本书详细阐述了培养具有人工智能素养的综合型人才所需要的相关知识。作为通识类课程教材，本书在确定知识布局时，紧紧围绕通识教育核心理念，系统介绍人工智能相关知识，努力培养学生的人工智能思维和人工智能能力。全书共4篇，分别是人工智能基础知识篇、人工智能基础技术篇、人工智能前沿技术篇和人工智能伦理篇。其中，人工智能基础知识篇包括信息与计算机基础、人工智能概述和人工智能的应用，人工智能基础技术篇包括机器学习、自然语言处理和计算机视觉，人工智能前沿技术篇包括大模型、智能体、具身智能、AIGC应用与实践，人工智能伦理篇包括人工智能伦理。本书以“零代码”学习人工智能为原则，使用AIGC工具解决学习、工作、生活中的各种问题。书中包含了大量生动、有趣、实用的实战案例，可以让读者切身感受人工智能的强大功能，培养读者使用AIGC工具解决实际问题的能力。 本书可作为高校人工智能通识课教材，也可供对人工智能感兴趣的读者自学使用。
1.零代码零公式，用通俗语言和生活化案例解读AI核心内容，大幅降低学习门槛，零基础轻松入门。
2.紧紧围绕通识教育核心理念，以深入浅出、通俗易懂的方式系统介绍人工智能知识和实践应用。
3.配套资源丰富，全面帮助教师进行课程建设。
林子雨，男，博士（毕业于北京大学），国内高校知名大数据教师，厦门大学计算机科学与技术系副教授，厦门大学数据库实验室负责人，中国计算机学会数据库专委会委员，中国计算机学会信息系统专委会委员，全国工业大数据行业产教融合共同体特聘专家，入选“2021年高校计算机专业优秀教师奖励计划”，荣获“2022年福建省高等教育教学成果奖特等奖（个人排名第一）”和“2018年福建省高等教育教学成果奖二等奖（个人排名第一）”，编著出版13本大数据系列教材，被国内1000多所高校采用，建设了国内高校首个大数据课程公共服务平台，平台累计网络访问量超过2500万次，成为全国高校大数据教学知名品牌，主持的课程《大数据技术原理与应用》获评“2018年国家精品在线开放课程”和“2020年国家级线上一流本科课程”，主持的课程《Spark编程基础》获评“2021年国家级线上一流本科课程”。建设的大数据系列MOOC课程入选“2023年教育部国家智慧教育公共服务平台应用典型案例”。
目录
1.1 信息与计算机概述 7
1.1.1 信息概述 8
1.1.2 信息技术的发展 10
1.1.3 计算机技术的发展 10
1.1.4 计算机的分类 12
1.1.5 四次信息化浪潮 14
1.2 计算机系统 14
1.2.1 硬件系统 15
1.2.2 软件系统 17
1.3计算机网络 19
1.3.1 计算机网络概述 19
1.3.2 移动互联网 20
1.4 计算机系统安全 21
1.4.1计算机系统面临的安全威胁 21
1.4.2安全防护技术 22
1.5 国家信息安全 22
1.5.1 信息安全的主要领域 22
1.5.2 保障国家信息安全的举措 23
1.5.3 我国实施“信创”战略 24
1.6 信息化基础设施 26
1.6.1 网络设施 26
1.6.2 算力设施 27
1.6.3 空间设施 28
1.6.4 电力设施 29
1.6.5 新基建 32
1.7 本章小结 32
1.8 习题 33
第 2章 人工智能概述 34
2.1 什么是人工智能 34
2.1.1 什么是智能 34
2.1.2 人工智能的定义 35
2.1.3 人工智能的要素 35
2.1.4 人工智能的类型 36
2.2 人工智能的发展历程 37
2.2.1图灵测试 37
2.2.2 人工智能的诞生 37
2.2.3 人工智能的发展阶段 38
2.2.4 人工智能发展的五个级别 39
2.3 人工智能的影响 40
2.3.1 人工智能对工作、生活等方面的影响 40
2.3.2人工智能开启科学研究“第五范式” 42
2.3.3 人工智能开启“人机共生”新时代 44
2.4 世界各国的人工智能发展战略 45
2.4.1 美国 45
2.4.2中国 45
2.4.3欧盟 46
2.4.4 其他国家 46
2.5 人工智能关键技术 46
2.5.1机器学习 46
2.5.2知识图谱 48
2.5.3自然语言处理 49
2.5.4人机交互 49
2.5.5计算机视觉 50
2.5.6生物特征识别 51
2.6 人工智能应用 51
2.7 人工智能产业 52
2.7.1智能基础设施建设 52
2.7.2智能信息及数据 52
2.7.3智能技术服务 53
2.7.4智能产品 53
2.8 人工智能思维 54
2.9 人工智能的未来发展 56
2.10 本章小结 58
2.11 习题 58
3.1 在制造业的应用 59
3.2 在智能家居中的应用 59
3.3 在智能物流中的应用 60
3.4 在金融行业的应用 61
3.5 在医疗健康中的应用 62
3.6 在安防领域的应用 63
3.7 在交通运输中的应用 64
3.8 在零售业的应用 64
3.9 在农业的应用 65
3.10 在环境保护中的应用 66
3.11 在教育领域的应用 67
3.12 在娱乐与游戏领域的应用 67
3.13 本章小结 68
3.14 习题 68
4.1 机器学习基本概念 70
4.1.1 什么是机器学习 70
4.1.2 机器学习的四大类型 70
4.1.3 机器学习的基本过程 71
4.3 监督学习 72
4.3.1 回归算法 72
4.3.2 分类算法 76
4.3.3 支持向量机 81
4.3.4 KNN 82
4.4 无监督学习 83
4.4.1 K-Means 84
4.4.2层次聚类 84
4.4.3 DBSCAN 85
4.4.4聚类算法的典型应用场景 86
4.5 强化学习 87
4.5.1 强化学习的基本要素 87
4.5.2 强化学习的过程 87
4.5.3 常见的强化学习算法 88
4.5.4 强化学习的典型应用场景 88
4.6 人工神经网络和深度学习 90
4.6.1人工神经网络 90
4.6.2 深度学习 91
4.7 本章小结 94
4.8 习题 94
5.1自然语言处理概述 96
5.1.1什么是自然语言处理 96
5.1.2自然语言处理的重要性与应用价值 96
5.1.3自然语言处理的发展简史 97
5.2 自然语言处理的核心基础任务 97
5.2.1文本分类：情感分析与主题识别 97
5.2.2关系抽取：挖掘实体间的关联 98
5.2.3命名实体识别：从文本中提取关键信息 100
5.2.4文本聚类：相似文本的自动归组 100
5.2.5信息检索：快速找到所需内容 101
5.3 自然语言处理的典型应用场景 102
5.4 本章小结 103
5.5 习题 103
6.1 计算机视觉概述 104
6.1.1 什么是计算机视觉 104
6.1.2 计算机视觉的发展历史 104
6.1.3 计算机视觉与人类视觉的差异 105
6.2计算机视觉的典型应用场景 105
6.3 计算机视觉的核心任务 105
6.4 计算机视觉面临的挑战 106
6.5 本章小结 107
6.6 习题 107
7.1 大模型概述 108
7.1.1 大模型的概念 108
7.1.2 大模型与小模型的区别 108
7.1.3 大模型的发展历程 109
7.1.4 人工智能与大模型的关系 110
7.1.5 大模型在人工智能领域的重要性 111
7.2 大模型产品 111
7.2.1 国外的大模型产品 111
7.2.2 国内的大模型产品 113
7.3.1 原理概述 115
7.2.3 中美两国在大模型领域的竞争 117
7.3 大模型的基本原理 117
7.3.2 大模型训练的实例演示 117
7.4 大模型的特点 119
7.5 大模型的分类 121
7.5.1 按照输入数据类型划分 121
7.5.2 按照应用领域划分 121
7.5.3 大语言模型的分类 122
7.6 大模型训练的硬件设施 123
7.7 大模型的成本 124
7.8 大模型的应用领域 125
7.9大模型对人们工作和生活的影响 126
7.9.1大模型对工作的影响 126
7.9.2 模型对生活的影响 126
7.10 大模型的挑战与未来发展 126
7.10.1 大模型的挑战 126
7.10.2 大模型的未来发展 127
7.11 大模型实战案例 127
7.11.1 为什么需要本地部署大模型 128
7.11.2 DeepSeek R1简介 128
7.11.3 在本地计算机部署DeepSeek R1 129
7.12 本章小结 134
7.13 习题 134
第8章 智能体 136
8.1 智能体概述 136
8.1.1 什么是智能体 136
8.1.2 智能体的发展历程 137
8.1.3 智能体的应用 137
8.1.4 智能体的优势 137
8.2 智能体和人工智能的关系 138
8.3 智能体的关键特征 139
8.4 智能体的分级 140
8.5 智能体的分类 142
8.6 智能体的组成 142
8.7 智能体的工作原理 142
8.8 智能体的关键技术 143
8.9 典型的智能体产品 143
8.10 基于大模型的智能体 144
8.10.1 国外的智能体产品 144
8.10.2 国内的智能体产品 146
8.10.3 案例：扣子智能体搭建实战 147
8.11 AI Agent和Agentic AI的关系 152
8.12 智能体的未来发展 154
8.13 本章小结 154
8.14 习题 155
9.1 具身智能概述 156
9.1.1 什么是具身智能 156
9.1.2 具身智能和智能体的关系 156
9.1.3 具身智能的发展历程 157
9.1.4 具身智能在人工智能中的地位与作用 158
9.2 具身智能的技术支撑 158
9.2.1 传感器技术：感知世界的触角 158
9.2.2 机器学习与强化学习 159
9.2.3 机器人技术：具身的物理载体 160
9.3 具身智能的应用领域 161
9.3.1 人机交互与协作 161
9.3.2 自主系统与导航 162
9.3.3 医疗健康 162
9.3.4 娱乐与教育 163
9.4 人形机器人 163
9.4.1 人形机器人的内涵 163
9.4.2 人形机器人的发展阶段 164
9.4.3 人形机器人的分类 165
9.4.4 典型人形机器人 166
9.5 具身智能的挑战与限制 169
9.5.1 技术挑战 169
9.5.2 伦理与法律问题 169
9.5.3 社会接受度与影响 169
9.6 本章小结 170
9.7 习题 170
10.1 AIGC概述 171
10.1.1 什么是AIGC 171
10.1.2 AIGC与大模型的关系 171
10.1.3 AIGC的发展历程 171
10.1.4 常见的AIGC应用场景 172
10.1.5 AIGC技术对行业发展的影响 172
10.1.6 AIGC技术对职业发展的影响 173
10.1.7 常见的AIGC大模型工具 173
10.1.8 AIGC大模型的提示词 173
10.2文本类AIGC应用实践 174
10.2.1 文本类AIGC应用场景 174
10.2.2 文本类AIGC工具基础知识 174
10.2.3案例1：与DeepSeek进行对话 179
10.2.4案例2：与百度文心一言进行对话 181
10.2.5案例3：使用Kimi制作PPT 183
10.2.6案例4：使用DeepSeek和转换工具生成WORD文档 187
10.3图片类AIGC应用实践 190
10.3.1图片类AIGC应用场景 190
10.3.2 案例5：创意图片生成 190
10.3.3 案例6：AI修图与老照片修复 192
10.3.4 案例7：图片扩展与高清化 196
10.3.5 案例8：智能抠图与图片融合 197
10.3.6 案例9：涂抹消除与局部重绘 202
10.3.7 案例10：AI绘画艺术创作 205
10.3.8 案例11：真实照片转成二次元风格 209
10.4语音类AIGC应用实践 211
10.4.1 语音类AIGC应用场景 211
10.4.2 案例12：豆包大模型的语音类功能用法 212
10.4.3案例13：使用喜马拉雅音频大模型进行文本配音 215
10.4.4 案例14：使用米可智能进行语音克隆 217
10.5视频类AIGC应用实践 221
10.5.1 视频类AIGC应用场景 221
10.5.2 代表性的视频类AIGC大模型 221
10.5.3 案例15：使用可灵AI实现文生视频 222
10.5.4案例16：使用即梦AI实现图生视频 227
10.5.5 案例17：使用即梦AI制作数字人 234
10.6 AIGC技术在辅助编程中的应用 237
10.6.1 AIGC技术在辅助编程中的应用场景 237
10.6.2 案例18：使用豆包大模型辅助编程 238
10.7 AI搜索 239
10.7.1 AI搜索概述 239
10.7.2 纳米AI搜索 240
10.8 本章小结 241
10.8 习题 241
11.1 人工智能伦理概念 242
11.2 人工智能的伦理问题 242
11.2.1 人的主体性异化 242
11.2.2 数据隐私和安全 243
11.2.3 算法偏见和歧视 243
11.2.4 AI造假、欺骗、信息污染 244
11.2.5 算法的不透明性和不可解释性 244
11.2.6 AI系统的不稳定性和风险性 244
11.2.7 责任归属 245
11.2.8 公平正义和社会效益 245
11.2.9 AIGC技术对知识产权形成挑战 245
11.2.10 人工智能在军事领域应用引发的伦理问题 245
11.3 人工智能伦理典型案例 246
11.3.1 亚裔市民被误识别为非洲裔遭拘留事件 246
11.3.2 某国产新能源汽车高速智驾系统误判致连环追尾 246
11.3.3 杭州某小区强制刷脸门禁侵犯业主隐私权案 246
11.3.4 智能音箱夜间自动激活窃听用户私密对话事件 247
11.3.5医疗AI误诊加剧种族健康差距 247
11.3.6 甘肃某男子用ChatGPT编假新闻牟利 247
11.3.7 智能家居系统“窃听”用户隐私 247
11.3.8 使用AI复活逝者 247
11.3.9 AI成瘾及首例AI致死命案悲剧 248
11.4 人工智能伦理的基本原则 248
11.5 解决人工智能伦理问题的策略 249
11.5.1 制定和执行相关法规和政策 249
11.5.2 加强AI技术的透明度和可解释性 249
11.5.3 建立AI伦理审查机制 249
11.5.4 提高公众对AI伦理问题的认识和意识 250
11.5.5 加强国际合作和交流，共同解决AI伦理问题 250
11.6 本章小结 250
11.7 习题 251
书单推荐
