- 高等教育出版社
- 9787040674750
- 1版
- 16开
- 430
内容简介
全书由绪论、原理篇、应用篇和专题篇四个部分组成：绪论主要介绍人工智能的发展简史、大模型的科学基础、大模型的发展趋势和应用前景；原理篇按照大模型的发展逻辑和关键技术进行组织；应用篇按照大模型在实体经济、服务经济、社会治理和政策设计中的应用思路进行组织；专题篇按照人工智能对经济社会发展更深远的影响以及人工智能研究与应用的发展趋势进行组织。本书有助于读者系统掌握以大模型为代表的新一代人工智能的基础理论、关键技术与应用方法，养成应用人工智能解决复杂现实问题的技术素养与系统思维，从而在以后的学习和工作中能够对人工智能技术及其应用做出创造性和引领性贡献。
本书可作为高等院校人工智能通识课程教材，也可作为经济管理类专业人工智能课程教材，亦可供人工智能及其应用领域的科技专业人员和管理人员参考使用。
目录
目录
前辅文
绪论
0.1 人工智能发展简史
0.2 大模型的科学基础
0.3 大模型的发展趋势和应用前景
0.4 全书的基本结构
原理篇
第1章 机器学习基础
1.1 引言
1.2 机器学习与最优化理论
1.3 监督学习
1.4 无监督学习
1.5 强化学习
第2章 神经网络与深度学习
2.1 引言
2.2 神经网络的基本原理
2.3 深度神经网络架构
2.4 深度学习的训练与调优
第3章 多模态大数据
3.1 引言
3.2 多模态大数据获取
3.3 单模态大数据处理方法
3.4 多模态大数据对齐方法
3.5 多模态大数据融合方法
3.6 分布式多模态大数据分析方法
第4章 大模型的结构设计与训练
4.1 引言
4.2 注意力机制与Transformer
4.3 大模型架构
4.4 大模型结构的详细设计方法
4.5 大模型的训练
第5章 大模型的推理与加速
5.1 引言
5.2 大模型推理基础
5.3 推理优化技术
5.4 分布式并行技术
第6章 AI Agent的关键技术
6.1 引言
6.2 AI Agent的架构设计技术
6.3 AI Agent的系统构建技术
6.4 AI Agent的交互技术
6.5 多AI Agent的协作技术
第7章 大模型的涌现机理
7.1 引言
7.2 LLM涌现能力
7.3 LLM涌现能力示例
7.4 LLM涌现机理分析
7.5 LLM涌现的影响与挑战
第8章 人工智能安全与治理
8.1 引言
8.2 技术安全与治理
8.3 数据安全与治理
8.4 伦理风险与治理
8.5 价值对齐风险与治理
8.6 系统安全与治理
应用篇
第9章 垂直领域大语言模型
9.1 引言
9.2 基座大模型的评测及选择
9.3 垂直领域大语言模型的训练
9.4 指令微调
9.5 垂直领域大语言模型与人类偏好对齐
9.6 垂直领域大语言模型与RAG
第10章 大模型与智能企业管理
10.1 引言
10.2 企业管理大模型构建
10.3 大模型与战略管理
10.4 大模型与运作管理
10.5 大模型与财务管理
10.6 大模型与人力资源管理
第11章 大模型与智能金融管理
11.1 引言
11.2 金融管理大模型构建
11.3 大模型与智能金融客服
11.4 大模型与智能金融投顾
11.5 大模型与智能金融量化交易
11.6 大模型与智能金融风险控制
第12章 大模型与智能社会治理
12.1 引言
12.2 社会治理大模型构建
12.3 大模型与政务治理
12.4 大模型与基层卫生治理
12.5 大模型与生态环境治理
第13章 大模型与智能公共政策分析
13.1 引言
13.2 公共政策分析大模型构建
13.3 大模型与公共政策问题识别
13.4 大模型与公共政策方案设计
13.5 大模型与公共政策执行监控
13.6 大模型与公共政策效果评估
专题篇
第14章 具身智能模型设计与训练
14.1 引言
14.2 具身智能技术架构
14.3 数据获取策略
14.4 具身智能模型设计与训练
第15章 人工智能与数字经济
15.1 引言
15.2 数据要素及其特性
15.3 基于人工智能的经济分析
15.4 基于人工智能的经济调控
15.5 经济形态的演变与智能经济
第16章 人工智能的新进展
16.1 引言
16.2 大规模高质量数据
16.3 模型架构与高效算法
16.4 专用化高性能算力
16.5 高价值应用场景
16.6 物理AI
前辅文
绪论
0.1 人工智能发展简史
0.2 大模型的科学基础
0.3 大模型的发展趋势和应用前景
0.4 全书的基本结构
原理篇
第1章 机器学习基础
1.1 引言
1.2 机器学习与最优化理论
1.3 监督学习
1.4 无监督学习
1.5 强化学习
第2章 神经网络与深度学习
2.1 引言
2.2 神经网络的基本原理
2.3 深度神经网络架构
2.4 深度学习的训练与调优
第3章 多模态大数据
3.1 引言
3.2 多模态大数据获取
3.3 单模态大数据处理方法
3.4 多模态大数据对齐方法
3.5 多模态大数据融合方法
3.6 分布式多模态大数据分析方法
第4章 大模型的结构设计与训练
4.1 引言
4.2 注意力机制与Transformer
4.3 大模型架构
4.4 大模型结构的详细设计方法
4.5 大模型的训练
第5章 大模型的推理与加速
5.1 引言
5.2 大模型推理基础
5.3 推理优化技术
5.4 分布式并行技术
第6章 AI Agent的关键技术
6.1 引言
6.2 AI Agent的架构设计技术
6.3 AI Agent的系统构建技术
6.4 AI Agent的交互技术
6.5 多AI Agent的协作技术
第7章 大模型的涌现机理
7.1 引言
7.2 LLM涌现能力
7.3 LLM涌现能力示例
7.4 LLM涌现机理分析
7.5 LLM涌现的影响与挑战
第8章 人工智能安全与治理
8.1 引言
8.2 技术安全与治理
8.3 数据安全与治理
8.4 伦理风险与治理
8.5 价值对齐风险与治理
8.6 系统安全与治理
应用篇
第9章 垂直领域大语言模型
9.1 引言
9.2 基座大模型的评测及选择
9.3 垂直领域大语言模型的训练
9.4 指令微调
9.5 垂直领域大语言模型与人类偏好对齐
9.6 垂直领域大语言模型与RAG
第10章 大模型与智能企业管理
10.1 引言
10.2 企业管理大模型构建
10.3 大模型与战略管理
10.4 大模型与运作管理
10.5 大模型与财务管理
10.6 大模型与人力资源管理
第11章 大模型与智能金融管理
11.1 引言
11.2 金融管理大模型构建
11.3 大模型与智能金融客服
11.4 大模型与智能金融投顾
11.5 大模型与智能金融量化交易
11.6 大模型与智能金融风险控制
第12章 大模型与智能社会治理
12.1 引言
12.2 社会治理大模型构建
12.3 大模型与政务治理
12.4 大模型与基层卫生治理
12.5 大模型与生态环境治理
第13章 大模型与智能公共政策分析
13.1 引言
13.2 公共政策分析大模型构建
13.3 大模型与公共政策问题识别
13.4 大模型与公共政策方案设计
13.5 大模型与公共政策执行监控
13.6 大模型与公共政策效果评估
专题篇
第14章 具身智能模型设计与训练
14.1 引言
14.2 具身智能技术架构
14.3 数据获取策略
14.4 具身智能模型设计与训练
第15章 人工智能与数字经济
15.1 引言
15.2 数据要素及其特性
15.3 基于人工智能的经济分析
15.4 基于人工智能的经济调控
15.5 经济形态的演变与智能经济
第16章 人工智能的新进展
16.1 引言
16.2 大规模高质量数据
16.3 模型架构与高效算法
16.4 专用化高性能算力
16.5 高价值应用场景
16.6 物理AI
前辅文
绪论
0.1 人工智能发展简史
0.2 大模型的科学基础
0.3 大模型的发展趋势和应用前景
0.4 全书的基本结构
原理篇
第1章 机器学习基础
1.1 引言
1.2 机器学习与最优化理论
1.3 监督学习
1.4 无监督学习
1.5 强化学习
第2章 神经网络与深度学习
2.1 引言
2.2 神经网络的基本原理
2.3 深度神经网络架构
2.4 深度学习的训练与调优
第3章 多模态大数据
3.1 引言
3.2 多模态大数据获取
3.3 单模态大数据处理方法
3.4 多模态大数据对齐方法
3.5 多模态大数据融合方法
3.6 分布式多模态大数据分析方法
第4章 大模型的结构设计与训练
4.1 引言
4.2 注意力机制与Transformer
4.3 大模型架构
4.4 大模型结构的详细设计方法
4.5 大模型的训练
第5章 大模型的推理与加速
5.1 引言
5.2 大模型推理基础
5.3 推理优化技术
5.4 分布式并行技术
第6章 AI Agent的关键技术
6.1 引言
6.2 AI Agent的架构设计技术
6.3 AI Agent的系统构建技术
6.4 AI Agent的交互技术
6.5 多AI Agent的协作技术
第7章 大模型的涌现机理
7.1 引言
7.2 LLM涌现能力
7.3 LLM涌现能力示例
7.4 LLM涌现机理分析
7.5 LLM涌现的影响与挑战
第8章 人工智能安全与治理
8.1 引言
8.2 技术安全与治理
8.3 数据安全与治理
8.4 伦理风险与治理
8.5 价值对齐风险与治理
8.6 系统安全与治理
应用篇
第9章 垂直领域大语言模型
9.1 引言
9.2 基座大模型的评测及选择
9.3 垂直领域大语言模型的训练
9.4 指令微调
9.5 垂直领域大语言模型与人类偏好对齐
9.6 垂直领域大语言模型与RAG
第10章 大模型与智能企业管理
10.1 引言
10.2 企业管理大模型构建
10.3 大模型与战略管理
10.4 大模型与运作管理
10.5 大模型与财务管理
10.6 大模型与人力资源管理
第11章 大模型与智能金融管理
11.1 引言
11.2 金融管理大模型构建
11.3 大模型与智能金融客服
11.4 大模型与智能金融投顾
11.5 大模型与智能金融量化交易
11.6 大模型与智能金融风险控制
第12章 大模型与智能社会治理
12.1 引言
12.2 社会治理大模型构建
12.3 大模型与政务治理
12.4 大模型与基层卫生治理
12.5 大模型与生态环境治理
第13章 大模型与智能公共政策分析
13.1 引言
13.2 公共政策分析大模型构建
13.3 大模型与公共政策问题识别
13.4 大模型与公共政策方案设计
13.5 大模型与公共政策执行监控
13.6 大模型与公共政策效果评估
专题篇
第14章 具身智能模型设计与训练
14.1 引言
14.2 具身智能技术架构
14.3 数据获取策略
14.4 具身智能模型设计与训练
第15章 人工智能与数字经济
15.1 引言
15.2 数据要素及其特性
15.3 基于人工智能的经济分析
15.4 基于人工智能的经济调控
15.5 经济形态的演变与智能经济
第16章 人工智能的新进展
16.1 引言
16.2 大规模高质量数据
16.3 模型架构与高效算法
16.4 专用化高性能算力
16.5 高价值应用场景
16.6 物理AI
前辅文
绪论
0.1 人工智能发展简史
0.2 大模型的科学基础
0.3 大模型的发展趋势和应用前景
0.4 全书的基本结构
原理篇
第1章 机器学习基础
1.1 引言
1.2 机器学习与最优化理论
1.3 监督学习
1.4 无监督学习
1.5 强化学习
第2章 神经网络与深度学习
2.1 引言
2.2 神经网络的基本原理
2.3 深度神经网络架构
2.4 深度学习的训练与调优
第3章 多模态大数据
3.1 引言
3.2 多模态大数据获取
3.3 单模态大数据处理方法
3.4 多模态大数据对齐方法
3.5 多模态大数据融合方法
3.6 分布式多模态大数据分析方法
第4章 大模型的结构设计与训练
4.1 引言
4.2 注意力机制与Transformer
4.3 大模型架构
4.4 大模型结构的详细设计方法
4.5 大模型的训练
第5章 大模型的推理与加速
5.1 引言
5.2 大模型推理基础
5.3 推理优化技术
5.4 分布式并行技术
第6章 AI Agent的关键技术
6.1 引言
6.2 AI Agent的架构设计技术
6.3 AI Agent的系统构建技术
6.4 AI Agent的交互技术
6.5 多AI Agent的协作技术
第7章 大模型的涌现机理
7.1 引言
7.2 LLM涌现能力
7.3 LLM涌现能力示例
7.4 LLM涌现机理分析
7.5 LLM涌现的影响与挑战
第8章 人工智能安全与治理
8.1 引言
8.2 技术安全与治理
8.3 数据安全与治理
8.4 伦理风险与治理
8.5 价值对齐风险与治理
8.6 系统安全与治理
应用篇
第9章 垂直领域大语言模型
9.1 引言
9.2 基座大模型的评测及选择
9.3 垂直领域大语言模型的训练
9.4 指令微调
9.5 垂直领域大语言模型与人类偏好对齐
9.6 垂直领域大语言模型与RAG
第10章 大模型与智能企业管理
10.1 引言
10.2 企业管理大模型构建
10.3 大模型与战略管理
10.4 大模型与运作管理
10.5 大模型与财务管理
10.6 大模型与人力资源管理
第11章 大模型与智能金融管理
11.1 引言
11.2 金融管理大模型构建
11.3 大模型与智能金融客服
11.4 大模型与智能金融投顾
11.5 大模型与智能金融量化交易
11.6 大模型与智能金融风险控制
第12章 大模型与智能社会治理
12.1 引言
12.2 社会治理大模型构建
12.3 大模型与政务治理
12.4 大模型与基层卫生治理
12.5 大模型与生态环境治理
第13章 大模型与智能公共政策分析
13.1 引言
13.2 公共政策分析大模型构建
13.3 大模型与公共政策问题识别
13.4 大模型与公共政策方案设计
13.5 大模型与公共政策执行监控
13.6 大模型与公共政策效果评估
专题篇
第14章 具身智能模型设计与训练
14.1 引言
14.2 具身智能技术架构
14.3 数据获取策略
14.4 具身智能模型设计与训练
第15章 人工智能与数字经济
15.1 引言
15.2 数据要素及其特性
15.3 基于人工智能的经济分析
15.4 基于人工智能的经济调控
15.5 经济形态的演变与智能经济
第16章 人工智能的新进展
16.1 引言
16.2 大规模高质量数据
16.3 模型架构与高效算法
16.4 专用化高性能算力
16.5 高价值应用场景
16.6 物理AI
