计算思维与人工智能基础
定价：￥34.00
作者： 张玉，夏晨星，刘唤唤，陈科澎，魏昌卿，杨翔宇
出版社：高等教育出版社
- 高等教育出版社
- 9787040679755
- 1版
- 16开
内容简介
本书以计算思维培养为核心，融合人工智能前沿知识，采用理工医科（A轨）+人文社科（B轨）双轨并行的内容架构，适配不同学科背景学习者的认知特点与应用需求。
全书共9章，逻辑上遵循“基础思维—技术核心—应用拓展—伦理反思”的脉络展开：第1章夯实计算思维与问题求解的底层逻辑，是跨学科学习的通用基础；第2、3章讲解信息表示、数据思维与算法基础，为人工智能学习搭建技术框架；第4章聚焦信息安全威胁与防护，补足技术应用的安全维度；第5～8章依次深入讲解人工智能基础、机器学习与数据智能、自然语言处理与生成式AI、计算机视觉与多模态智能，结合A轨涉及的工业质检、医疗影像分析等理工医科应用场景，以及B轨涉及的文物修复、人文文本分析等文科应用案例，将抽象技术落地于具体学科实践；第9章探讨AI伦理与未来展望，引导学习者树立负责任的技术应用观，兼具技术深度与人文温度。
本书弱化专业壁垒，通过双轨案例的对比与融合，让理工医科读者理解AI在人文领域的创新应用，也让文科读者掌握计算思维在本学科的实践路径，适合作为开展跨学科人工智能通识教育的教材。
目录
目录
前辅文
第1章 计算思维与问题求解
1.1 案例导入
1.2 计算的本质
1.2.1 演进脉络
1.2.2 社会价值
1.3 计算思维四要素
1.3.1 分解
1.3.2 模式识别
1.3.3 抽象
1.3.4 算法设计
1.4 跨领域应用
1.4.1 工程与医疗领域应用
1.4.2 人文与社会领域应用
1.5 项目实践
本章小结
思考与练习
第2章 信息表示与数字媒介
2.1 案例导入
2.2 0与1的信息世界
2.2.1 认识0与1
2.2.2 数制及数制之间的关联与转换
2.2.3 0与1的信息表示
2.3 计算机硬件系统
2.3.1 冯·诺依曼体系结构
2.3.2 中央处理器
2.3.3 存储系统
2.3.4 输入输出系统
2.4 计算机软件系统
2.4.1 软件概述
2.4.2 系统软件
2.4.3 应用软件
2.5 项目实践：计算机配置方案
任务一：需求分析与场景识别
任务二：核心参数解读
任务三：选购决策与对比分析
本章小结
思考与练习
第3章 数据思维与算法基础
3.1 案例导入
3.2 数据获取与表示
3.2.1 数据作为信息载体
3.2.2 A轨：数值数据的获取
3.2.3 B轨：文本数据的获取
3.2.4 数据伦理基础
3.3 数据清洗与预处理
3.3.1 为什么需要清洗？
3.3.2 识别“脏数据”
3.3.3 数据转换算法
3.3.4 步骤化流程设计
3.4 数据分析与建模
3.4.1 探索性分析：用数据思维发现模式
3.4.2 算法建模：用算法思维形式化求解
3.4.3 效率意识：算法复杂度分析
3.4.4 结果验证：数据思维的回归与反思
3.5 数据可视化原理与Python实践
3.5.1 可视化原理
3.5.2 工具实践：Python数据可视化基础
3.5.3 防误导设计
3.5.4 案例对比：好图vs坏图—单摆实验数据
3.6 自动化与智能处理
3.6.1 自动化思维：从手工操作到系统复用
3.6.2 A轨：Python智能分析系统—单摆实验自动化
3.6.3 B轨：AI辅助分析平台—读书笔记智能处理
3.6.4 人机协作核心：自动化增强人的能力
3.7 项目实践
3.7.1 A轨：智能单摆实验系统开发与实现
3.7.2 B轨：智能读书笔记分析平台搭建与实现
本章小结
思考与练习
第4章 信息安全威胁与防护
4.1 案例导入
4.2 计算机网络基础
4.2.1 网络核心功能与常见类型
4.2.2 网络通信基本逻辑
4.3 信息安全威胁与防护
4.3.1 常见信息安全威胁
4.3.2 个人账号安全防护方法与信息安全素养
4.4 人工智能时代的信息安全
4.4.1 人工智能时代的新型信息安全威胁
4.4.2 人工智能时代的信息安全防护策略
4.5 项目实践
任务一：账号安全体检与加固（基础必修）
任务二：网络环境安全评估（进阶选修）
任务三：AI时代安全规范制定（拓展挑战）
本章小结
思考与练习
第5章 人工智能基础
5.1 案例导入
5.2 人工智能的通俗定义与学科定位
5.2.1 定义与内涵
5.2.2 研究目标
5.2.3 学科定位与知识框架
5.2.4 与相关学科的关系
5.2.5 文理双轨案例推进
5.3 发展历程与关键节点
5.3.1 人工智能的起源与诞生
5.3.2 发展阶段与关键节点
5.3.3 主要学派与思想差异
5.3.4 发展趋势与技术突破
5.3.5 文理双轨案例推进
5.4 典型应用场景
5.4.1 感知智能与认知智能
5.4.2 行业典型应用场景
5.4.3 核心技术栈构成
5.4.4 产业生态与发展现状
5.4.5 文理双轨案例推进
本章小结
思考与练习
第6章 机器学习与数据智能
6.1 案例导入
6.2 机器学习基础
6.2.1 学习范式
6.2.2 模型、训练与评估
6.2.3 模型选择
6.3 经典算法
6.3.1 回归与分类
6.3.2 聚类与降维
6.3.3 神经网络原理
6.4 深度学习与大模型
6.4.1 CNN/RNN/Transformer架构特点与场景应用
6.4.2 预训练与微调
6.4.3 提示工程基础
6.5 项目实践
本章小结
思考与练习
第7章 自然语言处理与生成式AI
7.1 案例导入
7.2 自然语言处理基础
7.2.1 NLP的定义与核心挑战
7.2.2 词法分析
7.2.3 句法与语义分析
7.2.4 NLP典型应用任务
7.2.5 NLP技术演进脉络
7.3 预训练语言模型
7.3.1 预训练范式的革命
7.3.2 Transformer架构基础
7.3.3 BERT与GPT架构对比
7.3.4 国产大模型技术
7.3.5 预训练模型的局限
7.4 生成式AI与可控性
7.4.1 生成式AI的原理与能力
7.4.2 提示词工程
7.4.3 可控性与安全性
7.4.4 国产平台的安全优势
7.5 AI辅助知识工作
7.5.1 A轨：技术文档智能处理
7.5.2 B轨：学术语言服务
7.5.3 人机协作的最佳实践
7.6 项目实践
7.6.1 A轨：工程文献智能处理工作流
7.6.2 B轨：中文学术论文英译与润色方案
7.6.3 共同要求
本章小结
思考与练习
第8章 计算机视觉与多模态智能
8.1 案例导入
8.2 计算机视觉基础
8.2.1 图像表示
8.2.2 传统图像处理
8.2.3 深度学习与卷积神经网络
8.3 目标检测与分割
8.3.1 目标检测
8.3.2 图像分割
8.4 多模态智能
8.4.1 视觉-语言模型
8.4.2 跨模态生成（文生图、图生文、视频生成）
8.5 项目实践
本章小结
思考与练习
第9章 AI伦理与未来展望
9.1 AI伦理与安全风险
9.1.1 算法偏见与数据隐私
9.1.2 模型安全与深度伪造
9.1.3 责任归属与学术诚信
9.1.4 全球AI治理与中国方案
9.2 AI与人类的关系
9.2.1 从“替代焦虑”到“辅助共生”
9.2.2 明确工具价值与能力边界
9.2.3 人机协作的新范式
9.2.4 守护人的主体性
9.3 未来趋势与AI素养
9.3.1 技术演进：从专用智能到通用智能
9.3.2 社会变革与可持续发展
9.3.3 AI素养：未来公民的必备能力
9.3.4 中国机遇与青年担当
9.3.5 构建可持续的AI未来
9.4 项目实践
任务一：AI使用安全与伦理体检（基础必修）
任务二：AI伦理与风险识别实践（进阶选修）
任务三：AI时代规范制定与人机协作设计（拓展挑战）
本章小结
思考与练习
参考文献
前辅文
第1章 计算思维与问题求解
1.1 案例导入
1.2 计算的本质
1.2.1 演进脉络
1.2.2 社会价值
1.3 计算思维四要素
1.3.1 分解
1.3.2 模式识别
1.3.3 抽象
1.3.4 算法设计
1.4 跨领域应用
1.4.1 工程与医疗领域应用
1.4.2 人文与社会领域应用
1.5 项目实践
本章小结
思考与练习
第2章 信息表示与数字媒介
2.1 案例导入
2.2 0与1的信息世界
2.2.1 认识0与1
2.2.2 数制及数制之间的关联与转换
2.2.3 0与1的信息表示
2.3 计算机硬件系统
2.3.1 冯·诺依曼体系结构
2.3.2 中央处理器
2.3.3 存储系统
2.3.4 输入输出系统
2.4 计算机软件系统
2.4.1 软件概述
2.4.2 系统软件
2.4.3 应用软件
2.5 项目实践：计算机配置方案
任务一：需求分析与场景识别
任务二：核心参数解读
任务三：选购决策与对比分析
本章小结
思考与练习
第3章 数据思维与算法基础
3.1 案例导入
3.2 数据获取与表示
3.2.1 数据作为信息载体
3.2.2 A轨：数值数据的获取
3.2.3 B轨：文本数据的获取
3.2.4 数据伦理基础
3.3 数据清洗与预处理
3.3.1 为什么需要清洗？
3.3.2 识别“脏数据”
3.3.3 数据转换算法
3.3.4 步骤化流程设计
3.4 数据分析与建模
3.4.1 探索性分析：用数据思维发现模式
3.4.2 算法建模：用算法思维形式化求解
3.4.3 效率意识：算法复杂度分析
3.4.4 结果验证：数据思维的回归与反思
3.5 数据可视化原理与Python实践
3.5.1 可视化原理
3.5.2 工具实践：Python数据可视化基础
3.5.3 防误导设计
3.5.4 案例对比：好图vs坏图—单摆实验数据
3.6 自动化与智能处理
3.6.1 自动化思维：从手工操作到系统复用
3.6.2 A轨：Python智能分析系统—单摆实验自动化
3.6.3 B轨：AI辅助分析平台—读书笔记智能处理
3.6.4 人机协作核心：自动化增强人的能力
3.7 项目实践
3.7.1 A轨：智能单摆实验系统开发与实现
3.7.2 B轨：智能读书笔记分析平台搭建与实现
本章小结
思考与练习
第4章 信息安全威胁与防护
4.1 案例导入
4.2 计算机网络基础
4.2.1 网络核心功能与常见类型
4.2.2 网络通信基本逻辑
4.3 信息安全威胁与防护
4.3.1 常见信息安全威胁
4.3.2 个人账号安全防护方法与信息安全素养
4.4 人工智能时代的信息安全
4.4.1 人工智能时代的新型信息安全威胁
4.4.2 人工智能时代的信息安全防护策略
4.5 项目实践
任务一：账号安全体检与加固（基础必修）
任务二：网络环境安全评估（进阶选修）
任务三：AI时代安全规范制定（拓展挑战）
本章小结
思考与练习
第5章 人工智能基础
5.1 案例导入
5.2 人工智能的通俗定义与学科定位
5.2.1 定义与内涵
5.2.2 研究目标
5.2.3 学科定位与知识框架
5.2.4 与相关学科的关系
5.2.5 文理双轨案例推进
5.3 发展历程与关键节点
5.3.1 人工智能的起源与诞生
5.3.2 发展阶段与关键节点
5.3.3 主要学派与思想差异
5.3.4 发展趋势与技术突破
5.3.5 文理双轨案例推进
5.4 典型应用场景
5.4.1 感知智能与认知智能
5.4.2 行业典型应用场景
5.4.3 核心技术栈构成
5.4.4 产业生态与发展现状
5.4.5 文理双轨案例推进
本章小结
思考与练习
第6章 机器学习与数据智能
6.1 案例导入
6.2 机器学习基础
6.2.1 学习范式
6.2.2 模型、训练与评估
6.2.3 模型选择
6.3 经典算法
6.3.1 回归与分类
6.3.2 聚类与降维
6.3.3 神经网络原理
6.4 深度学习与大模型
6.4.1 CNN/RNN/Transformer架构特点与场景应用
6.4.2 预训练与微调
6.4.3 提示工程基础
6.5 项目实践
本章小结
思考与练习
第7章 自然语言处理与生成式AI
7.1 案例导入
7.2 自然语言处理基础
7.2.1 NLP的定义与核心挑战
7.2.2 词法分析
7.2.3 句法与语义分析
7.2.4 NLP典型应用任务
7.2.5 NLP技术演进脉络
7.3 预训练语言模型
7.3.1 预训练范式的革命
7.3.2 Transformer架构基础
7.3.3 BERT与GPT架构对比
7.3.4 国产大模型技术
7.3.5 预训练模型的局限
7.4 生成式AI与可控性
7.4.1 生成式AI的原理与能力
7.4.2 提示词工程
7.4.3 可控性与安全性
7.4.4 国产平台的安全优势
7.5 AI辅助知识工作
7.5.1 A轨：技术文档智能处理
7.5.2 B轨：学术语言服务
7.5.3 人机协作的最佳实践
7.6 项目实践
7.6.1 A轨：工程文献智能处理工作流
7.6.2 B轨：中文学术论文英译与润色方案
7.6.3 共同要求
本章小结
思考与练习
第8章 计算机视觉与多模态智能
8.1 案例导入
8.2 计算机视觉基础
8.2.1 图像表示
8.2.2 传统图像处理
8.2.3 深度学习与卷积神经网络
8.3 目标检测与分割
8.3.1 目标检测
8.3.2 图像分割
8.4 多模态智能
8.4.1 视觉-语言模型
8.4.2 跨模态生成（文生图、图生文、视频生成）
8.5 项目实践
本章小结
思考与练习
第9章 AI伦理与未来展望
9.1 AI伦理与安全风险
9.1.1 算法偏见与数据隐私
9.1.2 模型安全与深度伪造
9.1.3 责任归属与学术诚信
9.1.4 全球AI治理与中国方案
9.2 AI与人类的关系
9.2.1 从“替代焦虑”到“辅助共生”
9.2.2 明确工具价值与能力边界
9.2.3 人机协作的新范式
9.2.4 守护人的主体性
9.3 未来趋势与AI素养
9.3.1 技术演进：从专用智能到通用智能
9.3.2 社会变革与可持续发展
9.3.3 AI素养：未来公民的必备能力
9.3.4 中国机遇与青年担当
9.3.5 构建可持续的AI未来
9.4 项目实践
任务一：AI使用安全与伦理体检（基础必修）
任务二：AI伦理与风险识别实践（进阶选修）
任务三：AI时代规范制定与人机协作设计（拓展挑战）
本章小结
思考与练习
参考文献
前辅文
第1章 计算思维与问题求解
1.1 案例导入
1.2 计算的本质
1.2.1 演进脉络
1.2.2 社会价值
1.3 计算思维四要素
1.3.1 分解
1.3.2 模式识别
1.3.3 抽象
1.3.4 算法设计
1.4 跨领域应用
1.4.1 工程与医疗领域应用
1.4.2 人文与社会领域应用
1.5 项目实践
本章小结
思考与练习
第2章 信息表示与数字媒介
2.1 案例导入
2.2 0与1的信息世界
2.2.1 认识0与1
2.2.2 数制及数制之间的关联与转换
2.2.3 0与1的信息表示
2.3 计算机硬件系统
2.3.1 冯·诺依曼体系结构
2.3.2 中央处理器
2.3.3 存储系统
2.3.4 输入输出系统
2.4 计算机软件系统
2.4.1 软件概述
2.4.2 系统软件
2.4.3 应用软件
2.5 项目实践：计算机配置方案
任务一：需求分析与场景识别
任务二：核心参数解读
任务三：选购决策与对比分析
本章小结
思考与练习
第3章 数据思维与算法基础
3.1 案例导入
3.2 数据获取与表示
3.2.1 数据作为信息载体
3.2.2 A轨：数值数据的获取
3.2.3 B轨：文本数据的获取
3.2.4 数据伦理基础
3.3 数据清洗与预处理
3.3.1 为什么需要清洗？
3.3.2 识别“脏数据”
3.3.3 数据转换算法
3.3.4 步骤化流程设计
3.4 数据分析与建模
3.4.1 探索性分析：用数据思维发现模式
3.4.2 算法建模：用算法思维形式化求解
3.4.3 效率意识：算法复杂度分析
3.4.4 结果验证：数据思维的回归与反思
3.5 数据可视化原理与Python实践
3.5.1 可视化原理
3.5.2 工具实践：Python数据可视化基础
3.5.3 防误导设计
3.5.4 案例对比：好图vs坏图—单摆实验数据
3.6 自动化与智能处理
3.6.1 自动化思维：从手工操作到系统复用
3.6.2 A轨：Python智能分析系统—单摆实验自动化
3.6.3 B轨：AI辅助分析平台—读书笔记智能处理
3.6.4 人机协作核心：自动化增强人的能力
3.7 项目实践
3.7.1 A轨：智能单摆实验系统开发与实现
3.7.2 B轨：智能读书笔记分析平台搭建与实现
本章小结
思考与练习
第4章 信息安全威胁与防护
4.1 案例导入
4.2 计算机网络基础
4.2.1 网络核心功能与常见类型
4.2.2 网络通信基本逻辑
4.3 信息安全威胁与防护
4.3.1 常见信息安全威胁
4.3.2 个人账号安全防护方法与信息安全素养
4.4 人工智能时代的信息安全
4.4.1 人工智能时代的新型信息安全威胁
4.4.2 人工智能时代的信息安全防护策略
4.5 项目实践
任务一：账号安全体检与加固（基础必修）
任务二：网络环境安全评估（进阶选修）
任务三：AI时代安全规范制定（拓展挑战）
本章小结
思考与练习
第5章 人工智能基础
5.1 案例导入
5.2 人工智能的通俗定义与学科定位
5.2.1 定义与内涵
5.2.2 研究目标
5.2.3 学科定位与知识框架
5.2.4 与相关学科的关系
5.2.5 文理双轨案例推进
5.3 发展历程与关键节点
5.3.1 人工智能的起源与诞生
5.3.2 发展阶段与关键节点
5.3.3 主要学派与思想差异
5.3.4 发展趋势与技术突破
5.3.5 文理双轨案例推进
5.4 典型应用场景
5.4.1 感知智能与认知智能
5.4.2 行业典型应用场景
5.4.3 核心技术栈构成
5.4.4 产业生态与发展现状
5.4.5 文理双轨案例推进
本章小结
思考与练习
第6章 机器学习与数据智能
6.1 案例导入
6.2 机器学习基础
6.2.1 学习范式
6.2.2 模型、训练与评估
6.2.3 模型选择
6.3 经典算法
6.3.1 回归与分类
6.3.2 聚类与降维
6.3.3 神经网络原理
6.4 深度学习与大模型
6.4.1 CNN/RNN/Transformer架构特点与场景应用
6.4.2 预训练与微调
6.4.3 提示工程基础
6.5 项目实践
本章小结
思考与练习
第7章 自然语言处理与生成式AI
7.1 案例导入
7.2 自然语言处理基础
7.2.1 NLP的定义与核心挑战
7.2.2 词法分析
7.2.3 句法与语义分析
7.2.4 NLP典型应用任务
7.2.5 NLP技术演进脉络
7.3 预训练语言模型
7.3.1 预训练范式的革命
7.3.2 Transformer架构基础
7.3.3 BERT与GPT架构对比
7.3.4 国产大模型技术
7.3.5 预训练模型的局限
7.4 生成式AI与可控性
7.4.1 生成式AI的原理与能力
7.4.2 提示词工程
7.4.3 可控性与安全性
7.4.4 国产平台的安全优势
7.5 AI辅助知识工作
7.5.1 A轨：技术文档智能处理
7.5.2 B轨：学术语言服务
7.5.3 人机协作的最佳实践
7.6 项目实践
7.6.1 A轨：工程文献智能处理工作流
7.6.2 B轨：中文学术论文英译与润色方案
7.6.3 共同要求
本章小结
思考与练习
第8章 计算机视觉与多模态智能
8.1 案例导入
8.2 计算机视觉基础
8.2.1 图像表示
8.2.2 传统图像处理
8.2.3 深度学习与卷积神经网络
8.3 目标检测与分割
8.3.1 目标检测
8.3.2 图像分割
8.4 多模态智能
8.4.1 视觉-语言模型
8.4.2 跨模态生成（文生图、图生文、视频生成）
8.5 项目实践
本章小结
思考与练习
第9章 AI伦理与未来展望
9.1 AI伦理与安全风险
9.1.1 算法偏见与数据隐私
9.1.2 模型安全与深度伪造
9.1.3 责任归属与学术诚信
9.1.4 全球AI治理与中国方案
9.2 AI与人类的关系
9.2.1 从“替代焦虑”到“辅助共生”
9.2.2 明确工具价值与能力边界
9.2.3 人机协作的新范式
9.2.4 守护人的主体性
9.3 未来趋势与AI素养
9.3.1 技术演进：从专用智能到通用智能
9.3.2 社会变革与可持续发展
9.3.3 AI素养：未来公民的必备能力
9.3.4 中国机遇与青年担当
9.3.5 构建可持续的AI未来
9.4 项目实践
任务一：AI使用安全与伦理体检（基础必修）
任务二：AI伦理与风险识别实践（进阶选修）
任务三：AI时代规范制定与人机协作设计（拓展挑战）
本章小结
思考与练习
参考文献
前辅文
第1章 计算思维与问题求解
1.1 案例导入
1.2 计算的本质
1.2.1 演进脉络
1.2.2 社会价值
1.3 计算思维四要素
1.3.1 分解
1.3.2 模式识别
1.3.3 抽象
1.3.4 算法设计
1.4 跨领域应用
1.4.1 工程与医疗领域应用
1.4.2 人文与社会领域应用
1.5 项目实践
本章小结
思考与练习
第2章 信息表示与数字媒介
2.1 案例导入
2.2 0与1的信息世界
2.2.1 认识0与1
2.2.2 数制及数制之间的关联与转换
2.2.3 0与1的信息表示
2.3 计算机硬件系统
2.3.1 冯·诺依曼体系结构
2.3.2 中央处理器
2.3.3 存储系统
2.3.4 输入输出系统
2.4 计算机软件系统
2.4.1 软件概述
2.4.2 系统软件
2.4.3 应用软件
2.5 项目实践：计算机配置方案
任务一：需求分析与场景识别
任务二：核心参数解读
任务三：选购决策与对比分析
本章小结
思考与练习
第3章 数据思维与算法基础
3.1 案例导入
3.2 数据获取与表示
3.2.1 数据作为信息载体
3.2.2 A轨：数值数据的获取
3.2.3 B轨：文本数据的获取
3.2.4 数据伦理基础
3.3 数据清洗与预处理
3.3.1 为什么需要清洗？
3.3.2 识别“脏数据”
3.3.3 数据转换算法
3.3.4 步骤化流程设计
3.4 数据分析与建模
3.4.1 探索性分析：用数据思维发现模式
3.4.2 算法建模：用算法思维形式化求解
3.4.3 效率意识：算法复杂度分析
3.4.4 结果验证：数据思维的回归与反思
3.5 数据可视化原理与Python实践
3.5.1 可视化原理
3.5.2 工具实践：Python数据可视化基础
3.5.3 防误导设计
3.5.4 案例对比：好图vs坏图—单摆实验数据
3.6 自动化与智能处理
3.6.1 自动化思维：从手工操作到系统复用
3.6.2 A轨：Python智能分析系统—单摆实验自动化
3.6.3 B轨：AI辅助分析平台—读书笔记智能处理
3.6.4 人机协作核心：自动化增强人的能力
3.7 项目实践
3.7.1 A轨：智能单摆实验系统开发与实现
3.7.2 B轨：智能读书笔记分析平台搭建与实现
本章小结
思考与练习
第4章 信息安全威胁与防护
4.1 案例导入
4.2 计算机网络基础
4.2.1 网络核心功能与常见类型
4.2.2 网络通信基本逻辑
4.3 信息安全威胁与防护
4.3.1 常见信息安全威胁
4.3.2 个人账号安全防护方法与信息安全素养
4.4 人工智能时代的信息安全
4.4.1 人工智能时代的新型信息安全威胁
4.4.2 人工智能时代的信息安全防护策略
4.5 项目实践
任务一：账号安全体检与加固（基础必修）
任务二：网络环境安全评估（进阶选修）
任务三：AI时代安全规范制定（拓展挑战）
本章小结
思考与练习
第5章 人工智能基础
5.1 案例导入
5.2 人工智能的通俗定义与学科定位
5.2.1 定义与内涵
5.2.2 研究目标
5.2.3 学科定位与知识框架
5.2.4 与相关学科的关系
5.2.5 文理双轨案例推进
5.3 发展历程与关键节点
5.3.1 人工智能的起源与诞生
5.3.2 发展阶段与关键节点
5.3.3 主要学派与思想差异
5.3.4 发展趋势与技术突破
5.3.5 文理双轨案例推进
5.4 典型应用场景
5.4.1 感知智能与认知智能
5.4.2 行业典型应用场景
5.4.3 核心技术栈构成
5.4.4 产业生态与发展现状
5.4.5 文理双轨案例推进
本章小结
思考与练习
第6章 机器学习与数据智能
6.1 案例导入
6.2 机器学习基础
6.2.1 学习范式
6.2.2 模型、训练与评估
6.2.3 模型选择
6.3 经典算法
6.3.1 回归与分类
6.3.2 聚类与降维
6.3.3 神经网络原理
6.4 深度学习与大模型
6.4.1 CNN/RNN/Transformer架构特点与场景应用
6.4.2 预训练与微调
6.4.3 提示工程基础
6.5 项目实践
本章小结
思考与练习
第7章 自然语言处理与生成式AI
7.1 案例导入
7.2 自然语言处理基础
7.2.1 NLP的定义与核心挑战
7.2.2 词法分析
7.2.3 句法与语义分析
7.2.4 NLP典型应用任务
7.2.5 NLP技术演进脉络
7.3 预训练语言模型
7.3.1 预训练范式的革命
7.3.2 Transformer架构基础
7.3.3 BERT与GPT架构对比
7.3.4 国产大模型技术
7.3.5 预训练模型的局限
7.4 生成式AI与可控性
7.4.1 生成式AI的原理与能力
7.4.2 提示词工程
7.4.3 可控性与安全性
7.4.4 国产平台的安全优势
7.5 AI辅助知识工作
7.5.1 A轨：技术文档智能处理
7.5.2 B轨：学术语言服务
7.5.3 人机协作的最佳实践
7.6 项目实践
7.6.1 A轨：工程文献智能处理工作流
7.6.2 B轨：中文学术论文英译与润色方案
7.6.3 共同要求
本章小结
思考与练习
第8章 计算机视觉与多模态智能
8.1 案例导入
8.2 计算机视觉基础
8.2.1 图像表示
8.2.2 传统图像处理
8.2.3 深度学习与卷积神经网络
8.3 目标检测与分割
8.3.1 目标检测
8.3.2 图像分割
8.4 多模态智能
8.4.1 视觉-语言模型
8.4.2 跨模态生成（文生图、图生文、视频生成）
8.5 项目实践
本章小结
思考与练习
第9章 AI伦理与未来展望
9.1 AI伦理与安全风险
9.1.1 算法偏见与数据隐私
9.1.2 模型安全与深度伪造
9.1.3 责任归属与学术诚信
9.1.4 全球AI治理与中国方案
9.2 AI与人类的关系
9.2.1 从“替代焦虑”到“辅助共生”
9.2.2 明确工具价值与能力边界
9.2.3 人机协作的新范式
9.2.4 守护人的主体性
9.3 未来趋势与AI素养
9.3.1 技术演进：从专用智能到通用智能
9.3.2 社会变革与可持续发展
9.3.3 AI素养：未来公民的必备能力
9.3.4 中国机遇与青年担当
9.3.5 构建可持续的AI未来
9.4 项目实践
任务一：AI使用安全与伦理体检（基础必修）
任务二：AI伦理与风险识别实践（进阶选修）
任务三：AI时代规范制定与人机协作设计（拓展挑战）
本章小结
思考与练习
参考文献
