人工智能通识——从计算思维到人工智能+
定价：￥41.00
作者： 潘晓，马昂，孙静等
出版社：高等教育出版社
- 高等教育出版社
- 9787040680638
- 1版
- 16开
内容简介
本书系统性地阐述了人工智能的基础理论、代表性技术以及行业应用。全书内容涵盖从AI基础到与行业融合的应用场景，具体包括人工智能概述、计算思维、大数据思维、知识图谱、机器学习、深度学习与强化学习、大模型与AIGC、智能技术应用领域、人工智能安全与伦理、人工智能+X领域等。
本书特别强调“AI+X”的融合理念，通过基础概念和技术讲解、例题分析等，引导读者思考AI技术如何赋能各个专业领域。全书逻辑严密，融入育人案例，例题丰富且实用。
本书可作为高等学校本科生的人工智能通识课教材，也可作为高等学校信息类专业导论课程的教材或教学参考书，还可作为对人工智能感兴趣的读者的入门参考书。
本书特别强调“AI+X”的融合理念，通过基础概念和技术讲解、例题分析等，引导读者思考AI技术如何赋能各个专业领域。全书逻辑严密，融入育人案例，例题丰富且实用。
本书可作为高等学校本科生的人工智能通识课教材，也可作为高等学校信息类专业导论课程的教材或教学参考书，还可作为对人工智能感兴趣的读者的入门参考书。
目录
目录
前辅文
基础篇
第1章 人工智能概述
1.1 什么是人工智能
1.1.1 智能
1.1.2 人工智能
1.1.3 弱人工智能、强人工智能和超人工智能
1.2 人工智能的主要特征
1.2.1 对外界环境的感知能力
1.2.2 知识运用能力
1.2.3 从数据或经验中学习的能力
1.3 人工智能的发展历程
1.4 人工智能的三大学派
1.5 人工智能的重点领域
1.5.1 计算机视觉
1.5.2 机器学习
1.5.3 自然语言处理
1.5.4 机器人技术
1.5.5 语音识别技术
1.6 本章小结
思政拓展阅读
习题
第2章 计算思维
2.1 计算的概念
2.1.1 什么是计算
2.1.2 普适计算与计算无所不在
2.2 计算思维概述
2.2.1 计算思维概念
2.2.2 计算思维的特征
2.3 自动计算与计算工具
2.3.1 自动计算
2.3.2 计算工具
2.4 计算思维的本质
2.5 日常生活中的计算思维
2.6 本章小结
思政拓展阅读
习题
第3章 大数据思维
3.1 数据定义与数据思维
3.1.1 数据定义
3.1.2 数据的量和存储单位
3.1.3 数据思维
3.2 大数据概念与思维
3.2.1 大数据概念
3.2.2 大数据思维
3.3 大数据处理技术
3.4 大数据处理平台和工具
3.4.1 常用数据采集平台和工具
3.4.2 常用数据预处理平台和工具
3.4.3 常用存储与管理平台
3.4.4 常用数据分析平台与工具
3.4.5 常用数据可视化平台与工具
3.5 大数据发展趋势
3.6 人工智能与大数据
3.7 本章小结
思政拓展阅读
习题
技术篇
第4章 知识图谱
4.1 知识图谱定义与表示
4.1.1 知识图谱的定义
4.1.2 知识表示
4.2 信息抽取
4.2.1 命名实体识别
4.2.2 关系抽取
4.3 知识图谱推理
4.3.1 什么是知识推理
4.3.2 知识推理的方法
4.4 知识图谱的应用
4.4.1 基于知识图谱的推荐系统
4.4.2 搜索与问答系统（QA）
4.5 知识图谱发展趋势
4.6 本章小结
思政拓展阅读
习题
第5章 机器学习
5.1 机器学习概述
5.1.1 机器学习定义
5.1.2 机器学习过程
5.1.3 机器学习分类
5.2 监督学习
5.2.1 回归分析
5.2.2 决策树
5.2.3 支持向量机
5.3 无监督学习
5.3.1 降维：主成分分析
5.3.2 聚类：k均值聚类
5.4 集成学习
5.5 本章小结
思政拓展阅读
习题
第6章 深度学习与强化学习
6.1 深度学习
6.1.1 深度学习基本概念
6.1.2 深度学习三大支柱
6.1.3 深度学习应用
6.2 深度学习网络结构分类
6.2.1 神经网络：基本网络结构
6.2.2 卷积神经网络：图像处理“利器”
6.2.3 循环神经网络：序列数据“处理器”
6.3 强化学习
6.3.1 强化学习基本概念
6.3.2 核心要素与方法分类
6.3.3 典型应用场景
6.4 本章小结
思政拓展阅读
习题
第7章 大模型与AIGC
7.1 大模型概述
7.1.1 大模型相关概念
7.1.2 小模型、大模型与人工智能
7.1.3 核心特征
7.1.4 大模型的分类
7.2 AIGC概述
7.2.1 AIGC特点
7.2.2 AIGC的流程
7.2.3 AIGC的应用场景
7.2.4 常见AIGC大模型工具
7.3 本章小结
思政拓展阅读
习题
应用篇
第8章 智能技术应用领域
8.1 感知智能
8.1.1 计算机视觉与机器视觉
8.1.2 模式识别
8.2 认知智能
8.2.1 问题求解
8.2.2 逻辑推理与定理证明
8.2.3 自然语言处理语言
8.3 机器人
8.3.1 行为主义载体
8.3.2 机器人的基本组成
8.3.3 智能机器人
8.4 混合智能
8.4.1 混合智能基本形态
8.4.2 脑机接口
8.4.3 动物混合智能
8.4.4 人体增强
8.5 本章小结
思政拓展阅读
习题
第9章 人工智能安全与伦理
9.1 人工智能安全
9.1.1 人工智能安全概念
9.1.2 人工智能安全的架构、风险及应对方法
9.1.3 人工智能安全现状与治理
9.2 人工智能伦理
9.2.1 人工智能伦理定义
9.2.2 人工智能伦理问题与规范
9.2.3 人工智能伦理规范
9.3 人工智能法律问题
9.3.1 人工智能引发的法律问题
9.3.2 人工智能的法律主体和法律人格问题
9.4 本章小结
思政拓展阅读
习题
第10章 人工智能+X领域
10.1 AI+娱乐
10.1.1 人工智能+音乐
10.1.2 人工智能+美术
10.1.3 人工智能+影视
10.2 AI+教育
10.2.1 精准化教学
10.2.2 科学化管理
10.2.3 个性化学习
10.3 AI+医疗
10.3.1 人工智能+医疗影像
10.3.2 人工智能+辅助诊断
10.3.3 人工智能+药物研发
10.4 AI+交通
10.4.1 车牌、厂商标志识别和车辆
10.4.2 交通信号系统与警用机器人
10.4.3 自动驾驶汽车
10.5 AI+农业
10.5.1 农业计算机视觉应用
10.5.2 农业机器人应用
10.5.3 农业专家系统应用
10.6 AI+金融
10.7 本章小结
思政拓展阅读
习题
前辅文
基础篇
第1章 人工智能概述
1.1 什么是人工智能
1.1.1 智能
1.1.2 人工智能
1.1.3 弱人工智能、强人工智能和超人工智能
1.2 人工智能的主要特征
1.2.1 对外界环境的感知能力
1.2.2 知识运用能力
1.2.3 从数据或经验中学习的能力
1.3 人工智能的发展历程
1.4 人工智能的三大学派
1.5 人工智能的重点领域
1.5.1 计算机视觉
1.5.2 机器学习
1.5.3 自然语言处理
1.5.4 机器人技术
1.5.5 语音识别技术
1.6 本章小结
思政拓展阅读
习题
第2章 计算思维
2.1 计算的概念
2.1.1 什么是计算
2.1.2 普适计算与计算无所不在
2.2 计算思维概述
2.2.1 计算思维概念
2.2.2 计算思维的特征
2.3 自动计算与计算工具
2.3.1 自动计算
2.3.2 计算工具
2.4 计算思维的本质
2.5 日常生活中的计算思维
2.6 本章小结
思政拓展阅读
习题
第3章 大数据思维
3.1 数据定义与数据思维
3.1.1 数据定义
3.1.2 数据的量和存储单位
3.1.3 数据思维
3.2 大数据概念与思维
3.2.1 大数据概念
3.2.2 大数据思维
3.3 大数据处理技术
3.4 大数据处理平台和工具
3.4.1 常用数据采集平台和工具
3.4.2 常用数据预处理平台和工具
3.4.3 常用存储与管理平台
3.4.4 常用数据分析平台与工具
3.4.5 常用数据可视化平台与工具
3.5 大数据发展趋势
3.6 人工智能与大数据
3.7 本章小结
思政拓展阅读
习题
技术篇
第4章 知识图谱
4.1 知识图谱定义与表示
4.1.1 知识图谱的定义
4.1.2 知识表示
4.2 信息抽取
4.2.1 命名实体识别
4.2.2 关系抽取
4.3 知识图谱推理
4.3.1 什么是知识推理
4.3.2 知识推理的方法
4.4 知识图谱的应用
4.4.1 基于知识图谱的推荐系统
4.4.2 搜索与问答系统（QA）
4.5 知识图谱发展趋势
4.6 本章小结
思政拓展阅读
习题
第5章 机器学习
5.1 机器学习概述
5.1.1 机器学习定义
5.1.2 机器学习过程
5.1.3 机器学习分类
5.2 监督学习
5.2.1 回归分析
5.2.2 决策树
5.2.3 支持向量机
5.3 无监督学习
5.3.1 降维：主成分分析
5.3.2 聚类：k均值聚类
5.4 集成学习
5.5 本章小结
思政拓展阅读
习题
第6章 深度学习与强化学习
6.1 深度学习
6.1.1 深度学习基本概念
6.1.2 深度学习三大支柱
6.1.3 深度学习应用
6.2 深度学习网络结构分类
6.2.1 神经网络：基本网络结构
6.2.2 卷积神经网络：图像处理“利器”
6.2.3 循环神经网络：序列数据“处理器”
6.3 强化学习
6.3.1 强化学习基本概念
6.3.2 核心要素与方法分类
6.3.3 典型应用场景
6.4 本章小结
思政拓展阅读
习题
第7章 大模型与AIGC
7.1 大模型概述
7.1.1 大模型相关概念
7.1.2 小模型、大模型与人工智能
7.1.3 核心特征
7.1.4 大模型的分类
7.2 AIGC概述
7.2.1 AIGC特点
7.2.2 AIGC的流程
7.2.3 AIGC的应用场景
7.2.4 常见AIGC大模型工具
7.3 本章小结
思政拓展阅读
习题
应用篇
第8章 智能技术应用领域
8.1 感知智能
8.1.1 计算机视觉与机器视觉
8.1.2 模式识别
8.2 认知智能
8.2.1 问题求解
8.2.2 逻辑推理与定理证明
8.2.3 自然语言处理语言
8.3 机器人
8.3.1 行为主义载体
8.3.2 机器人的基本组成
8.3.3 智能机器人
8.4 混合智能
8.4.1 混合智能基本形态
8.4.2 脑机接口
8.4.3 动物混合智能
8.4.4 人体增强
8.5 本章小结
思政拓展阅读
习题
第9章 人工智能安全与伦理
9.1 人工智能安全
9.1.1 人工智能安全概念
9.1.2 人工智能安全的架构、风险及应对方法
9.1.3 人工智能安全现状与治理
9.2 人工智能伦理
9.2.1 人工智能伦理定义
9.2.2 人工智能伦理问题与规范
9.2.3 人工智能伦理规范
9.3 人工智能法律问题
9.3.1 人工智能引发的法律问题
9.3.2 人工智能的法律主体和法律人格问题
9.4 本章小结
思政拓展阅读
习题
第10章 人工智能+X领域
10.1 AI+娱乐
10.1.1 人工智能+音乐
10.1.2 人工智能+美术
10.1.3 人工智能+影视
10.2 AI+教育
10.2.1 精准化教学
10.2.2 科学化管理
10.2.3 个性化学习
10.3 AI+医疗
10.3.1 人工智能+医疗影像
10.3.2 人工智能+辅助诊断
10.3.3 人工智能+药物研发
10.4 AI+交通
10.4.1 车牌、厂商标志识别和车辆
10.4.2 交通信号系统与警用机器人
10.4.3 自动驾驶汽车
10.5 AI+农业
10.5.1 农业计算机视觉应用
10.5.2 农业机器人应用
10.5.3 农业专家系统应用
10.6 AI+金融
10.7 本章小结
思政拓展阅读
习题
前辅文
基础篇
第1章 人工智能概述
1.1 什么是人工智能
1.1.1 智能
1.1.2 人工智能
1.1.3 弱人工智能、强人工智能和超人工智能
1.2 人工智能的主要特征
1.2.1 对外界环境的感知能力
1.2.2 知识运用能力
1.2.3 从数据或经验中学习的能力
1.3 人工智能的发展历程
1.4 人工智能的三大学派
1.5 人工智能的重点领域
1.5.1 计算机视觉
1.5.2 机器学习
1.5.3 自然语言处理
1.5.4 机器人技术
1.5.5 语音识别技术
1.6 本章小结
思政拓展阅读
习题
第2章 计算思维
2.1 计算的概念
2.1.1 什么是计算
2.1.2 普适计算与计算无所不在
2.2 计算思维概述
2.2.1 计算思维概念
2.2.2 计算思维的特征
2.3 自动计算与计算工具
2.3.1 自动计算
2.3.2 计算工具
2.4 计算思维的本质
2.5 日常生活中的计算思维
2.6 本章小结
思政拓展阅读
习题
第3章 大数据思维
3.1 数据定义与数据思维
3.1.1 数据定义
3.1.2 数据的量和存储单位
3.1.3 数据思维
3.2 大数据概念与思维
3.2.1 大数据概念
3.2.2 大数据思维
3.3 大数据处理技术
3.4 大数据处理平台和工具
3.4.1 常用数据采集平台和工具
3.4.2 常用数据预处理平台和工具
3.4.3 常用存储与管理平台
3.4.4 常用数据分析平台与工具
3.4.5 常用数据可视化平台与工具
3.5 大数据发展趋势
3.6 人工智能与大数据
3.7 本章小结
思政拓展阅读
习题
技术篇
第4章 知识图谱
4.1 知识图谱定义与表示
4.1.1 知识图谱的定义
4.1.2 知识表示
4.2 信息抽取
4.2.1 命名实体识别
4.2.2 关系抽取
4.3 知识图谱推理
4.3.1 什么是知识推理
4.3.2 知识推理的方法
4.4 知识图谱的应用
4.4.1 基于知识图谱的推荐系统
4.4.2 搜索与问答系统（QA）
4.5 知识图谱发展趋势
4.6 本章小结
思政拓展阅读
习题
第5章 机器学习
5.1 机器学习概述
5.1.1 机器学习定义
5.1.2 机器学习过程
5.1.3 机器学习分类
5.2 监督学习
5.2.1 回归分析
5.2.2 决策树
5.2.3 支持向量机
5.3 无监督学习
5.3.1 降维：主成分分析
5.3.2 聚类：k均值聚类
5.4 集成学习
5.5 本章小结
思政拓展阅读
习题
第6章 深度学习与强化学习
6.1 深度学习
6.1.1 深度学习基本概念
6.1.2 深度学习三大支柱
6.1.3 深度学习应用
6.2 深度学习网络结构分类
6.2.1 神经网络：基本网络结构
6.2.2 卷积神经网络：图像处理“利器”
6.2.3 循环神经网络：序列数据“处理器”
6.3 强化学习
6.3.1 强化学习基本概念
6.3.2 核心要素与方法分类
6.3.3 典型应用场景
6.4 本章小结
思政拓展阅读
习题
第7章 大模型与AIGC
7.1 大模型概述
7.1.1 大模型相关概念
7.1.2 小模型、大模型与人工智能
7.1.3 核心特征
7.1.4 大模型的分类
7.2 AIGC概述
7.2.1 AIGC特点
7.2.2 AIGC的流程
7.2.3 AIGC的应用场景
7.2.4 常见AIGC大模型工具
7.3 本章小结
思政拓展阅读
习题
应用篇
第8章 智能技术应用领域
8.1 感知智能
8.1.1 计算机视觉与机器视觉
8.1.2 模式识别
8.2 认知智能
8.2.1 问题求解
8.2.2 逻辑推理与定理证明
8.2.3 自然语言处理语言
8.3 机器人
8.3.1 行为主义载体
8.3.2 机器人的基本组成
8.3.3 智能机器人
8.4 混合智能
8.4.1 混合智能基本形态
8.4.2 脑机接口
8.4.3 动物混合智能
8.4.4 人体增强
8.5 本章小结
思政拓展阅读
习题
第9章 人工智能安全与伦理
9.1 人工智能安全
9.1.1 人工智能安全概念
9.1.2 人工智能安全的架构、风险及应对方法
9.1.3 人工智能安全现状与治理
9.2 人工智能伦理
9.2.1 人工智能伦理定义
9.2.2 人工智能伦理问题与规范
9.2.3 人工智能伦理规范
9.3 人工智能法律问题
9.3.1 人工智能引发的法律问题
9.3.2 人工智能的法律主体和法律人格问题
9.4 本章小结
思政拓展阅读
习题
第10章 人工智能+X领域
10.1 AI+娱乐
10.1.1 人工智能+音乐
10.1.2 人工智能+美术
10.1.3 人工智能+影视
10.2 AI+教育
10.2.1 精准化教学
10.2.2 科学化管理
10.2.3 个性化学习
10.3 AI+医疗
10.3.1 人工智能+医疗影像
10.3.2 人工智能+辅助诊断
10.3.3 人工智能+药物研发
10.4 AI+交通
10.4.1 车牌、厂商标志识别和车辆
10.4.2 交通信号系统与警用机器人
10.4.3 自动驾驶汽车
10.5 AI+农业
10.5.1 农业计算机视觉应用
10.5.2 农业机器人应用
10.5.3 农业专家系统应用
10.6 AI+金融
10.7 本章小结
思政拓展阅读
习题
前辅文
基础篇
第1章 人工智能概述
1.1 什么是人工智能
1.1.1 智能
1.1.2 人工智能
1.1.3 弱人工智能、强人工智能和超人工智能
1.2 人工智能的主要特征
1.2.1 对外界环境的感知能力
1.2.2 知识运用能力
1.2.3 从数据或经验中学习的能力
1.3 人工智能的发展历程
1.4 人工智能的三大学派
1.5 人工智能的重点领域
1.5.1 计算机视觉
1.5.2 机器学习
1.5.3 自然语言处理
1.5.4 机器人技术
1.5.5 语音识别技术
1.6 本章小结
思政拓展阅读
习题
第2章 计算思维
2.1 计算的概念
2.1.1 什么是计算
2.1.2 普适计算与计算无所不在
2.2 计算思维概述
2.2.1 计算思维概念
2.2.2 计算思维的特征
2.3 自动计算与计算工具
2.3.1 自动计算
2.3.2 计算工具
2.4 计算思维的本质
2.5 日常生活中的计算思维
2.6 本章小结
思政拓展阅读
习题
第3章 大数据思维
3.1 数据定义与数据思维
3.1.1 数据定义
3.1.2 数据的量和存储单位
3.1.3 数据思维
3.2 大数据概念与思维
3.2.1 大数据概念
3.2.2 大数据思维
3.3 大数据处理技术
3.4 大数据处理平台和工具
3.4.1 常用数据采集平台和工具
3.4.2 常用数据预处理平台和工具
3.4.3 常用存储与管理平台
3.4.4 常用数据分析平台与工具
3.4.5 常用数据可视化平台与工具
3.5 大数据发展趋势
3.6 人工智能与大数据
3.7 本章小结
思政拓展阅读
习题
技术篇
第4章 知识图谱
4.1 知识图谱定义与表示
4.1.1 知识图谱的定义
4.1.2 知识表示
4.2 信息抽取
4.2.1 命名实体识别
4.2.2 关系抽取
4.3 知识图谱推理
4.3.1 什么是知识推理
4.3.2 知识推理的方法
4.4 知识图谱的应用
4.4.1 基于知识图谱的推荐系统
4.4.2 搜索与问答系统（QA）
4.5 知识图谱发展趋势
4.6 本章小结
思政拓展阅读
习题
第5章 机器学习
5.1 机器学习概述
5.1.1 机器学习定义
5.1.2 机器学习过程
5.1.3 机器学习分类
5.2 监督学习
5.2.1 回归分析
5.2.2 决策树
5.2.3 支持向量机
5.3 无监督学习
5.3.1 降维：主成分分析
5.3.2 聚类：k均值聚类
5.4 集成学习
5.5 本章小结
思政拓展阅读
习题
第6章 深度学习与强化学习
6.1 深度学习
6.1.1 深度学习基本概念
6.1.2 深度学习三大支柱
6.1.3 深度学习应用
6.2 深度学习网络结构分类
6.2.1 神经网络：基本网络结构
6.2.2 卷积神经网络：图像处理“利器”
6.2.3 循环神经网络：序列数据“处理器”
6.3 强化学习
6.3.1 强化学习基本概念
6.3.2 核心要素与方法分类
6.3.3 典型应用场景
6.4 本章小结
思政拓展阅读
习题
第7章 大模型与AIGC
7.1 大模型概述
7.1.1 大模型相关概念
7.1.2 小模型、大模型与人工智能
7.1.3 核心特征
7.1.4 大模型的分类
7.2 AIGC概述
7.2.1 AIGC特点
7.2.2 AIGC的流程
7.2.3 AIGC的应用场景
7.2.4 常见AIGC大模型工具
7.3 本章小结
思政拓展阅读
习题
应用篇
第8章 智能技术应用领域
8.1 感知智能
8.1.1 计算机视觉与机器视觉
8.1.2 模式识别
8.2 认知智能
8.2.1 问题求解
8.2.2 逻辑推理与定理证明
8.2.3 自然语言处理语言
8.3 机器人
8.3.1 行为主义载体
8.3.2 机器人的基本组成
8.3.3 智能机器人
8.4 混合智能
8.4.1 混合智能基本形态
8.4.2 脑机接口
8.4.3 动物混合智能
8.4.4 人体增强
8.5 本章小结
思政拓展阅读
习题
第9章 人工智能安全与伦理
9.1 人工智能安全
9.1.1 人工智能安全概念
9.1.2 人工智能安全的架构、风险及应对方法
9.1.3 人工智能安全现状与治理
9.2 人工智能伦理
9.2.1 人工智能伦理定义
9.2.2 人工智能伦理问题与规范
9.2.3 人工智能伦理规范
9.3 人工智能法律问题
9.3.1 人工智能引发的法律问题
9.3.2 人工智能的法律主体和法律人格问题
9.4 本章小结
思政拓展阅读
习题
第10章 人工智能+X领域
10.1 AI+娱乐
10.1.1 人工智能+音乐
10.1.2 人工智能+美术
10.1.3 人工智能+影视
10.2 AI+教育
10.2.1 精准化教学
10.2.2 科学化管理
10.2.3 个性化学习
10.3 AI+医疗
10.3.1 人工智能+医疗影像
10.3.2 人工智能+辅助诊断
10.3.3 人工智能+药物研发
10.4 AI+交通
10.4.1 车牌、厂商标志识别和车辆
10.4.2 交通信号系统与警用机器人
10.4.3 自动驾驶汽车
10.5 AI+农业
10.5.1 农业计算机视觉应用
10.5.2 农业机器人应用
10.5.3 农业专家系统应用
10.6 AI+金融
10.7 本章小结
思政拓展阅读
习题
