.1.4 人工智能三要素
1.2 人工智能的发展历程
1.2.1 萌芽阶段：从古代幻想到近现代工业革命
1.2.2 第一次高潮阶段：开拓与崛起
1.2.3 第一次低谷阶段：从盲目乐观到投资断粮
1.2.4 第二次高潮阶段：专家系统的兴起与产业化探索
1.2.5 第二次低谷阶段：专家系统的局限与技术冲击
1.2.6 复苏探索期：神经网络的复兴
1.2.7 第三次高潮阶段：深度学习的爆发
1.2.8 我国的人工智能发展历程
1.3 人工智能的行业应用
1.3.1 互联网行业
1.3.2 制造业
1.3.3 医疗卫生行业
1.3.4 交通运输行业
1.3.5 农业
1.3.6 教育行业
1.3.7 智能家居
1.3.8 文化艺术
1.4 本章小结
课后练习
第2章 基于Python的人工智能开发环境
2.1 Python安装与使用
2.2 Anaconda安装与使用
2.2.1 Anaconda安装
2.2.2 Anaconda管理虚拟环境
2.3 Python开发工具
2.3.1 IDLE
2.3.2 Jupyter Notebook
2.3.3 PyCharm
2.4 Python常用库
2.4.1 常用库介绍
2.4.2 库的安装
2.5 常用AI开发网站
2.6 本章小结
课后练习
第3章 机器学习
3.1 机器学习概述
3.1.1 机器学习的基本概念
3.1.2 机器学习的分类
3.1.3 机器学习的基本流程
3.1.4 过拟合与欠拟合
3.2 传统机器学习算法
3.2.1 监督学习算法
任务案例：利用逻辑回归实现手写数字识别
3.2.2 无监督学习算法
任务案例：利用PCA实现人脸识别
3.2.3 强化学习
任务案例：利用强化学习实现迷宫最短路径探索
3.3 神经网络
3.3.1 神经网络概述
3.3.2 神经元模型
3.3.3 神经网络的结构
3.3.4 神经网络的参数优化
3.4 深度学习
3.4.1 深度学习概述
3.4.2 卷积神经网络
3.4.3 深度学习框架与实践
任务案例：基于卷积神经网络的手写数字识别
3.5 本章小结
课后练习
第4章 大语言模型与生成式人工智能
4.1 大语言模型概述
4.1.1 大语言模型的定义
4.1.2 大语言模型的发展历程
4.1.3 主流大语言模型
4.2 大语言模型基本原理及关键技术
4.2.1 大语言模型的基本工作过程
4.2.2 Transformer架构
4.2.3 大语言模型的训练过程
4.2.4 大语言模型的推理
4.3 大语言模型的使用
4.3.1 网页端使用
任务案例：通过提示词生成面向宝马汽车公司销售的求职简历
4.3.2 大模型插件
任务案例：使用Wolfram插件分析销售数据
4.3.3 API调用
任务案例：利用Python调用 DeepSeek模型的API
4.3.4 本地部署
任务案例：本地部署DeepSeek-R1-1.5B模型
4.3.5 大模型的微调
4.4 生成式人工智能
4.4.1 生成式人工智能概述
4.4.2 生成式人工智能的发展历程
4.4.3 生成式人工智能的核心技术
4.5 本章小结
课后练习
第5章 文本类AIGC实践应用
5.1 内容创作
任务案例：利用DeepSeek创作面向小红书用户的产品宣传文案
5.2 语言翻译
5.3 自动问答
任务案例：利用智谱清言智能体打造一款电商客服机器人
5.4 知识提取
任务案例：利用豆包浏览器AI助手插件高效完成AI汽车行业发展报告的信息提取
5.5 内容改写
5.6 代码生成
任务案例：利用GitHub Copilot开发简易计算器
5.7 本章小结
课后练习
第6章 视听类AIGC实践应用
6.1 图像类AIGC实践应用
6.1.1 文本生成图像
任务案例：利用豆包生成“低碳生活”主题公益海报
6.1.2 文本+图像生成图像
任务案例：“一键净风景”——利用豆包去除风景照中的不速之客
6.1.3 图像+图像结合生成图像
6.2 音频类AIGC实践应用
6.2.1 文本转换语音
任务案例：利用TTSMaker为视障用户生成高质量电子书语音
6.2.2 音乐创作
6.2.3 语音克隆
任务案例：利用Cosy Voice生成个性定制化广告配音
6.2.4 音效合成
6.3 视频类AIGC实践应用
6.3.1 由文本生成视频
6.3.2 由图像生成视频
任务案例：利用可灵AI生成南京城市宣传片
6.3.3 由视频生成视频
6.3.4 多模态混合生成视频
任务案例：使用Kreado AI制作电商产品介绍数字人
6.4 本章小结
课后练习
第7章 办公类AIGC实践应用
7.1 WPS AI处理文本文档
任务案例：合同文本的自动生成及排版
7.2 WPS AI处理表格文件
任务案例：学生成绩智能分析与处理
7.3 WPS灵犀设计演示文稿
任务案例：演示文稿创新设计
7.4本章小结
课后练习
第8章 AIGC综合实践
8.1 综合任务1：AI轻松搞定机器人社团招新推文
8.2 综合任务2：打造专属你的AI校园代言人
8.3 本章小结
课后练习
第9章 人工智能伦理
9.1 数据隐私与安全
9.1.1 数据隐私问题
9.1.2 数据安全问题
9.1.3 数据隐私与安全的解决方案
9.2 算法歧视与偏见
9.2.1 算法歧视与偏见的定义
9.2.2 算法歧视与偏见的成因
9.2.3 算法歧视与偏见的影响
9.2.4 算法歧视与偏见的解决方案
9.3 透明度与可解释性
9.3.1 透明度与可解释性的定义
9.3.2 神经网络的黑箱特性
9.3.3 透明度与可解释性的重要性
9.3.4 提高透明度与可解释性的方法
9.4 伪造与欺骗
9.4.1 伪造与欺骗的主要形式
9.4.2 伪造与欺骗的危害
9.4.3 伪造与欺骗的应对措施
9.5 社会性问题
9.5.1 失业问题
9.5.2 失业问题的应对措施
9.6 安全性与可靠性
9.6.1 网络攻击
9.6.2 辅助驾驶系统的可靠性
9.6.3 提高安全性与可靠性的方法
9.7 公平性问题
9.7.1 人工智能推动的社会公平
9.7.2 人工智能带来的不平等问题
9.7.3 解决不平等问题的技术与社会策略
9.8 本章小结
课后练习
主要参考文献
前辅文
第1章 人工智能概述
1.1 人工智能的定义与内涵
1.1.1 人工智能的定义
1.1.2 人工智能与人类智能
1.1.3 弱人工智能、强人工智能与超人工智能
1.1.4 人工智能三要素
1.2 人工智能的发展历程
1.2.1 萌芽阶段：从古代幻想到近现代工业革命
1.2.2 第一次高潮阶段：开拓与崛起
1.2.3 第一次低谷阶段：从盲目乐观到投资断粮
1.2.4 第二次高潮阶段：专家系统的兴起与产业化探索
1.2.5 第二次低谷阶段：专家系统的局限与技术冲击
1.2.6 复苏探索期：神经网络的复兴
1.2.7 第三次高潮阶段：深度学习的爆发
1.2.8 我国的人工智能发展历程
1.3 人工智能的行业应用
1.3.1 互联网行业
1.3.2 制造业
1.3.3 医疗卫生行业
1.3.4 交通运输行业
1.3.5 农业
1.3.6 教育行业
1.3.7 智能家居
1.3.8 文化艺术
1.4 本章小结
课后练习
第2章 基于Python的人工智能开发环境
2.1 Python安装与使用
2.2 Anaconda安装与使用
2.2.1 Anaconda安装
2.2.2 Anaconda管理虚拟环境
2.3 Python开发工具
2.3.1 IDLE
2.3.2 Jupyter Notebook
2.3.3 PyCharm
2.4 Python常用库
2.4.1 常用库介绍
2.4.2 库的安装
2.5 常用AI开发网站
2.6 本章小结
课后练习
第3章 机器学习
3.1 机器学习概述
3.1.1 机器学习的基本概念
3.1.2 机器学习的分类
3.1.3 机器学习的基本流程
3.1.4 过拟合与欠拟合
3.2 传统机器学习算法
3.2.1 监督学习算法
任务案例：利用逻辑回归实现手写数字识别
3.2.2 无监督学习算法
任务案例：利用PCA实现人脸识别
3.2.3 强化学习
任务案例：利用强化学习实现迷宫最短路径探索
3.3 神经网络
3.3.1 神经网络概述
3.3.2 神经元模型
3.3.3 神经网络的结构
3.3.4 神经网络的参数优化
3.4 深度学习
3.4.1 深度学习概述
3.4.2 卷积神经网络
3.4.3 深度学习框架与实践
任务案例：基于卷积神经网络的手写数字识别
3.5 本章小结
课后练习
第4章 大语言模型与生成式人工智能
4.1 大语言模型概述
4.1.1 大语言模型的定义
4.1.2 大语言模型的发展历程
4.1.3 主流大语言模型
4.2 大语言模型基本原理及关键技术
4.2.1 大语言模型的基本工作过程
4.2.2 Transformer架构
4.2.3 大语言模型的训练过程
4.2.4 大语言模型的推理
4.3 大语言模型的使用
4.3.1 网页端使用
任务案例：通过提示词生成面向宝马汽车公司销售的求职简历
4.3.2 大模型插件
任务案例：使用Wolfram插件分析销售数据
4.3.3 API调用
任务案例：利用Python调用 DeepSeek模型的API
4.3.4 本地部署
任务案例：本地部署DeepSeek-R1-1.5B模型
4.3.5 大模型的微调
4.4 生成式人工智能
4.4.1 生成式人工智能概述
4.4.2 生成式人工智能的发展历程
4.4.3 生成式人工智能的核心技术
4.5 本章小结
课后练习
第5章 文本类AIGC实践应用
5.1 内容创作
任务案例：利用DeepSeek创作面向小红书用户的产品宣传文案
5.2 语言翻译
5.3 自动问答
任务案例：利用智谱清言智能体打造一款电商客服机器人
5.4 知识提取
任务案例：利用豆包浏览器AI助手插件高效完成AI汽车行业发展报告的信息提取
5.5 内容改写
5.6 代码生成
任务案例：利用GitHub Copilot开发简易计算器
5.7 本章小结
课后练习
第6章 视听类AIGC实践应用
6.1 图像类AIGC实践应用
6.1.1 文本生成图像
任务案例：利用豆包生成“低碳生活”主题公益海报
6.1.2 文本+图像生成图像
任务案例：“一键净风景”——利用豆包去除风景照中的不速之客
6.1.3 图像+图像结合生成图像
6.2 音频类AIGC实践应用
6.2.1 文本转换语音
任务案例：利用TTSMaker为视障用户生成高质量电子书语音
6.2.2 音乐创作
6.2.3 语音克隆
任务案例：利用Cosy Voice生成个性定制化广告配音
6.2.4 音效合成
6.3 视频类AIGC实践应用
6.3.1 由文本生成视频
6.3.2 由图像生成视频
任务案例：利用可灵AI生成南京城市宣传片
6.3.3 由视频生成视频
6.3.4 多模态混合生成视频
任务案例：使用Kreado AI制作电商产品介绍数字人
6.4 本章小结
课后练习
第7章 办公类AIGC实践应用
7.1 WPS AI处理文本文档
任务案例：合同文本的自动生成及排版
7.2 WPS AI处理表格文件
任务案例：学生成绩智能分析与处理
7.3 WPS灵犀设计演示文稿
任务案例：演示文稿创新设计
7.4本章小结
课后练习
第8章 AIGC综合实践
8.1 综合任务1：AI轻松搞定机器人社团招新推文
8.2 综合任务2：打造专属你的AI校园代言人
8.3 本章小结
课后练习
第9章 人工智能伦理
9.1 数据隐私与安全
9.1.1 数据隐私问题
9.1.2 数据安全问题
9.1.3 数据隐私与安全的解决方案
9.2 算法歧视与偏见
9.2.1 算法歧视与偏见的定义
9.2.2 算法歧视与偏见的成因
9.2.3 算法歧视与偏见的影响
9.2.4 算法歧视与偏见的解决方案
9.3 透明度与可解释性
9.3.1 透明度与可解释性的定义
9.3.2 神经网络的黑箱特性
9.3.3 透明度与可解释性的重要性
9.3.4 提高透明度与可解释性的方法
9.4 伪造与欺骗
9.4.1 伪造与欺骗的主要形式
9.4.2 伪造与欺骗的危害
9.4.3 伪造与欺骗的应对措施
9.5 社会性问题
9.5.1 失业问题
9.5.2 失业问题的应对措施
9.6 安全性与可靠性
9.6.1 网络攻击
9.6.2 辅助驾驶系统的可靠性
9.6.3 提高安全性与可靠性的方法
9.7 公平性问题
9.7.1 人工智能推动的社会公平
9.7.2 人工智能带来的不平等问题
9.7.3 解决不平等问题的技术与社会策略
9.8 本章小结
课后练习
主要参考文献
前辅文
第1章 人工智能概述
1.1 人工智能的定义与内涵
1.1.1 人工智能的定义
1.1.2 人工智能与人类智能
1.1.3 弱人工智能、强人工智能与超人工智能
1.1.4 人工智能三要素
1.2 人工智能的发展历程
1.2.1 萌芽阶段：从古代幻想到近现代工业革命
1.2.2 第一次高潮阶段：开拓与崛起
1.2.3 第一次低谷阶段：从盲目乐观到投资断粮
1.2.4 第二次高潮阶段：专家系统的兴起与产业化探索
1.2.5 第二次低谷阶段：专家系统的局限与技术冲击
1.2.6 复苏探索期：神经网络的复兴
1.2.7 第三次高潮阶段：深度学习的爆发
1.2.8 我国的人工智能发展历程
1.3 人工智能的行业应用
1.3.1 互联网行业
1.3.2 制造业
1.3.3 医疗卫生行业
1.3.4 交通运输行业
1.3.5 农业
1.3.6 教育行业
1.3.7 智能家居
1.3.8 文化艺术
1.4 本章小结
课后练习
第2章 基于Python的人工智能开发环境
2.1 Python安装与使用
2.2 Anaconda安装与使用
2.2.1 Anaconda安装
2.2.2 Anaconda管理虚拟环境
2.3 Python开发工具
2.3.1 IDLE
2.3.2 Jupyter Notebook
2.3.3 PyCharm
2.4 Python常用库
2.4.1 常用库介绍
2.4.2 库的安装
2.5 常用AI开发网站
2.6 本章小结
课后练习
第3章 机器学习
3.1 机器学习概述
3.1.1 机器学习的基本概念
3.1.2 机器学习的分类
3.1.3 机器学习的基本流程
3.1.4 过拟合与欠拟合
3.2 传统机器学习算法
3.2.1 监督学习算法
任务案例：利用逻辑回归实现手写数字识别
3.2.2 无监督学习算法
任务案例：利用PCA实现人脸识别
3.2.3 强化学习
任务案例：利用强化学习实现迷宫最短路径探索
3.3 神经网络
3.3.1 神经网络概述
3.3.2 神经元模型
3.3.3 神经网络的结构
3.3.4 神经网络的参数优化
3.4 深度学习
3.4.1 深度学习概述
3.4.2 卷积神经网络
3.4.3 深度学习框架与实践
任务案例：基于卷积神经网络的手写数字识别
3.5 本章小结
课后练习
第4章 大语言模型与生成式人工智能
4.1 大语言模型概述
4.1.1 大语言模型的定义
4.1.2 大语言模型的发展历程
4.1.3 主流大语言模型
4.2 大语言模型基本原理及关键技术
4.2.1 大语言模型的基本工作过程
4.2.2 Transformer架构
4.2.3 大语言模型的训练过程
4.2.4 大语言模型的推理
4.3 大语言模型的使用
4.3.1 网页端使用
任务案例：通过提示词生成面向宝马汽车公司销售的求职简历
4.3.2 大模型插件
任务案例：使用Wolfram插件分析销售数据
4.3.3 API调用
任务案例：利用Python调用 DeepSeek模型的API
4.3.4 本地部署
任务案例：本地部署DeepSeek-R1-1.5B模型
4.3.5 大模型的微调
4.4 生成式人工智能
4.4.1 生成式人工智能概述
4.4.2 生成式人工智能的发展历程
4.4.3 生成式人工智能的核心技术
4.5 本章小结
课后练习
第5章 文本类AIGC实践应用
5.1 内容创作
任务案例：利用DeepSeek创作面向小红书用户的产品宣传文案
5.2 语言翻译
5.3 自动问答
任务案例：利用智谱清言智能体打造一款电商客服机器人
5.4 知识提取
任务案例：利用豆包浏览器AI助手插件高效完成AI汽车行业发展报告的信息提取
5.5 内容改写
5.6 代码生成
任务案例：利用GitHub Copilot开发简易计算器
5.7 本章小结
课后练习
第6章 视听类AIGC实践应用
6.1 图像类AIGC实践应用
6.1.1 文本生成图像
任务案例：利用豆包生成“低碳生活”主题公益海报
6.1.2 文本+图像生成图像
任务案例：“一键净风景”——利用豆包去除风景照中的不速之客
6.1.3 图像+图像结合生成图像
6.2 音频类AIGC实践应用
6.2.1 文本转换语音
任务案例：利用TTSMaker为视障用户生成高质量电子书语音
6.2.2 音乐创作
6.2.3 语音克隆
任务案例：利用Cosy Voice生成个性定制化广告配音
6.2.4 音效合成
6.3 视频类AIGC实践应用
6.3.1 由文本生成视频
6.3.2 由图像生成视频
任务案例：利用可灵AI生成南京城市宣传片
6.3.3 由视频生成视频
6.3.4 多模态混合生成视频
任务案例：使用Kreado AI制作电商产品介绍数字人
6.4 本章小结
课后练习
第7章 办公类AIGC实践应用
7.1 WPS AI处理文本文档
任务案例：合同文本的自动生成及排版
7.2 WPS AI处理表格文件
任务案例：学生成绩智能分析与处理
7.3 WPS灵犀设计演示文稿
任务案例：演示文稿创新设计
7.4本章小结
课后练习
第8章 AIGC综合实践
8.1 综合任务1：AI轻松搞定机器人社团招新推文
8.2 综合任务2：打造专属你的AI校园代言人
8.3 本章小结
课后练习
第9章 人工智能伦理
9.1 数据隐私与安全
9.1.1 数据隐私问题
9.1.2 数据安全问题
9.1.3 数据隐私与安全的解决方案
9.2 算法歧视与偏见
9.2.1 算法歧视与偏见的定义
9.2.2 算法歧视与偏见的成因
9.2.3 算法歧视与偏见的影响
9.2.4 算法歧视与偏见的解决方案
9.3 透明度与可解释性
9.3.1 透明度与可解释性的定义
9.3.2 神经网络的黑箱特性
9.3.3 透明度与可解释性的重要性
9.3.4 提高透明度与可解释性的方法
9.4 伪造与欺骗
9.4.1 伪造与欺骗的主要形式
9.4.2 伪造与欺骗的危害
9.4.3 伪造与欺骗的应对措施
9.5 社会性问题
9.5.1 失业问题
9.5.2 失业问题的应对措施
9.6 安全性与可靠性
9.6.1 网络攻击
9.6.2 辅助驾驶系统的可靠性
9.6.3 提高安全性与可靠性的方法
9.7 公平性问题
9.7.1 人工智能推动的社会公平
9.7.2 人工智能带来的不平等问题
9.7.3 解决不平等问题的技术与社会策略
9.8 本章小结
课后练习
主要参考文献
前辅文
第1章 人工智能概述
1.1 人工智能的定义与内涵
1.1.1 人工智能的定义
1.1.2 人工智能与人类智能
1.1.3 弱人工智能、强人工智能与超人工智能
1.1.4 人工智能三要素
1.2 人工智能的发展历程
1.2.1 萌芽阶段：从古代幻想到近现代工业革命
1.2.2 第一次高潮阶段：开拓与崛起
1.2.3 第一次低谷阶段：从盲目乐观到投资断粮
1.2.4 第二次高潮阶段：专家系统的兴起与产业化探索
1.2.5 第二次低谷阶段：专家系统的局限与技术冲击
1.2.6 复苏探索期：神经网络的复兴
1.2.7 第三次高潮阶段：深度学习的爆发
1.2.8 我国的人工智能发展历程
1.3 人工智能的行业应用
1.3.1 互联网行业
1.3.2 制造业
1.3.3 医疗卫生行业
1.3.4 交通运输行业
1.3.5 农业
1.3.6 教育行业
1.3.7 智能家居
1.3.8 文化艺术
1.4 本章小结
课后练习
第2章 基于Python的人工智能开发环境
2.1 Python安装与使用
2.2 Anaconda安装与使用
2.2.1 Anaconda安装
2.2.2 Anaconda管理虚拟环境
2.3 Python开发工具
2.3.1 IDLE
2.3.2 Jupyter Notebook
2.3.3 PyCharm
2.4 Python常用库
2.4.1 常用库介绍
2.4.2 库的安装
2.5 常用AI开发网站
2.6 本章小结
课后练习
第3章 机器学习
3.1 机器学习概述
3.1.1 机器学习的基本概念
3.1.2 机器学习的分类
3.1.3 机器学习的基本流程
3.1.4 过拟合与欠拟合
3.2 传统机器学习算法
3.2.1 监督学习算法
任务案例：利用逻辑回归实现手写数字识别
3.2.2 无监督学习算法
任务案例：利用PCA实现人脸识别
3.2.3 强化学习
任务案例：利用强化学习实现迷宫最短路径探索
3.3 神经网络
3.3.1 神经网络概述
3.3.2 神经元模型
3.3.3 神经网络的结构
3.3.4 神经网络的参数优化
3.4 深度学习
3.4.1 深度学习概述
3.4.2 卷积神经网络
3.4.3 深度学习框架与实践
任务案例：基于卷积神经网络的手写数字识别
3.5 本章小结
课后练习
第4章 大语言模型与生成式人工智能
4.1 大语言模型概述
4.1.1 大语言模型的定义
4.1.2 大语言模型的发展历程
4.1.3 主流大语言模型
4.2 大语言模型基本原理及关键技术
4.2.1 大语言模型的基本工作过程
4.2.2 Transformer架构
4.2.3 大语言模型的训练过程
4.2.4 大语言模型的推理
4.3 大语言模型的使用
4.3.1 网页端使用
任务案例：通过提示词生成面向宝马汽车公司销售的求职简历
4.3.2 大模型插件
任务案例：使用Wolfram插件分析销售数据
4.3.3 API调用
任务案例：利用Python调用 DeepSeek模型的API
4.3.4 本地部署
任务案例：本地部署DeepSeek-R1-1.5B模型
4.3.5 大模型的微调
4.4 生成式人工智能
4.4.1 生成式人工智能概述
4.4.2 生成式人工智能的发展历程
4.4.3 生成式人工智能的核心技术
4.5 本章小结
课后练习
第5章 文本类AIGC实践应用
5.1 内容创作
任务案例：利用DeepSeek创作面向小红书用户的产品宣传文案
5.2 语言翻译
5.3 自动问答
任务案例：利用智谱清言智能体打造一款电商客服机器人
5.4 知识提取
任务案例：利用豆包浏览器AI助手插件高效完成AI汽车行业发展报告的信息提取
5.5 内容改写
5.6 代码生成
任务案例：利用GitHub Copilot开发简易计算器
5.7 本章小结
课后练习
第6章 视听类AIGC实践应用
6.1 图像类AIGC实践应用
6.1.1 文本生成图像
任务案例：利用豆包生成“低碳生活”主题公益海报
6.1.2 文本+图像生成图像
任务案例：“一键净风景”——利用豆包去除风景照中的不速之客
6.1.3 图像+图像结合生成图像
6.2 音频类AIGC实践应用
6.2.1 文本转换语音
任务案例：利用TTSMaker为视障用户生成高质量电子书语音
6.2.2 音乐创作
6.2.3 语音克隆
任务案例：利用Cosy Voice生成个性定制化广告配音
6.2.4 音效合成
6.3 视频类AIGC实践应用
6.3.1 由文本生成视频
6.3.2 由图像生成视频
任务案例：利用可灵AI生成南京城市宣传片
6.3.3 由视频生成视频
6.3.4 多模态混合生成视频
任务案例：使用Kreado AI制作电商产品介绍数字人
6.4 本章小结
课后练习
第7章 办公类AIGC实践应用
7.1 WPS AI处理文本文档
任务案例：合同文本的自动生成及排版
7.2 WPS AI处理表格文件
任务案例：学生成绩智能分析与处理
7.3 WPS灵犀设计演示文稿
任务案例：演示文稿创新设计
7.4本章小结
课后练习
第8章 AIGC综合实践
8.1 综合任务1：AI轻松搞定机器人社团招新推文
8.2 综合任务2：打造专属你的AI校园代言人
8.3 本章小结
课后练习
第9章 人工智能伦理
9.1 数据隐私与安全
9.1.1 数据隐私问题
9.1.2 数据安全问题
9.1.3 数据隐私与安全的解决方案
9.2 算法歧视与偏见
9.2.1 算法歧视与偏见的定义
9.2.2 算法歧视与偏见的成因
9.2.3 算法歧视与偏见的影响
9.2.4 算法歧视与偏见的解决方案
9.3 透明度与可解释性
9.3.1 透明度与可解释性的定义
9.3.2 神经网络的黑箱特性
9.3.3 透明度与可解释性的重要性
9.3.4 提高透明度与可解释性的方法
9.4 伪造与欺骗
9.4.1 伪造与欺骗的主要形式
9.4.2 伪造与欺骗的危害
9.4.3 伪造与欺骗的应对措施
9.5 社会性问题
9.5.1 失业问题
9.5.2 失业问题的应对措施
9.6 安全性与可靠性
9.6.1 网络攻击
9.6.2 辅助驾驶系统的可靠性
9.6.3 提高安全性与可靠性的方法
9.7 公平性问题
9.7.1 人工智能推动的社会公平
9.7.2 人工智能带来的不平等问题
9.7.3 解决不平等问题的技术与社会策略
9.8 本章小结
课后练习
主要参考文献
