- 高等教育出版社
- 9787040677973
- 1版
- 16开
- 270
内容简介
本书是一本兼顾理论基础、前沿热点与人文视角的人工智能入门教材，立足人类智能本源，系统梳理人工智能技术脉络、系统架构、社会影响与未来趋势，兼具通俗性、系统性与时代性。
全书以“认知—技术—应用—社会”的内在关联为主线，从智能本质、大脑机理、学习规律切入，层层递进讲解人工神经网络、机器学习、深度学习、大模型等核心技术，既覆盖经典基础理论，又聚焦大模型等前沿热点，同步融入我国人工智能发展历程与本土发展规划，兼顾经典知识与行业最新动态。本教材内容体系完整，不仅阐释技术原理，还剖析人工智能系统的感知、决策、执行机制，探讨技术带来的社会变革、伦理规范等现实议题，实现技术知识与人文思辨的有机结合。
全书共六章，第1章搭建人工智能整体认知框架；第2章追溯神经网络技术起源与发展；第3章解析机器学习核心逻辑；第4章拆解人工智能系统构成；第5章探讨技术与社会的双向影响；第6章展望行业未来图景。本教材各章配套小结与思考题，便于读者梳理要点、拓展思考，适配循序渐进的学习节奏。本书内容深浅适中、逻辑清晰，适合高等院校人工智能、计算机、大数据等专业用作本科基础教材，也可作为人工智能爱好者、行业入门者的科普读物，以及企事业单位基础培训的参考用书。
目录
目录
前辅文
第1章 从人类智能到人工智能
1.1 智能的本质探索
1.1.1 生物智能的进化轨迹
1.1.2 认知科学的四大核心领域：感知、推理、学习、创造力
1.1.3 智能的可计算性争论：图灵测试vs中文屋悖论
1.2 人工智能的技术实现路径
1.2.1 符号主义：专家系统与知识图谱
1.2.2 连接主义：从感知机到深度神经网络
1.2.3 行为主义：强化学习的奖励机制设计
1.3 人工智能的发展阶段
1.3.1 奠基期（1956—1980）：达特茅斯会议与逻辑推理
1.3.2 寒冬期（1987—1993）：专家系统的局限性
1.3.3 复兴期（2012—今）：深度学习的第三次浪潮
1.4 大模型的出现
1.5 中国人工智能技术的发展历史
1.5.1 机器证明方法论
1.5.2 国家实验室的建立
1.5.3 大模型时代的国产化实践
1.6 本章小结
思考题
第2章 人类大脑与人工神经网络
2.1 自然的奇迹——人类大脑的“微型处理器”
2.1.1 神经元的微观世界
2.1.2 大脑的学习奥秘
2.2 最初的模仿——感知机：希望的曙光与寒冬的降临
2.2.1 感知机的诞生与原理
2.2.2 局限与寒冬降临
2.3 连接的革命——多层网络与反向传播：寒冬后的复苏
2.4 深度学习的崛起
2.4.1 深度学习的基本思想
2.4.2 深度学习的训练过程
2.4.3 深度学习里程碑事件
2.5 反思与展望
2.6 本章小结
思考题
第3章 人类学习与机器学习
3.1 学习的本质
3.1.1 人类学习
3.1.2 机器的学习
3.1.3 基于神经网络的图像分割案例
3.1.4 人与机器的共同学习
3.2 机器学习的三大范式
3.2.1 监督学习
3.2.2 无监督学习
3.2.3 强化学习
3.3 深度学习
3.3.1 从机器学习到深度学习
3.3.2 神经网络的训练与优化
3.3.3 经典网络结构
3.4 大模型
3.4.1 大模型的定义与核心特征
3.4.2 大模型的核心技术原理
3.4.3 大模型的训练
3.4.4 大模型的主要应用领域
3.5 欠拟合与过拟合
3.6 本章小结
思考题
第4章 人工智能系统
4.1 机器感知
4.1.1 视觉感知
4.1.2 听觉感知
4.1.3 触觉感知
4.1.4 其他感知方式
4.2 机器决策
4.2.1 机器决策总体流程
4.2.2 图像处理技术
4.2.3 声音处理技术
4.2.4 大模型决策
4.3 机器执行
4.3.1 指令解析层
4.3.2 运动规划层
4.3.3 物理执行层
4.4 具身智能
4.4.1 无人驾驶汽车
4.4.2 仿生人形机器人
4.5 本章小结
思考题
第5章 人工智能与人类社会
5.1 人工智能与社会生活
5.1.1 智能家居
5.1.2 智慧城市
5.1.3 智能创作
5.2 人工智能带来的社会变革
5.2.1 经济与产业结构的重构
5.2.2 职业生态的变革
5.2.3 社会阶层的分化
5.3 人工智能中的伦理问题
5.3.1 机器人三定律
5.3.2 人工智能面临的问题
5.3.3 人机共生的伦理框架
5.4 本章小结
思考题
第6章 人工智能的未来
6.1 技术突破临界点
6.1.1 通用人工智能的实现路径
6.1.2 量子计算与AI的融合前景
6.1.3 脑机接口的认知增强可能性
6.2 社会发展新图景
6.2.1 教育革命：个性化终身学习系统
6.2.2 医疗范式：AI辅助的精准预防医学
6.2.3 能源管理：智能电网的自主优化
6.3 中国人工智能发展路线图
6.3.1 新一代人工智能发展规划
6.3.2 东数西算工程中的AI基础设施
6.3.3 数字丝绸之路的智能协作网络
6.4 本章小结
思考题
参考文献
前辅文
第1章 从人类智能到人工智能
1.1 智能的本质探索
1.1.1 生物智能的进化轨迹
1.1.2 认知科学的四大核心领域：感知、推理、学习、创造力
1.1.3 智能的可计算性争论：图灵测试vs中文屋悖论
1.2 人工智能的技术实现路径
1.2.1 符号主义：专家系统与知识图谱
1.2.2 连接主义：从感知机到深度神经网络
1.2.3 行为主义：强化学习的奖励机制设计
1.3 人工智能的发展阶段
1.3.1 奠基期（1956—1980）：达特茅斯会议与逻辑推理
1.3.2 寒冬期（1987—1993）：专家系统的局限性
1.3.3 复兴期（2012—今）：深度学习的第三次浪潮
1.4 大模型的出现
1.5 中国人工智能技术的发展历史
1.5.1 机器证明方法论
1.5.2 国家实验室的建立
1.5.3 大模型时代的国产化实践
1.6 本章小结
思考题
第2章 人类大脑与人工神经网络
2.1 自然的奇迹——人类大脑的“微型处理器”
2.1.1 神经元的微观世界
2.1.2 大脑的学习奥秘
2.2 最初的模仿——感知机：希望的曙光与寒冬的降临
2.2.1 感知机的诞生与原理
2.2.2 局限与寒冬降临
2.3 连接的革命——多层网络与反向传播：寒冬后的复苏
2.4 深度学习的崛起
2.4.1 深度学习的基本思想
2.4.2 深度学习的训练过程
2.4.3 深度学习里程碑事件
2.5 反思与展望
2.6 本章小结
思考题
第3章 人类学习与机器学习
3.1 学习的本质
3.1.1 人类学习
3.1.2 机器的学习
3.1.3 基于神经网络的图像分割案例
3.1.4 人与机器的共同学习
3.2 机器学习的三大范式
3.2.1 监督学习
3.2.2 无监督学习
3.2.3 强化学习
3.3 深度学习
3.3.1 从机器学习到深度学习
3.3.2 神经网络的训练与优化
3.3.3 经典网络结构
3.4 大模型
3.4.1 大模型的定义与核心特征
3.4.2 大模型的核心技术原理
3.4.3 大模型的训练
3.4.4 大模型的主要应用领域
3.5 欠拟合与过拟合
3.6 本章小结
思考题
第4章 人工智能系统
4.1 机器感知
4.1.1 视觉感知
4.1.2 听觉感知
4.1.3 触觉感知
4.1.4 其他感知方式
4.2 机器决策
4.2.1 机器决策总体流程
4.2.2 图像处理技术
4.2.3 声音处理技术
4.2.4 大模型决策
4.3 机器执行
4.3.1 指令解析层
4.3.2 运动规划层
4.3.3 物理执行层
4.4 具身智能
4.4.1 无人驾驶汽车
4.4.2 仿生人形机器人
4.5 本章小结
思考题
第5章 人工智能与人类社会
5.1 人工智能与社会生活
5.1.1 智能家居
5.1.2 智慧城市
5.1.3 智能创作
5.2 人工智能带来的社会变革
5.2.1 经济与产业结构的重构
5.2.2 职业生态的变革
5.2.3 社会阶层的分化
5.3 人工智能中的伦理问题
5.3.1 机器人三定律
5.3.2 人工智能面临的问题
5.3.3 人机共生的伦理框架
5.4 本章小结
思考题
第6章 人工智能的未来
6.1 技术突破临界点
6.1.1 通用人工智能的实现路径
6.1.2 量子计算与AI的融合前景
6.1.3 脑机接口的认知增强可能性
6.2 社会发展新图景
6.2.1 教育革命：个性化终身学习系统
6.2.2 医疗范式：AI辅助的精准预防医学
6.2.3 能源管理：智能电网的自主优化
6.3 中国人工智能发展路线图
6.3.1 新一代人工智能发展规划
6.3.2 东数西算工程中的AI基础设施
6.3.3 数字丝绸之路的智能协作网络
6.4 本章小结
思考题
参考文献
前辅文
第1章 从人类智能到人工智能
1.1 智能的本质探索
1.1.1 生物智能的进化轨迹
1.1.2 认知科学的四大核心领域：感知、推理、学习、创造力
1.1.3 智能的可计算性争论：图灵测试vs中文屋悖论
1.2 人工智能的技术实现路径
1.2.1 符号主义：专家系统与知识图谱
1.2.2 连接主义：从感知机到深度神经网络
1.2.3 行为主义：强化学习的奖励机制设计
1.3 人工智能的发展阶段
1.3.1 奠基期（1956—1980）：达特茅斯会议与逻辑推理
1.3.2 寒冬期（1987—1993）：专家系统的局限性
1.3.3 复兴期（2012—今）：深度学习的第三次浪潮
1.4 大模型的出现
1.5 中国人工智能技术的发展历史
1.5.1 机器证明方法论
1.5.2 国家实验室的建立
1.5.3 大模型时代的国产化实践
1.6 本章小结
思考题
第2章 人类大脑与人工神经网络
2.1 自然的奇迹——人类大脑的“微型处理器”
2.1.1 神经元的微观世界
2.1.2 大脑的学习奥秘
2.2 最初的模仿——感知机：希望的曙光与寒冬的降临
2.2.1 感知机的诞生与原理
2.2.2 局限与寒冬降临
2.3 连接的革命——多层网络与反向传播：寒冬后的复苏
2.4 深度学习的崛起
2.4.1 深度学习的基本思想
2.4.2 深度学习的训练过程
2.4.3 深度学习里程碑事件
2.5 反思与展望
2.6 本章小结
思考题
第3章 人类学习与机器学习
3.1 学习的本质
3.1.1 人类学习
3.1.2 机器的学习
3.1.3 基于神经网络的图像分割案例
3.1.4 人与机器的共同学习
3.2 机器学习的三大范式
3.2.1 监督学习
3.2.2 无监督学习
3.2.3 强化学习
3.3 深度学习
3.3.1 从机器学习到深度学习
3.3.2 神经网络的训练与优化
3.3.3 经典网络结构
3.4 大模型
3.4.1 大模型的定义与核心特征
3.4.2 大模型的核心技术原理
3.4.3 大模型的训练
3.4.4 大模型的主要应用领域
3.5 欠拟合与过拟合
3.6 本章小结
思考题
第4章 人工智能系统
4.1 机器感知
4.1.1 视觉感知
4.1.2 听觉感知
4.1.3 触觉感知
4.1.4 其他感知方式
4.2 机器决策
4.2.1 机器决策总体流程
4.2.2 图像处理技术
4.2.3 声音处理技术
4.2.4 大模型决策
4.3 机器执行
4.3.1 指令解析层
4.3.2 运动规划层
4.3.3 物理执行层
4.4 具身智能
4.4.1 无人驾驶汽车
4.4.2 仿生人形机器人
4.5 本章小结
思考题
第5章 人工智能与人类社会
5.1 人工智能与社会生活
5.1.1 智能家居
5.1.2 智慧城市
5.1.3 智能创作
5.2 人工智能带来的社会变革
5.2.1 经济与产业结构的重构
5.2.2 职业生态的变革
5.2.3 社会阶层的分化
5.3 人工智能中的伦理问题
5.3.1 机器人三定律
5.3.2 人工智能面临的问题
5.3.3 人机共生的伦理框架
5.4 本章小结
思考题
第6章 人工智能的未来
6.1 技术突破临界点
6.1.1 通用人工智能的实现路径
6.1.2 量子计算与AI的融合前景
6.1.3 脑机接口的认知增强可能性
6.2 社会发展新图景
6.2.1 教育革命：个性化终身学习系统
6.2.2 医疗范式：AI辅助的精准预防医学
6.2.3 能源管理：智能电网的自主优化
6.3 中国人工智能发展路线图
6.3.1 新一代人工智能发展规划
6.3.2 东数西算工程中的AI基础设施
6.3.3 数字丝绸之路的智能协作网络
6.4 本章小结
思考题
参考文献
前辅文
第1章 从人类智能到人工智能
1.1 智能的本质探索
1.1.1 生物智能的进化轨迹
1.1.2 认知科学的四大核心领域：感知、推理、学习、创造力
1.1.3 智能的可计算性争论：图灵测试vs中文屋悖论
1.2 人工智能的技术实现路径
1.2.1 符号主义：专家系统与知识图谱
1.2.2 连接主义：从感知机到深度神经网络
1.2.3 行为主义：强化学习的奖励机制设计
1.3 人工智能的发展阶段
1.3.1 奠基期（1956—1980）：达特茅斯会议与逻辑推理
1.3.2 寒冬期（1987—1993）：专家系统的局限性
1.3.3 复兴期（2012—今）：深度学习的第三次浪潮
1.4 大模型的出现
1.5 中国人工智能技术的发展历史
1.5.1 机器证明方法论
1.5.2 国家实验室的建立
1.5.3 大模型时代的国产化实践
1.6 本章小结
思考题
第2章 人类大脑与人工神经网络
2.1 自然的奇迹——人类大脑的“微型处理器”
2.1.1 神经元的微观世界
2.1.2 大脑的学习奥秘
2.2 最初的模仿——感知机：希望的曙光与寒冬的降临
2.2.1 感知机的诞生与原理
2.2.2 局限与寒冬降临
2.3 连接的革命——多层网络与反向传播：寒冬后的复苏
2.4 深度学习的崛起
2.4.1 深度学习的基本思想
2.4.2 深度学习的训练过程
2.4.3 深度学习里程碑事件
2.5 反思与展望
2.6 本章小结
思考题
第3章 人类学习与机器学习
3.1 学习的本质
3.1.1 人类学习
3.1.2 机器的学习
3.1.3 基于神经网络的图像分割案例
3.1.4 人与机器的共同学习
3.2 机器学习的三大范式
3.2.1 监督学习
3.2.2 无监督学习
3.2.3 强化学习
3.3 深度学习
3.3.1 从机器学习到深度学习
3.3.2 神经网络的训练与优化
3.3.3 经典网络结构
3.4 大模型
3.4.1 大模型的定义与核心特征
3.4.2 大模型的核心技术原理
3.4.3 大模型的训练
3.4.4 大模型的主要应用领域
3.5 欠拟合与过拟合
3.6 本章小结
思考题
第4章 人工智能系统
4.1 机器感知
4.1.1 视觉感知
4.1.2 听觉感知
4.1.3 触觉感知
4.1.4 其他感知方式
4.2 机器决策
4.2.1 机器决策总体流程
4.2.2 图像处理技术
4.2.3 声音处理技术
4.2.4 大模型决策
4.3 机器执行
4.3.1 指令解析层
4.3.2 运动规划层
4.3.3 物理执行层
4.4 具身智能
4.4.1 无人驾驶汽车
4.4.2 仿生人形机器人
4.5 本章小结
思考题
第5章 人工智能与人类社会
5.1 人工智能与社会生活
5.1.1 智能家居
5.1.2 智慧城市
5.1.3 智能创作
5.2 人工智能带来的社会变革
5.2.1 经济与产业结构的重构
5.2.2 职业生态的变革
5.2.3 社会阶层的分化
5.3 人工智能中的伦理问题
5.3.1 机器人三定律
5.3.2 人工智能面临的问题
5.3.3 人机共生的伦理框架
5.4 本章小结
思考题
第6章 人工智能的未来
6.1 技术突破临界点
6.1.1 通用人工智能的实现路径
6.1.2 量子计算与AI的融合前景
6.1.3 脑机接口的认知增强可能性
6.2 社会发展新图景
6.2.1 教育革命：个性化终身学习系统
6.2.2 医疗范式：AI辅助的精准预防医学
6.2.3 能源管理：智能电网的自主优化
6.3 中国人工智能发展路线图
6.3.1 新一代人工智能发展规划
6.3.2 东数西算工程中的AI基础设施
6.3.3 数字丝绸之路的智能协作网络
6.4 本章小结
思考题
参考文献
