- 高等教育出版社
- 9787040658521
- 1版
- 16开
内容简介
本书系统梳理人工智能的发展脉络、技术原理、应用场景及伦理治理，全方位呈现人工智能的知识体系。
第一篇追溯人工智能的发展历程，从1956年达特茅斯会议正式提出概念，到符号主义与连接主义的技术路线演变，再到深度学习与大数据驱动的第三次浪潮。同时介绍中国人工智能发展战略，包括国家政策规划、产业布局及百度、阿里巴巴等企业的典型实践。
第二篇解析人工智能三大核心要素：数据作为“燃料”，涵盖获取、处理及大数据的5V特征；算法作为“引擎”，讲解机器学习（监督、无监督、强化学习）及深度学习的关键算法；算力作为“动力”，介绍CPU、GPU等硬件载体及算力的战略意义。
第三篇聚焦应用领域，包括自然语言处理（语音识别、机器翻译、智能问答）、计算机视觉（图像识别、视频处理及在医疗、交通等领域的应用）、大模型应用（文生文、文生图、文生视频技术及智能办公场景），以及具身智能在机器人、自动驾驶等领域的探索。
第四篇探讨伦理挑战，分析数据安全、算法偏见、社会就业等风险，介绍国际国内相关法律法规，强调企业社会责任与公众参与的重要性，旨在构建技术与人文平衡的发展路径。
本书可作为高等学校各专业本科、高职高专“人工智能”通识课程的主要教材，也可供对人工智能技术感兴趣的社会读者、行业从业人员参考。
目录
目录
前辅文
第一篇 人工智能发展
第1章 人工智能的起源与演进
1.1 人工智能的定义与分类
1.2 从符号主义到连接主义的发展历程
1.2.1 起步阶段：概念提出与早期探索
1.2.2 第一次低潮：现实挑战与研究降温
1.2.3 第二次浪潮：专家系统与知识工程的兴起
1.2.4 第二次低潮与神经网络的沉寂
1.2.5 第三次浪潮：深度学习与大数据的崛起
1.3 人工智能的主要研究方向与应用领域
第2章 中国人工智能的发展战略
2.1 国家政策与发展规划
2.2 产业布局与技术创新
2.3 典型企业案例分析
第二篇 人工智能基础
第3章 人工智能三要素概述
3.1 人工智能发展的核心支柱：数据、算法与算力
3.1.1 数据
3.1.2 算法
3.1.3 算力
3.2 三要素的协同关系与相互作用
3.3 三要素对人工智能系统性能的影响
3.3.1 数据好坏对性能的影响
3.3.2 算法好坏对性能的影响
3.3.3 算力强弱对性能的影响
第4章 人工智能的“燃料”——数据
4.1 数据的获取与处理
4.1.1 数据获取
4.1.2 数据处理
4.2 大数据概念与原理
4.2.1 什么是大数据
4.2.2 大数据为什么重要
4.3 数据在人工智能中的作用
4.3.1 提升模型性能与泛化能力
4.3.2 保障模型健壮性与稳定性
4.3.3 驱动自动化特征学习与算法创新
第5章 人工智能的“引擎”——算法
5.1 机器学习基本概念
5.1.1 机器学习的定义
5.1.2 机器学习的分类
5.1.3 常见机器学习算法
5.2 深度学习简介
5.2.1 问题定义
5.2.2 数据收集与预处理
5.2.3 模型的选择
5.2.4 模型的训练
5.2.5 模型的评估
5.2.6 模型的应用与持续优化
第6章 人工智能的“动力”——算力
6.1 算力与人工智能发展的关系
6.2 算力的核心载体
6.2.1 算力的执行者——CPU、GPU、TPU
6.2.2 芯片争霸：算力背后的主角们
6.2.3 常见硬件设备及其算力水平对比
6.3 算力在全球的战略地位
6.4 未来趋势
第三篇 人工智能应用
第7章 自然语言处理
7.1 自然语言处理基础
7.1.1 什么是自然语言处理
7.1.2 重要性与发展脉络
7.2 文本处理与分析技术
7.2.1 中文分词
7.2.2 文本分析与分类
7.3 机器翻译与在线翻译
7.3.1 离线翻译：本地化工具的局限性
7.3.2 在线翻译：深度学习驱动的突破
7.3.3 未来趋势：多模态与实时交互
7.4 智能语音
7.4.1 语音识别：声音到文字的转换
7.4.2 语音合成：文字到自然语音的生成
7.4.3 智能问答系统：从“检索”到“对话”
第8章 计算机视觉
8.1 图像基础
8.1.1 什么是图像
8.1.2 图像的类型
8.2 图像识别与分类原理
8.2.1 什么是图像识别与分类
8.2.2 特征提取的原理——让计算机“看到”
8.3 图像处理应用
8.3.1 图像处理在社交媒体中的应用
8.3.2 图像处理在医疗中的应用
8.3.3 图像处理在智慧交通中的应用
8.4 视频处理基础与实例
8.4.1 什么是视频
8.4.2 视频预处理与基本操作
8.4.3 常见的视频处理软件
第9章 大模型应用
9.1 文生文、文生图、文生视频技术初探
9.1.1 文生文：从写作助手到知识问答
9.1.2 文生图：从文字描述到视觉呈现
9.1.3 文生视频：从静态画面到动态叙事
9.2 大模型助力智能办公
9.2.1 文档处理自动化
9.2.2 智能会议助手
9.2.3 数据可视化与分析
9.3 智能内容生成与应用开发
9.3.1 智能内容生成（AIGC）
9.3.2 大模型辅助应用开发
9.3.3 人机协作模式
第10章 具身智能简介
10.1 认识具身智能
10.1.1 智能的历史：从思考到具身
10.1.2 “具身”的概念
10.1.3 具身智能VS传统人工智能
10.1.4 生活中的具身智能例子
10.2 具身智能的应用探索
10.2.1 智能机器人：迈向自主行动
10.2.2 自动驾驶：具身智能在交通中的革命
10.2.3 智能穿戴设备：具身智能的个人助手
10.3 具身智能的未来与反思
10.3.1 具身智能的未来发展趋势
10.3.2 技术伦理与社会影响
10.3.3 跨学科视角中的具身智能
第四篇 人工智能伦理
第11章 人工智能的伦理
11.1 伦理的基本概念
11.2 人工智能伦理的界定
11.3 人工智能伦理理论发展过程
第12章 人工智能伦理风险
12.1 数据安全与隐私风险
12.2 算法偏见与公平性风险
12.3 社会与就业风险
12.4 情感与心理风险
12.5 环境与可持续发展风险
第13章 人工智能伦理相关法律法规
13.1 国际法律法规现状
13.2 国内法律法规情况
13.3 法律法规的作用与局限
第14章 AI社会责任与公众参与
14.1 AI社会责任内涵
14.2 公众参与的意义与方式
14.3 促进AI社会责任与公众参与的机制构建
参考文献
前辅文
第一篇 人工智能发展
第1章 人工智能的起源与演进
1.1 人工智能的定义与分类
1.2 从符号主义到连接主义的发展历程
1.2.1 起步阶段：概念提出与早期探索
1.2.2 第一次低潮：现实挑战与研究降温
1.2.3 第二次浪潮：专家系统与知识工程的兴起
1.2.4 第二次低潮与神经网络的沉寂
1.2.5 第三次浪潮：深度学习与大数据的崛起
1.3 人工智能的主要研究方向与应用领域
第2章 中国人工智能的发展战略
2.1 国家政策与发展规划
2.2 产业布局与技术创新
2.3 典型企业案例分析
第二篇 人工智能基础
第3章 人工智能三要素概述
3.1 人工智能发展的核心支柱：数据、算法与算力
3.1.1 数据
3.1.2 算法
3.1.3 算力
3.2 三要素的协同关系与相互作用
3.3 三要素对人工智能系统性能的影响
3.3.1 数据好坏对性能的影响
3.3.2 算法好坏对性能的影响
3.3.3 算力强弱对性能的影响
第4章 人工智能的“燃料”——数据
4.1 数据的获取与处理
4.1.1 数据获取
4.1.2 数据处理
4.2 大数据概念与原理
4.2.1 什么是大数据
4.2.2 大数据为什么重要
4.3 数据在人工智能中的作用
4.3.1 提升模型性能与泛化能力
4.3.2 保障模型健壮性与稳定性
4.3.3 驱动自动化特征学习与算法创新
第5章 人工智能的“引擎”——算法
5.1 机器学习基本概念
5.1.1 机器学习的定义
5.1.2 机器学习的分类
5.1.3 常见机器学习算法
5.2 深度学习简介
5.2.1 问题定义
5.2.2 数据收集与预处理
5.2.3 模型的选择
5.2.4 模型的训练
5.2.5 模型的评估
5.2.6 模型的应用与持续优化
第6章 人工智能的“动力”——算力
6.1 算力与人工智能发展的关系
6.2 算力的核心载体
6.2.1 算力的执行者——CPU、GPU、TPU
6.2.2 芯片争霸：算力背后的主角们
6.2.3 常见硬件设备及其算力水平对比
6.3 算力在全球的战略地位
6.4 未来趋势
第三篇 人工智能应用
第7章 自然语言处理
7.1 自然语言处理基础
7.1.1 什么是自然语言处理
7.1.2 重要性与发展脉络
7.2 文本处理与分析技术
7.2.1 中文分词
7.2.2 文本分析与分类
7.3 机器翻译与在线翻译
7.3.1 离线翻译：本地化工具的局限性
7.3.2 在线翻译：深度学习驱动的突破
7.3.3 未来趋势：多模态与实时交互
7.4 智能语音
7.4.1 语音识别：声音到文字的转换
7.4.2 语音合成：文字到自然语音的生成
7.4.3 智能问答系统：从“检索”到“对话”
第8章 计算机视觉
8.1 图像基础
8.1.1 什么是图像
8.1.2 图像的类型
8.2 图像识别与分类原理
8.2.1 什么是图像识别与分类
8.2.2 特征提取的原理——让计算机“看到”
8.3 图像处理应用
8.3.1 图像处理在社交媒体中的应用
8.3.2 图像处理在医疗中的应用
8.3.3 图像处理在智慧交通中的应用
8.4 视频处理基础与实例
8.4.1 什么是视频
8.4.2 视频预处理与基本操作
8.4.3 常见的视频处理软件
第9章 大模型应用
9.1 文生文、文生图、文生视频技术初探
9.1.1 文生文：从写作助手到知识问答
9.1.2 文生图：从文字描述到视觉呈现
9.1.3 文生视频：从静态画面到动态叙事
9.2 大模型助力智能办公
9.2.1 文档处理自动化
9.2.2 智能会议助手
9.2.3 数据可视化与分析
9.3 智能内容生成与应用开发
9.3.1 智能内容生成（AIGC）
9.3.2 大模型辅助应用开发
9.3.3 人机协作模式
第10章 具身智能简介
10.1 认识具身智能
10.1.1 智能的历史：从思考到具身
10.1.2 “具身”的概念
10.1.3 具身智能VS传统人工智能
10.1.4 生活中的具身智能例子
10.2 具身智能的应用探索
10.2.1 智能机器人：迈向自主行动
10.2.2 自动驾驶：具身智能在交通中的革命
10.2.3 智能穿戴设备：具身智能的个人助手
10.3 具身智能的未来与反思
10.3.1 具身智能的未来发展趋势
10.3.2 技术伦理与社会影响
10.3.3 跨学科视角中的具身智能
第四篇 人工智能伦理
第11章 人工智能的伦理
11.1 伦理的基本概念
11.2 人工智能伦理的界定
11.3 人工智能伦理理论发展过程
第12章 人工智能伦理风险
12.1 数据安全与隐私风险
12.2 算法偏见与公平性风险
12.3 社会与就业风险
12.4 情感与心理风险
12.5 环境与可持续发展风险
第13章 人工智能伦理相关法律法规
13.1 国际法律法规现状
13.2 国内法律法规情况
13.3 法律法规的作用与局限
第14章 AI社会责任与公众参与
14.1 AI社会责任内涵
14.2 公众参与的意义与方式
14.3 促进AI社会责任与公众参与的机制构建
参考文献
前辅文
第一篇 人工智能发展
第1章 人工智能的起源与演进
1.1 人工智能的定义与分类
1.2 从符号主义到连接主义的发展历程
1.2.1 起步阶段：概念提出与早期探索
1.2.2 第一次低潮：现实挑战与研究降温
1.2.3 第二次浪潮：专家系统与知识工程的兴起
1.2.4 第二次低潮与神经网络的沉寂
1.2.5 第三次浪潮：深度学习与大数据的崛起
1.3 人工智能的主要研究方向与应用领域
第2章 中国人工智能的发展战略
2.1 国家政策与发展规划
2.2 产业布局与技术创新
2.3 典型企业案例分析
第二篇 人工智能基础
第3章 人工智能三要素概述
3.1 人工智能发展的核心支柱：数据、算法与算力
3.1.1 数据
3.1.2 算法
3.1.3 算力
3.2 三要素的协同关系与相互作用
3.3 三要素对人工智能系统性能的影响
3.3.1 数据好坏对性能的影响
3.3.2 算法好坏对性能的影响
3.3.3 算力强弱对性能的影响
第4章 人工智能的“燃料”——数据
4.1 数据的获取与处理
4.1.1 数据获取
4.1.2 数据处理
4.2 大数据概念与原理
4.2.1 什么是大数据
4.2.2 大数据为什么重要
4.3 数据在人工智能中的作用
4.3.1 提升模型性能与泛化能力
4.3.2 保障模型健壮性与稳定性
4.3.3 驱动自动化特征学习与算法创新
第5章 人工智能的“引擎”——算法
5.1 机器学习基本概念
5.1.1 机器学习的定义
5.1.2 机器学习的分类
5.1.3 常见机器学习算法
5.2 深度学习简介
5.2.1 问题定义
5.2.2 数据收集与预处理
5.2.3 模型的选择
5.2.4 模型的训练
5.2.5 模型的评估
5.2.6 模型的应用与持续优化
第6章 人工智能的“动力”——算力
6.1 算力与人工智能发展的关系
6.2 算力的核心载体
6.2.1 算力的执行者——CPU、GPU、TPU
6.2.2 芯片争霸：算力背后的主角们
6.2.3 常见硬件设备及其算力水平对比
6.3 算力在全球的战略地位
6.4 未来趋势
第三篇 人工智能应用
第7章 自然语言处理
7.1 自然语言处理基础
7.1.1 什么是自然语言处理
7.1.2 重要性与发展脉络
7.2 文本处理与分析技术
7.2.1 中文分词
7.2.2 文本分析与分类
7.3 机器翻译与在线翻译
7.3.1 离线翻译：本地化工具的局限性
7.3.2 在线翻译：深度学习驱动的突破
7.3.3 未来趋势：多模态与实时交互
7.4 智能语音
7.4.1 语音识别：声音到文字的转换
7.4.2 语音合成：文字到自然语音的生成
7.4.3 智能问答系统：从“检索”到“对话”
第8章 计算机视觉
8.1 图像基础
8.1.1 什么是图像
8.1.2 图像的类型
8.2 图像识别与分类原理
8.2.1 什么是图像识别与分类
8.2.2 特征提取的原理——让计算机“看到”
8.3 图像处理应用
8.3.1 图像处理在社交媒体中的应用
8.3.2 图像处理在医疗中的应用
8.3.3 图像处理在智慧交通中的应用
8.4 视频处理基础与实例
8.4.1 什么是视频
8.4.2 视频预处理与基本操作
8.4.3 常见的视频处理软件
第9章 大模型应用
9.1 文生文、文生图、文生视频技术初探
9.1.1 文生文：从写作助手到知识问答
9.1.2 文生图：从文字描述到视觉呈现
9.1.3 文生视频：从静态画面到动态叙事
9.2 大模型助力智能办公
9.2.1 文档处理自动化
9.2.2 智能会议助手
9.2.3 数据可视化与分析
9.3 智能内容生成与应用开发
9.3.1 智能内容生成（AIGC）
9.3.2 大模型辅助应用开发
9.3.3 人机协作模式
第10章 具身智能简介
10.1 认识具身智能
10.1.1 智能的历史：从思考到具身
10.1.2 “具身”的概念
10.1.3 具身智能VS传统人工智能
10.1.4 生活中的具身智能例子
10.2 具身智能的应用探索
10.2.1 智能机器人：迈向自主行动
10.2.2 自动驾驶：具身智能在交通中的革命
10.2.3 智能穿戴设备：具身智能的个人助手
10.3 具身智能的未来与反思
10.3.1 具身智能的未来发展趋势
10.3.2 技术伦理与社会影响
10.3.3 跨学科视角中的具身智能
第四篇 人工智能伦理
第11章 人工智能的伦理
11.1 伦理的基本概念
11.2 人工智能伦理的界定
11.3 人工智能伦理理论发展过程
第12章 人工智能伦理风险
12.1 数据安全与隐私风险
12.2 算法偏见与公平性风险
12.3 社会与就业风险
12.4 情感与心理风险
12.5 环境与可持续发展风险
第13章 人工智能伦理相关法律法规
13.1 国际法律法规现状
13.2 国内法律法规情况
13.3 法律法规的作用与局限
第14章 AI社会责任与公众参与
14.1 AI社会责任内涵
14.2 公众参与的意义与方式
14.3 促进AI社会责任与公众参与的机制构建
参考文献
前辅文
第一篇 人工智能发展
第1章 人工智能的起源与演进
1.1 人工智能的定义与分类
1.2 从符号主义到连接主义的发展历程
1.2.1 起步阶段：概念提出与早期探索
1.2.2 第一次低潮：现实挑战与研究降温
1.2.3 第二次浪潮：专家系统与知识工程的兴起
1.2.4 第二次低潮与神经网络的沉寂
1.2.5 第三次浪潮：深度学习与大数据的崛起
1.3 人工智能的主要研究方向与应用领域
第2章 中国人工智能的发展战略
2.1 国家政策与发展规划
2.2 产业布局与技术创新
2.3 典型企业案例分析
第二篇 人工智能基础
第3章 人工智能三要素概述
3.1 人工智能发展的核心支柱：数据、算法与算力
3.1.1 数据
3.1.2 算法
3.1.3 算力
3.2 三要素的协同关系与相互作用
3.3 三要素对人工智能系统性能的影响
3.3.1 数据好坏对性能的影响
3.3.2 算法好坏对性能的影响
3.3.3 算力强弱对性能的影响
第4章 人工智能的“燃料”——数据
4.1 数据的获取与处理
4.1.1 数据获取
4.1.2 数据处理
4.2 大数据概念与原理
4.2.1 什么是大数据
4.2.2 大数据为什么重要
4.3 数据在人工智能中的作用
4.3.1 提升模型性能与泛化能力
4.3.2 保障模型健壮性与稳定性
4.3.3 驱动自动化特征学习与算法创新
第5章 人工智能的“引擎”——算法
5.1 机器学习基本概念
5.1.1 机器学习的定义
5.1.2 机器学习的分类
5.1.3 常见机器学习算法
5.2 深度学习简介
5.2.1 问题定义
5.2.2 数据收集与预处理
5.2.3 模型的选择
5.2.4 模型的训练
5.2.5 模型的评估
5.2.6 模型的应用与持续优化
第6章 人工智能的“动力”——算力
6.1 算力与人工智能发展的关系
6.2 算力的核心载体
6.2.1 算力的执行者——CPU、GPU、TPU
6.2.2 芯片争霸：算力背后的主角们
6.2.3 常见硬件设备及其算力水平对比
6.3 算力在全球的战略地位
6.4 未来趋势
第三篇 人工智能应用
第7章 自然语言处理
7.1 自然语言处理基础
7.1.1 什么是自然语言处理
7.1.2 重要性与发展脉络
7.2 文本处理与分析技术
7.2.1 中文分词
7.2.2 文本分析与分类
7.3 机器翻译与在线翻译
7.3.1 离线翻译：本地化工具的局限性
7.3.2 在线翻译：深度学习驱动的突破
7.3.3 未来趋势：多模态与实时交互
7.4 智能语音
7.4.1 语音识别：声音到文字的转换
7.4.2 语音合成：文字到自然语音的生成
7.4.3 智能问答系统：从“检索”到“对话”
第8章 计算机视觉
8.1 图像基础
8.1.1 什么是图像
8.1.2 图像的类型
8.2 图像识别与分类原理
8.2.1 什么是图像识别与分类
8.2.2 特征提取的原理——让计算机“看到”
8.3 图像处理应用
8.3.1 图像处理在社交媒体中的应用
8.3.2 图像处理在医疗中的应用
8.3.3 图像处理在智慧交通中的应用
8.4 视频处理基础与实例
8.4.1 什么是视频
8.4.2 视频预处理与基本操作
8.4.3 常见的视频处理软件
第9章 大模型应用
9.1 文生文、文生图、文生视频技术初探
9.1.1 文生文：从写作助手到知识问答
9.1.2 文生图：从文字描述到视觉呈现
9.1.3 文生视频：从静态画面到动态叙事
9.2 大模型助力智能办公
9.2.1 文档处理自动化
9.2.2 智能会议助手
9.2.3 数据可视化与分析
9.3 智能内容生成与应用开发
9.3.1 智能内容生成（AIGC）
9.3.2 大模型辅助应用开发
9.3.3 人机协作模式
第10章 具身智能简介
10.1 认识具身智能
10.1.1 智能的历史：从思考到具身
10.1.2 “具身”的概念
10.1.3 具身智能VS传统人工智能
10.1.4 生活中的具身智能例子
10.2 具身智能的应用探索
10.2.1 智能机器人：迈向自主行动
10.2.2 自动驾驶：具身智能在交通中的革命
10.2.3 智能穿戴设备：具身智能的个人助手
10.3 具身智能的未来与反思
10.3.1 具身智能的未来发展趋势
10.3.2 技术伦理与社会影响
10.3.3 跨学科视角中的具身智能
第四篇 人工智能伦理
第11章 人工智能的伦理
11.1 伦理的基本概念
11.2 人工智能伦理的界定
11.3 人工智能伦理理论发展过程
第12章 人工智能伦理风险
12.1 数据安全与隐私风险
12.2 算法偏见与公平性风险
12.3 社会与就业风险
12.4 情感与心理风险
12.5 环境与可持续发展风险
第13章 人工智能伦理相关法律法规
13.1 国际法律法规现状
13.2 国内法律法规情况
13.3 法律法规的作用与局限
第14章 AI社会责任与公众参与
14.1 AI社会责任内涵
14.2 公众参与的意义与方式
14.3 促进AI社会责任与公众参与的机制构建
参考文献
