人工智能概论：应用驱动的人工智能 / 普通高等学校人工智能通识系列教材
定价：￥59.00
作者： 徐子晨，曾勍炜，杜建强
出版时间：2025-07-15
出版社：机械工业出版社
- 机械工业出版社
- 9787111783244
- 1-1
- 552478
- 平装
- 2025-07-15
- 323
- 本科
内容简介
本书面向高校各专业本科生，强调基础知识的通识性与跨专业适应性，能够有效满足非计算机专业学生对人工智能知识的基本需求，并注重对其应用技能的启蒙培养。内容设置强调基础理论与应用实践并重，鼓励学生通过案例项目深入理解人工智能在智慧生活、智慧医疗、智能交通等现实场景中的实际价值。
本书开辟新路径，在保持知识系统性与理论严谨性的基础上，构建了“应用场景引领-核心技术讲解-动手实践训练-伦理反思提升”的四层渐进式结构，突出“贴近现实、可动手操作、富有思想深度”的特色，有效实现了面向各专业学生、强调实践能力培养的目标。
本书以大量日常生活中的真实应用为引导，如音乐推荐、智能闹钟、地图导航、人脸识别打卡等，贯穿图像分类、自然语言处理、生成式AI等典型技术主题，采用“任务驱动”的方式将抽象算法内化为学生可感知、可参与、可动手的项目任务。书中专设实践章节，帮助学生完成从理论到操作、从工具到产品的完整学习闭环，真正实现学以致用。
此外，本书还安排了系统的伦理思辨内容，探讨算法歧视、隐私泄露、模型偏见、AI责任划分等现实问题，引导学生形成科技理性与社会责任的双重视角。本书提供了多个真实案例、社会背景与问题导向的讨论框架，在价值观塑造方面具有明显优势。
在表达方式上，书中采用贴近青年学生语言风格的叙述方式，图文并茂，部分内容还结合AI生成的图像辅助理解，旨在降低阅读门槛，提升学习兴趣。书中既有理论讲解，也有流程图、可视化图表与代码示例，为教学与自学提供良好的支持条件。
本书在教材体系设计、内容选取、教学适配性和表达风格方面均体现出鲜明的特色与原创性，是当前人工智能通识教育教材领域兼具系统性、实用性与人文深度的重要创新成果。
本书开辟新路径，在保持知识系统性与理论严谨性的基础上，构建了“应用场景引领-核心技术讲解-动手实践训练-伦理反思提升”的四层渐进式结构，突出“贴近现实、可动手操作、富有思想深度”的特色，有效实现了面向各专业学生、强调实践能力培养的目标。
本书以大量日常生活中的真实应用为引导，如音乐推荐、智能闹钟、地图导航、人脸识别打卡等，贯穿图像分类、自然语言处理、生成式AI等典型技术主题，采用“任务驱动”的方式将抽象算法内化为学生可感知、可参与、可动手的项目任务。书中专设实践章节，帮助学生完成从理论到操作、从工具到产品的完整学习闭环，真正实现学以致用。
此外，本书还安排了系统的伦理思辨内容，探讨算法歧视、隐私泄露、模型偏见、AI责任划分等现实问题，引导学生形成科技理性与社会责任的双重视角。本书提供了多个真实案例、社会背景与问题导向的讨论框架，在价值观塑造方面具有明显优势。
在表达方式上，书中采用贴近青年学生语言风格的叙述方式，图文并茂，部分内容还结合AI生成的图像辅助理解，旨在降低阅读门槛，提升学习兴趣。书中既有理论讲解，也有流程图、可视化图表与代码示例，为教学与自学提供良好的支持条件。
本书在教材体系设计、内容选取、教学适配性和表达风格方面均体现出鲜明的特色与原创性，是当前人工智能通识教育教材领域兼具系统性、实用性与人文深度的重要创新成果。
目录
目 录
推荐序 1
推荐序 2
前言
第 1 章 初识人工智能 1
1.1 人工智能的定义 1
1.1.1 智能的定义 2
1.1.2 机器的智能 5
1.2 人工智能的发展历程 9
1.2.1 人工智能的第一个热潮 10
1.2.2 人工智能的第二个热潮 14
1.2.3 人工智能的第三个热潮 16
1.3 人工智能的分类 18
1.3.1 基于能力的分类 19
1.3.2 基于学派的分类 22
1.3.3 基于关键技术的分类 25
1.4 人工智能的现在和未来 27
小结 28
习题 29
第 2 章 人工智能基础 30
2.1 人工智能、机器学习和深度学习的关系 30
2.2 机器学习 31
2.2.1 机器学习的定义 32 2.2.2 机器学习的原理 33
2.3 线性回归与逻辑回归 34
2.3.1 线性回归 34
2.3.2 逻辑回归 35
2.3.3 评估与优化 36
2.4 深度学习 39
2.4.1 从“学习”到“深度学习” 39
2.4.2 深度学习和机器学习的区别 40
2.4.3 深度学习的崛起 40
2.4.4 深度学习的灵感来源 41
2.4.5 深度学习的三大核心层 41
2.4.6 深度学习的优势与挑战 43
小结 43
习题 44
第 3 章 人工智能核心技术 47
3.1 计算机视觉 47
3.1.1 计算机视觉的奠基者 47
3.1.2 图像采集与表示 51
3.1.3 计算机视觉任务与问题 53
3.2 自然语言智能 54
3.2.1 语音识别 54
3.2.2 自然语言处理 59
3.3 生成式人工智能 62
3.3.1 从判别到生成 63
3.3.2 工作原理 63
3.3.3 模态类型 66
小结 67
习题 67
第 4 章 人工智能的应用 68
4.1 智慧生活 68
4.1.1 智能家居 68
4.1.2 智能助理 71
4.1.3 智能娱乐与个性化推荐 75
4.2 智慧驾驶 80
4.2.1 自动驾驶技术 80
4.2.2 车联网与智能交通系统 84 4.3 智慧医疗 87
4.3.1 医疗影像分析与诊断支持 87
4.3.2 个性化医疗与基因分析 89
4.3.3 远程医疗与虚拟健康助手 93
小结 96
习题 96
第 5 章 人工智能的提示工程 98
5.1 提示工程简介 98
5.1.1 定义与内涵 98
5.1.2 发展历程 98
5.1.3 重要性与价值 99
5.2 提示技巧 100
5.2.1 基于样本数量的提示词技术 100
5.2.2 基于思考过程的提示词技术 102
5.2.3 基于一致性和连贯性的提示词技术 108
5.2.4 基于知识和信息的提示词技术 111
5.2.5 基于优化和效率的提示词技术 113
5.2.6 基于用户交互的提示词技术 115
5.3 实际应用 117
5.3.1 用人工智能快速生成一份报告 117
5.3.2 用人工智能快速制作一张插画 124
小结 128
习题 128
第 6 章 第一个人工智能项目 129
6.1 人工智能的编程语言——Python 129
6.1.1 Python 简介与特点 129
6.1.2 Python 在人工智能中的作用 130
6.2 前置知识学习 132
6.2.1 Python 相关 132
6.2.2 数据预处理 134
6.2.3 可视化 137
6.2.4 深度学习框架 141
6.3 项目概述 141
6.3.1 项目背景与意义 142
6.3.2 技术选型与实现框架 142
6.3.3 学习目标 142 6.4 从数据集处理开始 142
6.4.1 数据导入与查看 143
6.4.2 数据预处理 146
6.4.3 数据加载与批次处理 148
6.5 深度学习模型构建 153
6.5.1 硬件设备配置 154
6.5.2 模型结构定义 154
6.5.3 设置学习目标与优化策略 157
6.5.4 训练流程定义 158
6.5.5 测试流程定义 159
6.6 正式开始训练模型 160
6.6.1 设置训练参数与初始化记录 160
6.6.2 执行训练、测试循环 161
6.7 测试模型 163
6.7.1 训练与验证结果的可视化 163
6.7.2 生成混淆矩阵 165
6.7.3 生成评估报告 169
小结 172
习题 172
第 7 章 关于人工智能的思考 173
7.1 人工智能的算法歧视问题 173
7.1.1 算法歧视的概念和具体表现 173
7.1.2 算法歧视的成因 174
7.1.3 解决算法歧视的对策 178
7.2 人工智能的隐私问题 180
7.2.1 数据隐私与人工智能的关系 180
7.2.2 保护数据隐私的技术与法规 181
7.3 人工智能的责任与监管问题 184
7.3.1 人工智能决策中的责任归属问题 184
7.3.2 人工智能的监管与安全保障 187
小结 189
习题 189
附录 专业名词解释 190
习题答案 194
推荐序 1
推荐序 2
前言
第 1 章 初识人工智能 1
1.1 人工智能的定义 1
1.1.1 智能的定义 2
1.1.2 机器的智能 5
1.2 人工智能的发展历程 9
1.2.1 人工智能的第一个热潮 10
1.2.2 人工智能的第二个热潮 14
1.2.3 人工智能的第三个热潮 16
1.3 人工智能的分类 18
1.3.1 基于能力的分类 19
1.3.2 基于学派的分类 22
1.3.3 基于关键技术的分类 25
1.4 人工智能的现在和未来 27
小结 28
习题 29
第 2 章 人工智能基础 30
2.1 人工智能、机器学习和深度学习的关系 30
2.2 机器学习 31
2.2.1 机器学习的定义 32 2.2.2 机器学习的原理 33
2.3 线性回归与逻辑回归 34
2.3.1 线性回归 34
2.3.2 逻辑回归 35
2.3.3 评估与优化 36
2.4 深度学习 39
2.4.1 从“学习”到“深度学习” 39
2.4.2 深度学习和机器学习的区别 40
2.4.3 深度学习的崛起 40
2.4.4 深度学习的灵感来源 41
2.4.5 深度学习的三大核心层 41
2.4.6 深度学习的优势与挑战 43
小结 43
习题 44
第 3 章 人工智能核心技术 47
3.1 计算机视觉 47
3.1.1 计算机视觉的奠基者 47
3.1.2 图像采集与表示 51
3.1.3 计算机视觉任务与问题 53
3.2 自然语言智能 54
3.2.1 语音识别 54
3.2.2 自然语言处理 59
3.3 生成式人工智能 62
3.3.1 从判别到生成 63
3.3.2 工作原理 63
3.3.3 模态类型 66
小结 67
习题 67
第 4 章 人工智能的应用 68
4.1 智慧生活 68
4.1.1 智能家居 68
4.1.2 智能助理 71
4.1.3 智能娱乐与个性化推荐 75
4.2 智慧驾驶 80
4.2.1 自动驾驶技术 80
4.2.2 车联网与智能交通系统 84 4.3 智慧医疗 87
4.3.1 医疗影像分析与诊断支持 87
4.3.2 个性化医疗与基因分析 89
4.3.3 远程医疗与虚拟健康助手 93
小结 96
习题 96
第 5 章 人工智能的提示工程 98
5.1 提示工程简介 98
5.1.1 定义与内涵 98
5.1.2 发展历程 98
5.1.3 重要性与价值 99
5.2 提示技巧 100
5.2.1 基于样本数量的提示词技术 100
5.2.2 基于思考过程的提示词技术 102
5.2.3 基于一致性和连贯性的提示词技术 108
5.2.4 基于知识和信息的提示词技术 111
5.2.5 基于优化和效率的提示词技术 113
5.2.6 基于用户交互的提示词技术 115
5.3 实际应用 117
5.3.1 用人工智能快速生成一份报告 117
5.3.2 用人工智能快速制作一张插画 124
小结 128
习题 128
第 6 章 第一个人工智能项目 129
6.1 人工智能的编程语言——Python 129
6.1.1 Python 简介与特点 129
6.1.2 Python 在人工智能中的作用 130
6.2 前置知识学习 132
6.2.1 Python 相关 132
6.2.2 数据预处理 134
6.2.3 可视化 137
6.2.4 深度学习框架 141
6.3 项目概述 141
6.3.1 项目背景与意义 142
6.3.2 技术选型与实现框架 142
6.3.3 学习目标 142 6.4 从数据集处理开始 142
6.4.1 数据导入与查看 143
6.4.2 数据预处理 146
6.4.3 数据加载与批次处理 148
6.5 深度学习模型构建 153
6.5.1 硬件设备配置 154
6.5.2 模型结构定义 154
6.5.3 设置学习目标与优化策略 157
6.5.4 训练流程定义 158
6.5.5 测试流程定义 159
6.6 正式开始训练模型 160
6.6.1 设置训练参数与初始化记录 160
6.6.2 执行训练、测试循环 161
6.7 测试模型 163
6.7.1 训练与验证结果的可视化 163
6.7.2 生成混淆矩阵 165
6.7.3 生成评估报告 169
小结 172
习题 172
第 7 章 关于人工智能的思考 173
7.1 人工智能的算法歧视问题 173
7.1.1 算法歧视的概念和具体表现 173
7.1.2 算法歧视的成因 174
7.1.3 解决算法歧视的对策 178
7.2 人工智能的隐私问题 180
7.2.1 数据隐私与人工智能的关系 180
7.2.2 保护数据隐私的技术与法规 181
7.3 人工智能的责任与监管问题 184
7.3.1 人工智能决策中的责任归属问题 184
7.3.2 人工智能的监管与安全保障 187
小结 189
习题 189
附录 专业名词解释 190
习题答案 194
