新一代信息技术与人工智能导论 / 高等院校人工智能通识课程系列教材
定价：￥49.80
作者： 渠慎明，孙华，吕永飞
出版时间：2025-08
最新印次日期：2025-8
出版社：中国铁道出版社
试读
- 中国铁道出版社
- 9787113324285
- 1版
- 572062
- 16开
- 2025-08
- 公共基础课
- 公共基础课
- 电子与信息大类
- 计算机类
- 通用
- 本科 高职
作者简介
内容简介
本书依据新时代人工智能通识课程教学要求编写。全书以新一代信息技术为起点，以人工智能为主线，系统构建了“理论-技术-应用-伦理”的完整知识体系。本书共分10章，包括新一代信息技术、人工智能概论、机器学习和深度学习、自然语言处理、计算机听觉、计算机视觉、人工智能应用开发与实践、大模型、AIGC应用、人工智能伦理与治理。本书突出前沿性、实用性与通用性特色，既保持技术深度又注重通俗表达，通过丰富的案例和实验设计降低学习门槛。特别设置无代码开发、AIGC等实践环节，可帮助不同专业背景的学生形成直观认知，培养学生跨学科思维能力和解决问题的能力。
本书适合作为高等院校全学科人工智能通识课程教材，也可供对人工智能感兴趣的社会读者参考使用。
本书适合作为高等院校全学科人工智能通识课程教材，也可供对人工智能感兴趣的社会读者参考使用。
目录
第1章新一代信息技术.1
1.1新一代信息技术的概念2
1.1.1信息技术发展历程2
1.1.2新一代信息技术的特点4
1.2互联网与物联网技术7
1.2.1互联网：跨越时空的信息高速公路.7
1.2.2物联网：当物理世界开始“思考”.8
1.2.3互联网与物联网的融合应用.10
1.3大数据技术10
1.3.1大数据技术的概念11
1.3.2大数据技术的特点11
1.3.3大数据处理流程12
1.3.4大数据技术的应用领域13
1.4云计算与边缘计算14
1.4.1云计算与边缘计算的基本概念14
1.4.2云计算与边缘计算的特点16
1.4.3云计算与边缘计算的架构18
1.4.4云计算与边缘计算的应用场景19
1.5新一代信息技术与人工智能的关系20
1.5.1新一代信息技术为人工智能发展赋能20
1.5.2人工智能推动新一代信息技术升级.21
1.5.3人工智能与新一代信息技术面临的挑战22
习题24
第2章人工智能概论.26
2.1人工智能概述.27
2.1.1人工智能的定义与发展历程.27
2.1.2人工智能的核心技术.30
2.2人工智能三大学派32
2.2.1符号主义学派.32
2.2.2连接主义学派.33
2.2.3行为主义学派.34
2.3人工智能的三大要素35
2.3.1数据35
2.3.2算法35
2.3.3算力37
2.4人工智能行业应用38
2.4.1人工智能在医学领域的应用.38
2.4.2人工智能在交通领域的应用.39
2.4.3人工智能在农业领域的应用.40
2.4.4人工智能在文化保护的应用.42
习题43
第3章机器学习和深度学习45
3.1机器学习概述.46
3.1.1机器学习的三大范式.46
3.1.2机器学习的常见算法.48
3.2深度学习52
3.2.1为什么需要深度学习.52
3.2.2深度学习的基本概念.54
3.2.3深度学习的流程58
3.2.4深度学习的经典模型.64
习 题68
第4章自然语言处理.69
4.1自然语言处理概述70
4.1.1自然语言处理的概念.70
4.1.2自然语言处理的发展历程71
4.1.3自然语言处理的基本流程72
4.1.4自然语言处理相关工具75
4.2自然语言处理的基础任务76
4.2.1命名实体识别.76
4.2.2文本分类77
4.2.3文本相似度分析79
4.2.4情感分析81
4.3自然语言处理的挑战与未来方向85
4.3.1当前技术瓶颈.85
4.3.2未来研究方向.86
习 题87
第5章计算机听觉89
5.1认识计算机听觉.90
5.1.1计算机听觉的概念90
5.1.2计算机听觉的发展历程90
5.2与声音有关的概念91
5.2.1声音的物理概念91
5.2.2语言和音乐相关的概念93
5.3计算机听觉的相关任务95
5.3.1语音相关任务.95
5.3.2环境声音分析.98
5.3.3音乐信息处理.100
5.3.4声源分离与音频增强.101
5.4计算机听觉采用的方法102
5.4.1传统的计算机听觉方法102
5.4.2计算机听觉的深度学习方法.103
5.4.3其他任务采用的方法.104
5.6计算机听觉的挑战与未来方向105
5.6.1当前技术瓶颈.105
5.6.2未来研究方向.106
习 题107
第6章计算机视觉108
6.1计算机视觉概述.109
6.1.1计算机视觉基础概念.109
6.1.2计算机视觉基本处理流程115
6.2计算机视觉基础任务116
6.2.1图像分类116
6.2.2目标检测118
6.2.3图像分割的概念120
6.2.4视频任务121
6.3计算机视觉的挑战与未来方向125
6.3.1当前技术瓶颈.125
6.3.2未来研究方向.125
习 题126
第7章人工智能应用开发与实践127
7.1人工智能应用开发流程128
7.1.1开发目标与需求分析.128
7.1.2数据的获取与预处理.128
7.1.3模型选择与训练129
7.1.4模型评估与优化130
7.1.5应用的部署与维护131
7.2无代码开发130
7.2.1无代码开发的概念131
7.2.2无代码开发平台132
7.2.3无代码开发案例解析.137
7.2.4无代码平台开发应用实践139
习 题145
第8章大模型.147
8.1大模型概述148
8.1.1大模型的定义.148
8.1.2发展历程149
8.1.3大模型的分类.150
8.2国内外大模型工具151
8.2.1DeepSeek大模型151
8.2.2盘古大模型152
8.2.3文心一言153
8.2.4Kimi154
8.2.5ChatGPT.155
8.3大模型核心技术.156
8.3.1大模型基石：Transformer架构译解156
8.3.2大模型动力之源：大规模数据训练等略解析158
8.3.3性能评估指标.159
8.4大模型与行业融合161
8.4.1金融行业：从风险管控到智能服务的全链条赋能.161
8.4.2医疗行业：从辅助诊断到精准医疗的范式革新162
8.4.3教育行业：从标准化教学到个性化学习的模式转型162
8.5大模型本地部署.163
习 题165
第9章AIGC应用167
9.1生成式人工智能.168
9.1.1生成式人工智能概述.168
9.1.2生成式人工智能的发展历程.170
9.2生成式人工智能产业和应用.171
9.2.1生成式人工智能的产业生态.171
9.2.2生成式人工智能的应用情况.172
9.3生成式人工智能核心技术173
9.3.1主要技术原理.173
9.3.2技术挑战177
9.4提示词工程的开发与优化177
9.4.1提示词工程概述177
9.4.2提示词设计的基本原则178
9.4.3提示词的设计方法179
9.5生成式人工智能案例设计180
9.5.1文本生成案例设计181
9.5.2图像生成案例设计183
9.5.3代码生成案例设计185
9.5.4视频生成案例设计188
9.5.5音频生成案例设计189
9.6AIGC智能办公192
9.6.1AIGC在办公场景中的应用价值192
9.6.2典型应用场景.192
9.7AIGC赋能科研200
9.7.1AIGC在科研工作中的应用价值.200
9.7.2典型应用场景.201
9.8智能体和数字人.204
9.8.1智能体.204
9.8.2数字人.208
习 题.211
第10章人工智能伦理与治理213
10.1人工智能伦理的理论基础214
10.2人工智能伦理的典型挑战214
10.2.1算法偏见与歧视.214
10.2.2数据隐私与公共安全冲突215
10.2.3道德困境与伦理冲突215
10.2.4AI造假与信息可信危机216
10.3伦理治理的应对策略.217
10.4未来趋势：伦理与技术的共生发展217
10.4.1智能化伦理工具：AI驱动伦理风险预测217
10.4.2全球伦理治理协同：国际标准与本土化实践.218
10.4.3伦理引领技术创新：从约束到价值创造218
习 题.219
参考文献221
1.1新一代信息技术的概念2
1.1.1信息技术发展历程2
1.1.2新一代信息技术的特点4
1.2互联网与物联网技术7
1.2.1互联网：跨越时空的信息高速公路.7
1.2.2物联网：当物理世界开始“思考”.8
1.2.3互联网与物联网的融合应用.10
1.3大数据技术10
1.3.1大数据技术的概念11
1.3.2大数据技术的特点11
1.3.3大数据处理流程12
1.3.4大数据技术的应用领域13
1.4云计算与边缘计算14
1.4.1云计算与边缘计算的基本概念14
1.4.2云计算与边缘计算的特点16
1.4.3云计算与边缘计算的架构18
1.4.4云计算与边缘计算的应用场景19
1.5新一代信息技术与人工智能的关系20
1.5.1新一代信息技术为人工智能发展赋能20
1.5.2人工智能推动新一代信息技术升级.21
1.5.3人工智能与新一代信息技术面临的挑战22
习题24
第2章人工智能概论.26
2.1人工智能概述.27
2.1.1人工智能的定义与发展历程.27
2.1.2人工智能的核心技术.30
2.2人工智能三大学派32
2.2.1符号主义学派.32
2.2.2连接主义学派.33
2.2.3行为主义学派.34
2.3人工智能的三大要素35
2.3.1数据35
2.3.2算法35
2.3.3算力37
2.4人工智能行业应用38
2.4.1人工智能在医学领域的应用.38
2.4.2人工智能在交通领域的应用.39
2.4.3人工智能在农业领域的应用.40
2.4.4人工智能在文化保护的应用.42
习题43
第3章机器学习和深度学习45
3.1机器学习概述.46
3.1.1机器学习的三大范式.46
3.1.2机器学习的常见算法.48
3.2深度学习52
3.2.1为什么需要深度学习.52
3.2.2深度学习的基本概念.54
3.2.3深度学习的流程58
3.2.4深度学习的经典模型.64
习 题68
第4章自然语言处理.69
4.1自然语言处理概述70
4.1.1自然语言处理的概念.70
4.1.2自然语言处理的发展历程71
4.1.3自然语言处理的基本流程72
4.1.4自然语言处理相关工具75
4.2自然语言处理的基础任务76
4.2.1命名实体识别.76
4.2.2文本分类77
4.2.3文本相似度分析79
4.2.4情感分析81
4.3自然语言处理的挑战与未来方向85
4.3.1当前技术瓶颈.85
4.3.2未来研究方向.86
习 题87
第5章计算机听觉89
5.1认识计算机听觉.90
5.1.1计算机听觉的概念90
5.1.2计算机听觉的发展历程90
5.2与声音有关的概念91
5.2.1声音的物理概念91
5.2.2语言和音乐相关的概念93
5.3计算机听觉的相关任务95
5.3.1语音相关任务.95
5.3.2环境声音分析.98
5.3.3音乐信息处理.100
5.3.4声源分离与音频增强.101
5.4计算机听觉采用的方法102
5.4.1传统的计算机听觉方法102
5.4.2计算机听觉的深度学习方法.103
5.4.3其他任务采用的方法.104
5.6计算机听觉的挑战与未来方向105
5.6.1当前技术瓶颈.105
5.6.2未来研究方向.106
习 题107
第6章计算机视觉108
6.1计算机视觉概述.109
6.1.1计算机视觉基础概念.109
6.1.2计算机视觉基本处理流程115
6.2计算机视觉基础任务116
6.2.1图像分类116
6.2.2目标检测118
6.2.3图像分割的概念120
6.2.4视频任务121
6.3计算机视觉的挑战与未来方向125
6.3.1当前技术瓶颈.125
6.3.2未来研究方向.125
习 题126
第7章人工智能应用开发与实践127
7.1人工智能应用开发流程128
7.1.1开发目标与需求分析.128
7.1.2数据的获取与预处理.128
7.1.3模型选择与训练129
7.1.4模型评估与优化130
7.1.5应用的部署与维护131
7.2无代码开发130
7.2.1无代码开发的概念131
7.2.2无代码开发平台132
7.2.3无代码开发案例解析.137
7.2.4无代码平台开发应用实践139
习 题145
第8章大模型.147
8.1大模型概述148
8.1.1大模型的定义.148
8.1.2发展历程149
8.1.3大模型的分类.150
8.2国内外大模型工具151
8.2.1DeepSeek大模型151
8.2.2盘古大模型152
8.2.3文心一言153
8.2.4Kimi154
8.2.5ChatGPT.155
8.3大模型核心技术.156
8.3.1大模型基石：Transformer架构译解156
8.3.2大模型动力之源：大规模数据训练等略解析158
8.3.3性能评估指标.159
8.4大模型与行业融合161
8.4.1金融行业：从风险管控到智能服务的全链条赋能.161
8.4.2医疗行业：从辅助诊断到精准医疗的范式革新162
8.4.3教育行业：从标准化教学到个性化学习的模式转型162
8.5大模型本地部署.163
习 题165
第9章AIGC应用167
9.1生成式人工智能.168
9.1.1生成式人工智能概述.168
9.1.2生成式人工智能的发展历程.170
9.2生成式人工智能产业和应用.171
9.2.1生成式人工智能的产业生态.171
9.2.2生成式人工智能的应用情况.172
9.3生成式人工智能核心技术173
9.3.1主要技术原理.173
9.3.2技术挑战177
9.4提示词工程的开发与优化177
9.4.1提示词工程概述177
9.4.2提示词设计的基本原则178
9.4.3提示词的设计方法179
9.5生成式人工智能案例设计180
9.5.1文本生成案例设计181
9.5.2图像生成案例设计183
9.5.3代码生成案例设计185
9.5.4视频生成案例设计188
9.5.5音频生成案例设计189
9.6AIGC智能办公192
9.6.1AIGC在办公场景中的应用价值192
9.6.2典型应用场景.192
9.7AIGC赋能科研200
9.7.1AIGC在科研工作中的应用价值.200
9.7.2典型应用场景.201
9.8智能体和数字人.204
9.8.1智能体.204
9.8.2数字人.208
习 题.211
第10章人工智能伦理与治理213
10.1人工智能伦理的理论基础214
10.2人工智能伦理的典型挑战214
10.2.1算法偏见与歧视.214
10.2.2数据隐私与公共安全冲突215
10.2.3道德困境与伦理冲突215
10.2.4AI造假与信息可信危机216
10.3伦理治理的应对策略.217
10.4未来趋势：伦理与技术的共生发展217
10.4.1智能化伦理工具：AI驱动伦理风险预测217
10.4.2全球伦理治理协同：国际标准与本土化实践.218
10.4.3伦理引领技术创新：从约束到价值创造218
习 题.219
参考文献221
