人工智能通识教程 / 高等院校人工智能通识课程系列教材
定价：￥55.00
作者： 桂小林
出版时间：2025-12
最新印次日期：2025-12
出版社：中国铁道出版社
- 中国铁道出版社
- 9787113326838
- 1-1
- 572058
- 16开
- 2025-12
- 公共基础课
- 公共基础课
- 通用
- 本科
作者简介
内容简介
本书依据《高等学校人工智能创新行动计划》编写，从数字技术与思维变革、人工智能的概念与发展、人工智能的算力网络、人工智能的数据获取与利用、机器学习及其应用、深度学习及其应用、大模型工具及其应用、具身智能与机器人共八个方面布局内容。本书内容与时俱进，从信息、计算与人工智能的技术与应用视角，构建教材内容；守正创新，在强化学生计算思维能力培养的同时，增强学生利用人工智能技术解决实际问题的能力；强化智能思维培养，将数据“喂养”与人工智能模型训练有机结合，通过大量实例增强学生利用数据解决AI问题的能力；加强价值引领，聚焦创新素养、工匠精神与家国情怀的养成。
本书适合作为高等学校“人工智能基础”“计算思维与人工智能”等通识课程的教材；也适合作为高等学校现有“大学计算机基础”“信息技术基础”课程的过渡教材；同时，也可作为广大人工智能爱好者的参考书。
本书适合作为高等学校“人工智能基础”“计算思维与人工智能”等通识课程的教材；也适合作为高等学校现有“大学计算机基础”“信息技术基础”课程的过渡教材；同时，也可作为广大人工智能爱好者的参考书。
目录
第1章数字技术与思维变革1
1.1信息技术与信息革命1
1.1.1信息与信息革命1
1.1.2新一代信息技术3
1.2数字技术与数字革命4
1.2.1数字技术4
1.2.2数字技术赋能各类学科发展5
1.3信息的数字化编码7
1.3.1信息的数制表示7
1.3.2进制数的转换9
1.3.3字符编码11
1.3.4字形编码16
1.4从计算思维到智能思维18
小结20
习题20
第2章人工智能的概念与发展21
2.1人工智能的基本概念21
2.1.1人工智能的概念21
2.1.2人工智能的特征23
2.2人工智能的产生与发展24
2.2.1人工智能的发展历程24
2.2.2人工智能的三大学派27
2.3人工智能的关键技术28
2.3.1传统的人工智能技术28
2.3.2现代人工智能技术29
2.4人工智能的社会伦理31
2.4.1人工智能的社会责任31
2.4.2人工智能的权利与义务32
2.4.3人工智能对就业的影响32人工智能通识教程
2.4.4AI幻觉33
2.5人工智能的典型应用34
小结36
习题36
第3章人工智能的算力网络38
3.1人工智能的算力设施38
3.1.1硬件基础设施38
3.1.2软件开发环境41
3.2通用算力系统42
3.2.1单计算机系统模型42
3.2.2单计算机系统的组成46
3.3超级计算系统49
3.3.1并行计算系统49
3.3.2网络计算系统52
3.4GPU并行计算系统56
3.4.1GPU体系架构56
3.4.2GPU工作流程与应用57
3.5人工智能的算力网络58
3.5.1算力网络概述58
3.5.2“东数西算”战略59
3.5.3端边云协同计算62
小结63
习题63
第4章人工智能的数据获取与利用65
4.1人工智能与大数据65
4.1.1人工智能的数据采集65
4.1.2人工智能的大数据特征66
4.1.3大数据对人工智能的支撑67
4.2人工智能的数据存储方法68
4.2.1关系数据库存储68
4.2.2数据分块与云存储72
4.3知识图谱与数据分析72
4.3.1知识图谱与知识森林73
4.3.2数据分析基础算法75目 录
4.4专家系统80
4.4.1专家系统的概述80
4.4.2专家系统的构成81
4.4.3专家系统的应用82
小结84
习题84
第5章机器学习及其应用86
5.1机器学习概述86
5.1.1机器学习的概念86
5.1.2深度学习与机器学习87
5.2机器学习的分类88
5.2.1无监督学习88
5.2.2有监督学习96
5.2.3强化学习99
5.3神经网络100
5.3.1生物神经网络100
5.3.2人工神经网络101
5.4BP神经网络104
5.4.1BP神经网络的结构与工作过程104
5.4.2BP神经网络的激活函数106
5.4.3BP神经网络的损失函数109
5.4.4BP神经网络的权重更新111
5.5机器学习的模型训练与应用114
5.5.1模型训练的目的和方式114
5.5.2机器学习的模型训练过程116
5.6手写体数字的识别118
5.6.1手写体数字识别的方法和过程118
5.6.2基于BP神经网络的手写体数字识别120
小结121
习题121
第6章深度学习及其应用123
6.1深度学习的基本概念123
6.1.1深度学习的产生与发展123
6.1.2深度神经网络的概念125
6.2典型的深度神经网络125
6.2.1卷积神经网络126
6.2.2循环神经网络130
6.2.3残差神经网络133
6.3深度学习的典型应用137
6.3.1基于CNN的手写数字识别137
6.3.2动物猫狗识别143
6.4联邦学习及其应用151
6.4.1联邦学习的概念与分类151
6.4.2联邦学习的工作过程152
6.4.3联邦学习的全局模型聚合方法154
小结155
习题155
第7章大模型工具及其应用157
7.1大模型的概念与发展历程157
7.1.1大模型技术的概念与特征157
7.1.2大模型的发展历程158
7.2典型大模型系统159
7.2.1自然语言处理大模型159
7.2.2计算机视觉大模型164
7.3大模型的应用技术168
7.3.1文生文169
7.3.2文生图172
7.3.3图生图177
7.3.4提示性工程178
7.4大模型工具的使用179
7.4.1文心一言179
7.4.2DeepSeek182
7.4.3字节豆包186
7.4.4WPSAI192
7.4.5Kimi193
7.4.6其他大模型工具简介195
小结197
习题198
第8章具身智能与机器人200
8.1具身智能与智能体200
8.1.1具身智能概述200
8.1.2智能体的概念与发展201
8.1.3机器人技术的产生与发展203
8.1.4机器人的社会伦理205
8.2具身智能的机器人关键技术207
8.2.1自动控制与智能控制207
8.2.2机器人的闭环控制模型210
8.2.3机器人的感知技术212
8.2.4机器人的运动控制技术215
8.2.5机器人的语音识别与合成技术216
8.2.6机器人的控制算法217
8.3典型机器人219
8.3.1工业机器人219
8.3.2人形机器人220
8.3.3仿真人221
8.3.4机器人士兵222
8.4无人驾驶系统与设备223
8.4.1无人机224
8.4.2无人车225
8.4.3无人船226
8.4.4机器狗227
小结228
习题229
1.1信息技术与信息革命1
1.1.1信息与信息革命1
1.1.2新一代信息技术3
1.2数字技术与数字革命4
1.2.1数字技术4
1.2.2数字技术赋能各类学科发展5
1.3信息的数字化编码7
1.3.1信息的数制表示7
1.3.2进制数的转换9
1.3.3字符编码11
1.3.4字形编码16
1.4从计算思维到智能思维18
小结20
习题20
第2章人工智能的概念与发展21
2.1人工智能的基本概念21
2.1.1人工智能的概念21
2.1.2人工智能的特征23
2.2人工智能的产生与发展24
2.2.1人工智能的发展历程24
2.2.2人工智能的三大学派27
2.3人工智能的关键技术28
2.3.1传统的人工智能技术28
2.3.2现代人工智能技术29
2.4人工智能的社会伦理31
2.4.1人工智能的社会责任31
2.4.2人工智能的权利与义务32
2.4.3人工智能对就业的影响32人工智能通识教程
2.4.4AI幻觉33
2.5人工智能的典型应用34
小结36
习题36
第3章人工智能的算力网络38
3.1人工智能的算力设施38
3.1.1硬件基础设施38
3.1.2软件开发环境41
3.2通用算力系统42
3.2.1单计算机系统模型42
3.2.2单计算机系统的组成46
3.3超级计算系统49
3.3.1并行计算系统49
3.3.2网络计算系统52
3.4GPU并行计算系统56
3.4.1GPU体系架构56
3.4.2GPU工作流程与应用57
3.5人工智能的算力网络58
3.5.1算力网络概述58
3.5.2“东数西算”战略59
3.5.3端边云协同计算62
小结63
习题63
第4章人工智能的数据获取与利用65
4.1人工智能与大数据65
4.1.1人工智能的数据采集65
4.1.2人工智能的大数据特征66
4.1.3大数据对人工智能的支撑67
4.2人工智能的数据存储方法68
4.2.1关系数据库存储68
4.2.2数据分块与云存储72
4.3知识图谱与数据分析72
4.3.1知识图谱与知识森林73
4.3.2数据分析基础算法75目 录
4.4专家系统80
4.4.1专家系统的概述80
4.4.2专家系统的构成81
4.4.3专家系统的应用82
小结84
习题84
第5章机器学习及其应用86
5.1机器学习概述86
5.1.1机器学习的概念86
5.1.2深度学习与机器学习87
5.2机器学习的分类88
5.2.1无监督学习88
5.2.2有监督学习96
5.2.3强化学习99
5.3神经网络100
5.3.1生物神经网络100
5.3.2人工神经网络101
5.4BP神经网络104
5.4.1BP神经网络的结构与工作过程104
5.4.2BP神经网络的激活函数106
5.4.3BP神经网络的损失函数109
5.4.4BP神经网络的权重更新111
5.5机器学习的模型训练与应用114
5.5.1模型训练的目的和方式114
5.5.2机器学习的模型训练过程116
5.6手写体数字的识别118
5.6.1手写体数字识别的方法和过程118
5.6.2基于BP神经网络的手写体数字识别120
小结121
习题121
第6章深度学习及其应用123
6.1深度学习的基本概念123
6.1.1深度学习的产生与发展123
6.1.2深度神经网络的概念125
6.2典型的深度神经网络125
6.2.1卷积神经网络126
6.2.2循环神经网络130
6.2.3残差神经网络133
6.3深度学习的典型应用137
6.3.1基于CNN的手写数字识别137
6.3.2动物猫狗识别143
6.4联邦学习及其应用151
6.4.1联邦学习的概念与分类151
6.4.2联邦学习的工作过程152
6.4.3联邦学习的全局模型聚合方法154
小结155
习题155
第7章大模型工具及其应用157
7.1大模型的概念与发展历程157
7.1.1大模型技术的概念与特征157
7.1.2大模型的发展历程158
7.2典型大模型系统159
7.2.1自然语言处理大模型159
7.2.2计算机视觉大模型164
7.3大模型的应用技术168
7.3.1文生文169
7.3.2文生图172
7.3.3图生图177
7.3.4提示性工程178
7.4大模型工具的使用179
7.4.1文心一言179
7.4.2DeepSeek182
7.4.3字节豆包186
7.4.4WPSAI192
7.4.5Kimi193
7.4.6其他大模型工具简介195
小结197
习题198
第8章具身智能与机器人200
8.1具身智能与智能体200
8.1.1具身智能概述200
8.1.2智能体的概念与发展201
8.1.3机器人技术的产生与发展203
8.1.4机器人的社会伦理205
8.2具身智能的机器人关键技术207
8.2.1自动控制与智能控制207
8.2.2机器人的闭环控制模型210
8.2.3机器人的感知技术212
8.2.4机器人的运动控制技术215
8.2.5机器人的语音识别与合成技术216
8.2.6机器人的控制算法217
8.3典型机器人219
8.3.1工业机器人219
8.3.2人形机器人220
8.3.3仿真人221
8.3.4机器人士兵222
8.4无人驾驶系统与设备223
8.4.1无人机224
8.4.2无人车225
8.4.3无人船226
8.4.4机器狗227
小结228
习题229
