- 高等教育出版社
- 9787040681987
- 1版
- 16开
- 460
内容简介
本书为高等学校人工智能通识教育系列教材，面向本科层次职业大学各专业人工智能通识课程，由长期从事教学的一线教师编写。
全书共8章，系统讲解人工智能基础理论、核心技术、实战应用与未来发展，从AI概述、基础支撑、感知智能、生成式AI、AIGC技术、智能体开发、项目实践到未来学习路径，层层递进，通俗易懂。
本书立足本科层次职业大学教育定位，坚持产教融合、实践导向、岗课赛证融通，结构清晰、内容翔实、案例丰富，突出技术应用与实操能力培养，可作为本科层次职业大学院校人工智能通识课教材，也可供相关从业者与爱好者学习使用。
全书共8章，系统讲解人工智能基础理论、核心技术、实战应用与未来发展，从AI概述、基础支撑、感知智能、生成式AI、AIGC技术、智能体开发、项目实践到未来学习路径，层层递进，通俗易懂。
本书立足本科层次职业大学教育定位，坚持产教融合、实践导向、岗课赛证融通，结构清晰、内容翔实、案例丰富，突出技术应用与实操能力培养，可作为本科层次职业大学院校人工智能通识课教材，也可供相关从业者与爱好者学习使用。
目录
目录
前辅文
第1章 人工智能概述与应用
1.1 人工智能的定义与核心内涵
1.1.1 人工智能的学术定义与通俗理解
1.1.2 人工智能的核心特征：感知、推理、学习与交互
1.1.3 相关概念辨析：人工智能、机器学习、深度学习、大数据
1.2 人工智能的发展历程
1.2.1 初创期（20世纪50年代至70年代）：概念提出与早期探索
1.2.2 低谷期（20世纪70年代至90年代）：技术瓶颈与“AI寒冬”
1.2.3 复苏期（20世纪90年代至21世纪第二个十年）：统计学习与应用突破
1.2.4 爆发期（21世纪第二个十年至今）：深度学习与全民普及
1.3 人工智能的分类与应用层级
1.3.1 弱人工智能、强人工智能与超人工智能的划分
1.3.2 专用人工智能的典型场景与能力边界
1.3.3 通用人工智能的研究进展与挑战
1.4 人工智能的基础伦理认知
1.4.1 人工智能伦理的基础内涵与重要性
1.4.2 人工智能伦理的核心基础
1.4.3 伦理意识的培养：AI时代的必备素养
1.5 本章小结
1.6 本章思考
第2章 人工智能的基础支撑
2.1 数据：人工智能的“燃料”
2.1.1 数据的类型
2.1.2 数据的质量要求
2.1.3 数据采集与预处理的基本流程
2.2 算法：人工智能的“逻辑核心”
2.2.1 算法的基本概念与作用
2.2.2 人工智能算法的分类：监督学习、无监督学习、强化学习
2.2.3 算法效率与效果的基本评价指标
2.3 算力：人工智能的“运行引擎”
2.4 人工智能的技术体系框架
2.4.1 基础层：数据、算力、算法的协同关系
2.4.2 技术层：感知智能、生成智能等核心技术模块
2.4.3 应用层：技术落地的场景化呈现
2.5 本章小结
2.6 本章思考
第3章 感知智能技术：让AI“看懂”与“听懂”
3.1 计算机视觉技术基础
3.1.1 计算机视觉的定义与核心目标
3.1.2 核心技术：图像识别与分类的基本原理
3.1.3 核心技术：目标检测与跟踪的简单应用
3.1.4 典型案例：人脸识别、车牌识别的实际场景
3.2 语音智能技术
3.2.1 语音智能的构成：语音识别与语音合成
3.2.2 语音识别的基本流程与关键技术
3.2.3 语音合成的发展：从机械音到自然语音
3.2.4 典型案例：智能音箱、语音助手的工作原理
3.3 自然语言处理基础：让AI“理解”文本
3.3.1 自然语言处理的定义与研究范畴
3.3.2 核心技术：文本分词与语义理解入门
3.3.3 核心技术：机器翻译的基本原理
3.3.4 典型案例
3.4 本章小结
3.5 本章思考
第4章 生成式人工智能基础与核心技术
4.1 生成式人工智能概述
4.1.1 生成式AI的定义与核心特征
4.1.2 生成式AI与传统AI的技术差异
4.2 生成式AI（GAI）的核心技术基础
4.2.1 生成对抗网络的基本原理与应用
4.2.2 大语言模型（LLM）的技术架构入门
4.3 GAI的典型应用场景
4.3.1 文本生成：文案、代码、报告的智能创作
4.3.2 图像生成：设计素材、艺术创作的辅助工具
4.3.3 多模态生成：文生图、图生文的跨模态应用
4.4 本章小结
4.5 本章思考
第5章 AIGC核心技术与实战应用
5.1 AIGC基础认知与核心概念
5.1.1 AIGC的定义与核心内涵
5.1.2 AIGC与GAI的关系辨析
5.1.3 AIGC的分类与核心特征
5.2 AIGC的核心生成技术
5.2.1 文本生成技术：从语言建模到内容创作
5.2.2 图像生成技术：扩散模型与风格迁移
5.2.3 音视频生成技术：合成原理与质量优化
5.2.4 多模态内容生成：跨模态转换与融合创作
5.3 AIGC的典型应用场景与实践
5.3.1 AIGC的产业应用与实践案例
5.3.2 典型工具应用解析
5.4 AIGC的规范发展与风险防控
5.4.1 内容合规性：版权保护与虚假信息治理
5.4.2 技术安全性：偏见规避与隐私保护
5.4.3 行业规范与国家监管要求
5.5 GAI与AIGC的协同发展与未来展望
5.5.1 GAI与AIGC的协同机制
5.5.2 生成式人工智能的技术发展趋势
5.5.3 国家战略下的发展机遇与挑战
5.6 本章小结
5.7 本章思考
第6章 智能体开发技术入门：让AI“自主决策”与“交互”
6.1 智能体的定义与核心构成
6.1.1 智能体的学术定义与通俗理解
6.1.2 智能体的核心组件：感知、决策、执行模块
6.1.3 智能体的分类：单智能体与多智能体系统
6.2 智能体开发国产工具与实践入门
6.2.1 入门级国产开发工具与平台介绍
6.2.2 百度智能云千帆AppBuilder：零代码智能体搭建实操
6.2.3 阿里云百炼平台：考研英语智能体定制流程
6.2.4 讯飞星辰Agent开发平台：多模态智能体构建技巧
6.2.5 开发流程：需求定义、模型选型、迭代优化
6.3 智能体典型应用案例解析
6.3.1 服务领域：基于百度千帆的智能客服机器人开发
6.3.2 产业领域：基于星辰平台的工厂智能调度系统实践
6.3.3 生活领域：基于通义千问的家庭智能助手定制
6.4 智能体的发展趋势
6.4.1 国产智能体技术的优势与突破方向
6.4.2 通用智能体的研究进展与挑战
6.5 本章小结
6.6 本章思考
第7章 人工智能项目实践：从原型到落地
7.1 项目实践前期准备
7.1.1 需求分析与场景定位方法
7.1.2 国产AI工具与资源选型策略
7.2 典型项目实践案例
7.2.1 项目一：基于扣子的大学生校园生活服务平台（校园综合服务）
7.2.2 项目二：基于百度秒哒的竞赛耗材出入库管理系统
7.3 项目对比与选型建议
7.3.1 两个项目的对比分析
7.3.2 选型建议与落地路径
7.4 项目落地后的运维与迭代机制
7.4.1 轻量化运维体系构建
7.4.2 安全合规与伦理规范
7.4.3 持续迭代与版本更新
7.5 本章小结
7.6 本章思考
第8章 人工智能的未来发展与学习路径
8.1 人工智能的未来发展趋势
8.1.1 技术发展：向通用化、融合化、绿色化进阶
8.1.2 应用发展：主流化、细分化、交叉化并行
8.1.3 治理发展：全球化、规范化、安全化同步推进
8.2 人工智能发展面临的机遇与挑战
8.2.1 发展机遇：技术、产业、政策多重赋能
8.2.2 面临挑战：技术、伦理、安全、人才多重制约
8.3 人工智能的学习路径
8.3.1 学习前提：树立正确的AI认知
8.3.2 基础学习：面向所有群体的AI通识
8.3.3 进阶学习：面向从业者与爱好者的应用能力提升
8.3.4 专业学习：面向AI研发者的深度提升
8.3.5 学习注意事项
8.4 本章小结
8.5 本章思考
前辅文
第1章 人工智能概述与应用
1.1 人工智能的定义与核心内涵
1.1.1 人工智能的学术定义与通俗理解
1.1.2 人工智能的核心特征：感知、推理、学习与交互
1.1.3 相关概念辨析：人工智能、机器学习、深度学习、大数据
1.2 人工智能的发展历程
1.2.1 初创期（20世纪50年代至70年代）：概念提出与早期探索
1.2.2 低谷期（20世纪70年代至90年代）：技术瓶颈与“AI寒冬”
1.2.3 复苏期（20世纪90年代至21世纪第二个十年）：统计学习与应用突破
1.2.4 爆发期（21世纪第二个十年至今）：深度学习与全民普及
1.3 人工智能的分类与应用层级
1.3.1 弱人工智能、强人工智能与超人工智能的划分
1.3.2 专用人工智能的典型场景与能力边界
1.3.3 通用人工智能的研究进展与挑战
1.4 人工智能的基础伦理认知
1.4.1 人工智能伦理的基础内涵与重要性
1.4.2 人工智能伦理的核心基础
1.4.3 伦理意识的培养：AI时代的必备素养
1.5 本章小结
1.6 本章思考
第2章 人工智能的基础支撑
2.1 数据：人工智能的“燃料”
2.1.1 数据的类型
2.1.2 数据的质量要求
2.1.3 数据采集与预处理的基本流程
2.2 算法：人工智能的“逻辑核心”
2.2.1 算法的基本概念与作用
2.2.2 人工智能算法的分类：监督学习、无监督学习、强化学习
2.2.3 算法效率与效果的基本评价指标
2.3 算力：人工智能的“运行引擎”
2.4 人工智能的技术体系框架
2.4.1 基础层：数据、算力、算法的协同关系
2.4.2 技术层：感知智能、生成智能等核心技术模块
2.4.3 应用层：技术落地的场景化呈现
2.5 本章小结
2.6 本章思考
第3章 感知智能技术：让AI“看懂”与“听懂”
3.1 计算机视觉技术基础
3.1.1 计算机视觉的定义与核心目标
3.1.2 核心技术：图像识别与分类的基本原理
3.1.3 核心技术：目标检测与跟踪的简单应用
3.1.4 典型案例：人脸识别、车牌识别的实际场景
3.2 语音智能技术
3.2.1 语音智能的构成：语音识别与语音合成
3.2.2 语音识别的基本流程与关键技术
3.2.3 语音合成的发展：从机械音到自然语音
3.2.4 典型案例：智能音箱、语音助手的工作原理
3.3 自然语言处理基础：让AI“理解”文本
3.3.1 自然语言处理的定义与研究范畴
3.3.2 核心技术：文本分词与语义理解入门
3.3.3 核心技术：机器翻译的基本原理
3.3.4 典型案例
3.4 本章小结
3.5 本章思考
第4章 生成式人工智能基础与核心技术
4.1 生成式人工智能概述
4.1.1 生成式AI的定义与核心特征
4.1.2 生成式AI与传统AI的技术差异
4.2 生成式AI（GAI）的核心技术基础
4.2.1 生成对抗网络的基本原理与应用
4.2.2 大语言模型（LLM）的技术架构入门
4.3 GAI的典型应用场景
4.3.1 文本生成：文案、代码、报告的智能创作
4.3.2 图像生成：设计素材、艺术创作的辅助工具
4.3.3 多模态生成：文生图、图生文的跨模态应用
4.4 本章小结
4.5 本章思考
第5章 AIGC核心技术与实战应用
5.1 AIGC基础认知与核心概念
5.1.1 AIGC的定义与核心内涵
5.1.2 AIGC与GAI的关系辨析
5.1.3 AIGC的分类与核心特征
5.2 AIGC的核心生成技术
5.2.1 文本生成技术：从语言建模到内容创作
5.2.2 图像生成技术：扩散模型与风格迁移
5.2.3 音视频生成技术：合成原理与质量优化
5.2.4 多模态内容生成：跨模态转换与融合创作
5.3 AIGC的典型应用场景与实践
5.3.1 AIGC的产业应用与实践案例
5.3.2 典型工具应用解析
5.4 AIGC的规范发展与风险防控
5.4.1 内容合规性：版权保护与虚假信息治理
5.4.2 技术安全性：偏见规避与隐私保护
5.4.3 行业规范与国家监管要求
5.5 GAI与AIGC的协同发展与未来展望
5.5.1 GAI与AIGC的协同机制
5.5.2 生成式人工智能的技术发展趋势
5.5.3 国家战略下的发展机遇与挑战
5.6 本章小结
5.7 本章思考
第6章 智能体开发技术入门：让AI“自主决策”与“交互”
6.1 智能体的定义与核心构成
6.1.1 智能体的学术定义与通俗理解
6.1.2 智能体的核心组件：感知、决策、执行模块
6.1.3 智能体的分类：单智能体与多智能体系统
6.2 智能体开发国产工具与实践入门
6.2.1 入门级国产开发工具与平台介绍
6.2.2 百度智能云千帆AppBuilder：零代码智能体搭建实操
6.2.3 阿里云百炼平台：考研英语智能体定制流程
6.2.4 讯飞星辰Agent开发平台：多模态智能体构建技巧
6.2.5 开发流程：需求定义、模型选型、迭代优化
6.3 智能体典型应用案例解析
6.3.1 服务领域：基于百度千帆的智能客服机器人开发
6.3.2 产业领域：基于星辰平台的工厂智能调度系统实践
6.3.3 生活领域：基于通义千问的家庭智能助手定制
6.4 智能体的发展趋势
6.4.1 国产智能体技术的优势与突破方向
6.4.2 通用智能体的研究进展与挑战
6.5 本章小结
6.6 本章思考
第7章 人工智能项目实践：从原型到落地
7.1 项目实践前期准备
7.1.1 需求分析与场景定位方法
7.1.2 国产AI工具与资源选型策略
7.2 典型项目实践案例
7.2.1 项目一：基于扣子的大学生校园生活服务平台（校园综合服务）
7.2.2 项目二：基于百度秒哒的竞赛耗材出入库管理系统
7.3 项目对比与选型建议
7.3.1 两个项目的对比分析
7.3.2 选型建议与落地路径
7.4 项目落地后的运维与迭代机制
7.4.1 轻量化运维体系构建
7.4.2 安全合规与伦理规范
7.4.3 持续迭代与版本更新
7.5 本章小结
7.6 本章思考
第8章 人工智能的未来发展与学习路径
8.1 人工智能的未来发展趋势
8.1.1 技术发展：向通用化、融合化、绿色化进阶
8.1.2 应用发展：主流化、细分化、交叉化并行
8.1.3 治理发展：全球化、规范化、安全化同步推进
8.2 人工智能发展面临的机遇与挑战
8.2.1 发展机遇：技术、产业、政策多重赋能
8.2.2 面临挑战：技术、伦理、安全、人才多重制约
8.3 人工智能的学习路径
8.3.1 学习前提：树立正确的AI认知
8.3.2 基础学习：面向所有群体的AI通识
8.3.3 进阶学习：面向从业者与爱好者的应用能力提升
8.3.4 专业学习：面向AI研发者的深度提升
8.3.5 学习注意事项
8.4 本章小结
8.5 本章思考
前辅文
第1章 人工智能概述与应用
1.1 人工智能的定义与核心内涵
1.1.1 人工智能的学术定义与通俗理解
1.1.2 人工智能的核心特征：感知、推理、学习与交互
1.1.3 相关概念辨析：人工智能、机器学习、深度学习、大数据
1.2 人工智能的发展历程
1.2.1 初创期（20世纪50年代至70年代）：概念提出与早期探索
1.2.2 低谷期（20世纪70年代至90年代）：技术瓶颈与“AI寒冬”
1.2.3 复苏期（20世纪90年代至21世纪第二个十年）：统计学习与应用突破
1.2.4 爆发期（21世纪第二个十年至今）：深度学习与全民普及
1.3 人工智能的分类与应用层级
1.3.1 弱人工智能、强人工智能与超人工智能的划分
1.3.2 专用人工智能的典型场景与能力边界
1.3.3 通用人工智能的研究进展与挑战
1.4 人工智能的基础伦理认知
1.4.1 人工智能伦理的基础内涵与重要性
1.4.2 人工智能伦理的核心基础
1.4.3 伦理意识的培养：AI时代的必备素养
1.5 本章小结
1.6 本章思考
第2章 人工智能的基础支撑
2.1 数据：人工智能的“燃料”
2.1.1 数据的类型
2.1.2 数据的质量要求
2.1.3 数据采集与预处理的基本流程
2.2 算法：人工智能的“逻辑核心”
2.2.1 算法的基本概念与作用
2.2.2 人工智能算法的分类：监督学习、无监督学习、强化学习
2.2.3 算法效率与效果的基本评价指标
2.3 算力：人工智能的“运行引擎”
2.4 人工智能的技术体系框架
2.4.1 基础层：数据、算力、算法的协同关系
2.4.2 技术层：感知智能、生成智能等核心技术模块
2.4.3 应用层：技术落地的场景化呈现
2.5 本章小结
2.6 本章思考
第3章 感知智能技术：让AI“看懂”与“听懂”
3.1 计算机视觉技术基础
3.1.1 计算机视觉的定义与核心目标
3.1.2 核心技术：图像识别与分类的基本原理
3.1.3 核心技术：目标检测与跟踪的简单应用
3.1.4 典型案例：人脸识别、车牌识别的实际场景
3.2 语音智能技术
3.2.1 语音智能的构成：语音识别与语音合成
3.2.2 语音识别的基本流程与关键技术
3.2.3 语音合成的发展：从机械音到自然语音
3.2.4 典型案例：智能音箱、语音助手的工作原理
3.3 自然语言处理基础：让AI“理解”文本
3.3.1 自然语言处理的定义与研究范畴
3.3.2 核心技术：文本分词与语义理解入门
3.3.3 核心技术：机器翻译的基本原理
3.3.4 典型案例
3.4 本章小结
3.5 本章思考
第4章 生成式人工智能基础与核心技术
4.1 生成式人工智能概述
4.1.1 生成式AI的定义与核心特征
4.1.2 生成式AI与传统AI的技术差异
4.2 生成式AI（GAI）的核心技术基础
4.2.1 生成对抗网络的基本原理与应用
4.2.2 大语言模型（LLM）的技术架构入门
4.3 GAI的典型应用场景
4.3.1 文本生成：文案、代码、报告的智能创作
4.3.2 图像生成：设计素材、艺术创作的辅助工具
4.3.3 多模态生成：文生图、图生文的跨模态应用
4.4 本章小结
4.5 本章思考
第5章 AIGC核心技术与实战应用
5.1 AIGC基础认知与核心概念
5.1.1 AIGC的定义与核心内涵
5.1.2 AIGC与GAI的关系辨析
5.1.3 AIGC的分类与核心特征
5.2 AIGC的核心生成技术
5.2.1 文本生成技术：从语言建模到内容创作
5.2.2 图像生成技术：扩散模型与风格迁移
5.2.3 音视频生成技术：合成原理与质量优化
5.2.4 多模态内容生成：跨模态转换与融合创作
5.3 AIGC的典型应用场景与实践
5.3.1 AIGC的产业应用与实践案例
5.3.2 典型工具应用解析
5.4 AIGC的规范发展与风险防控
5.4.1 内容合规性：版权保护与虚假信息治理
5.4.2 技术安全性：偏见规避与隐私保护
5.4.3 行业规范与国家监管要求
5.5 GAI与AIGC的协同发展与未来展望
5.5.1 GAI与AIGC的协同机制
5.5.2 生成式人工智能的技术发展趋势
5.5.3 国家战略下的发展机遇与挑战
5.6 本章小结
5.7 本章思考
第6章 智能体开发技术入门：让AI“自主决策”与“交互”
6.1 智能体的定义与核心构成
6.1.1 智能体的学术定义与通俗理解
6.1.2 智能体的核心组件：感知、决策、执行模块
6.1.3 智能体的分类：单智能体与多智能体系统
6.2 智能体开发国产工具与实践入门
6.2.1 入门级国产开发工具与平台介绍
6.2.2 百度智能云千帆AppBuilder：零代码智能体搭建实操
6.2.3 阿里云百炼平台：考研英语智能体定制流程
6.2.4 讯飞星辰Agent开发平台：多模态智能体构建技巧
6.2.5 开发流程：需求定义、模型选型、迭代优化
6.3 智能体典型应用案例解析
6.3.1 服务领域：基于百度千帆的智能客服机器人开发
6.3.2 产业领域：基于星辰平台的工厂智能调度系统实践
6.3.3 生活领域：基于通义千问的家庭智能助手定制
6.4 智能体的发展趋势
6.4.1 国产智能体技术的优势与突破方向
6.4.2 通用智能体的研究进展与挑战
6.5 本章小结
6.6 本章思考
第7章 人工智能项目实践：从原型到落地
7.1 项目实践前期准备
7.1.1 需求分析与场景定位方法
7.1.2 国产AI工具与资源选型策略
7.2 典型项目实践案例
7.2.1 项目一：基于扣子的大学生校园生活服务平台（校园综合服务）
7.2.2 项目二：基于百度秒哒的竞赛耗材出入库管理系统
7.3 项目对比与选型建议
7.3.1 两个项目的对比分析
7.3.2 选型建议与落地路径
7.4 项目落地后的运维与迭代机制
7.4.1 轻量化运维体系构建
7.4.2 安全合规与伦理规范
7.4.3 持续迭代与版本更新
7.5 本章小结
7.6 本章思考
第8章 人工智能的未来发展与学习路径
8.1 人工智能的未来发展趋势
8.1.1 技术发展：向通用化、融合化、绿色化进阶
8.1.2 应用发展：主流化、细分化、交叉化并行
8.1.3 治理发展：全球化、规范化、安全化同步推进
8.2 人工智能发展面临的机遇与挑战
8.2.1 发展机遇：技术、产业、政策多重赋能
8.2.2 面临挑战：技术、伦理、安全、人才多重制约
8.3 人工智能的学习路径
8.3.1 学习前提：树立正确的AI认知
8.3.2 基础学习：面向所有群体的AI通识
8.3.3 进阶学习：面向从业者与爱好者的应用能力提升
8.3.4 专业学习：面向AI研发者的深度提升
8.3.5 学习注意事项
8.4 本章小结
8.5 本章思考
前辅文
第1章 人工智能概述与应用
1.1 人工智能的定义与核心内涵
1.1.1 人工智能的学术定义与通俗理解
1.1.2 人工智能的核心特征：感知、推理、学习与交互
1.1.3 相关概念辨析：人工智能、机器学习、深度学习、大数据
1.2 人工智能的发展历程
1.2.1 初创期（20世纪50年代至70年代）：概念提出与早期探索
1.2.2 低谷期（20世纪70年代至90年代）：技术瓶颈与“AI寒冬”
1.2.3 复苏期（20世纪90年代至21世纪第二个十年）：统计学习与应用突破
1.2.4 爆发期（21世纪第二个十年至今）：深度学习与全民普及
1.3 人工智能的分类与应用层级
1.3.1 弱人工智能、强人工智能与超人工智能的划分
1.3.2 专用人工智能的典型场景与能力边界
1.3.3 通用人工智能的研究进展与挑战
1.4 人工智能的基础伦理认知
1.4.1 人工智能伦理的基础内涵与重要性
1.4.2 人工智能伦理的核心基础
1.4.3 伦理意识的培养：AI时代的必备素养
1.5 本章小结
1.6 本章思考
第2章 人工智能的基础支撑
2.1 数据：人工智能的“燃料”
2.1.1 数据的类型
2.1.2 数据的质量要求
2.1.3 数据采集与预处理的基本流程
2.2 算法：人工智能的“逻辑核心”
2.2.1 算法的基本概念与作用
2.2.2 人工智能算法的分类：监督学习、无监督学习、强化学习
2.2.3 算法效率与效果的基本评价指标
2.3 算力：人工智能的“运行引擎”
2.4 人工智能的技术体系框架
2.4.1 基础层：数据、算力、算法的协同关系
2.4.2 技术层：感知智能、生成智能等核心技术模块
2.4.3 应用层：技术落地的场景化呈现
2.5 本章小结
2.6 本章思考
第3章 感知智能技术：让AI“看懂”与“听懂”
3.1 计算机视觉技术基础
3.1.1 计算机视觉的定义与核心目标
3.1.2 核心技术：图像识别与分类的基本原理
3.1.3 核心技术：目标检测与跟踪的简单应用
3.1.4 典型案例：人脸识别、车牌识别的实际场景
3.2 语音智能技术
3.2.1 语音智能的构成：语音识别与语音合成
3.2.2 语音识别的基本流程与关键技术
3.2.3 语音合成的发展：从机械音到自然语音
3.2.4 典型案例：智能音箱、语音助手的工作原理
3.3 自然语言处理基础：让AI“理解”文本
3.3.1 自然语言处理的定义与研究范畴
3.3.2 核心技术：文本分词与语义理解入门
3.3.3 核心技术：机器翻译的基本原理
3.3.4 典型案例
3.4 本章小结
3.5 本章思考
第4章 生成式人工智能基础与核心技术
4.1 生成式人工智能概述
4.1.1 生成式AI的定义与核心特征
4.1.2 生成式AI与传统AI的技术差异
4.2 生成式AI（GAI）的核心技术基础
4.2.1 生成对抗网络的基本原理与应用
4.2.2 大语言模型（LLM）的技术架构入门
4.3 GAI的典型应用场景
4.3.1 文本生成：文案、代码、报告的智能创作
4.3.2 图像生成：设计素材、艺术创作的辅助工具
4.3.3 多模态生成：文生图、图生文的跨模态应用
4.4 本章小结
4.5 本章思考
第5章 AIGC核心技术与实战应用
5.1 AIGC基础认知与核心概念
5.1.1 AIGC的定义与核心内涵
5.1.2 AIGC与GAI的关系辨析
5.1.3 AIGC的分类与核心特征
5.2 AIGC的核心生成技术
5.2.1 文本生成技术：从语言建模到内容创作
5.2.2 图像生成技术：扩散模型与风格迁移
5.2.3 音视频生成技术：合成原理与质量优化
5.2.4 多模态内容生成：跨模态转换与融合创作
5.3 AIGC的典型应用场景与实践
5.3.1 AIGC的产业应用与实践案例
5.3.2 典型工具应用解析
5.4 AIGC的规范发展与风险防控
5.4.1 内容合规性：版权保护与虚假信息治理
5.4.2 技术安全性：偏见规避与隐私保护
5.4.3 行业规范与国家监管要求
5.5 GAI与AIGC的协同发展与未来展望
5.5.1 GAI与AIGC的协同机制
5.5.2 生成式人工智能的技术发展趋势
5.5.3 国家战略下的发展机遇与挑战
5.6 本章小结
5.7 本章思考
第6章 智能体开发技术入门：让AI“自主决策”与“交互”
6.1 智能体的定义与核心构成
6.1.1 智能体的学术定义与通俗理解
6.1.2 智能体的核心组件：感知、决策、执行模块
6.1.3 智能体的分类：单智能体与多智能体系统
6.2 智能体开发国产工具与实践入门
6.2.1 入门级国产开发工具与平台介绍
6.2.2 百度智能云千帆AppBuilder：零代码智能体搭建实操
6.2.3 阿里云百炼平台：考研英语智能体定制流程
6.2.4 讯飞星辰Agent开发平台：多模态智能体构建技巧
6.2.5 开发流程：需求定义、模型选型、迭代优化
6.3 智能体典型应用案例解析
6.3.1 服务领域：基于百度千帆的智能客服机器人开发
6.3.2 产业领域：基于星辰平台的工厂智能调度系统实践
6.3.3 生活领域：基于通义千问的家庭智能助手定制
6.4 智能体的发展趋势
6.4.1 国产智能体技术的优势与突破方向
6.4.2 通用智能体的研究进展与挑战
6.5 本章小结
6.6 本章思考
第7章 人工智能项目实践：从原型到落地
7.1 项目实践前期准备
7.1.1 需求分析与场景定位方法
7.1.2 国产AI工具与资源选型策略
7.2 典型项目实践案例
7.2.1 项目一：基于扣子的大学生校园生活服务平台（校园综合服务）
7.2.2 项目二：基于百度秒哒的竞赛耗材出入库管理系统
7.3 项目对比与选型建议
7.3.1 两个项目的对比分析
7.3.2 选型建议与落地路径
7.4 项目落地后的运维与迭代机制
7.4.1 轻量化运维体系构建
7.4.2 安全合规与伦理规范
7.4.3 持续迭代与版本更新
7.5 本章小结
7.6 本章思考
第8章 人工智能的未来发展与学习路径
8.1 人工智能的未来发展趋势
8.1.1 技术发展：向通用化、融合化、绿色化进阶
8.1.2 应用发展：主流化、细分化、交叉化并行
8.1.3 治理发展：全球化、规范化、安全化同步推进
8.2 人工智能发展面临的机遇与挑战
8.2.1 发展机遇：技术、产业、政策多重赋能
8.2.2 面临挑战：技术、伦理、安全、人才多重制约
8.3 人工智能的学习路径
8.3.1 学习前提：树立正确的AI认知
8.3.2 基础学习：面向所有群体的AI通识
8.3.3 进阶学习：面向从业者与爱好者的应用能力提升
8.3.4 专业学习：面向AI研发者的深度提升
8.3.5 学习注意事项
8.4 本章小结
8.5 本章思考
