人工智能概论（新农科版）
定价：￥59.00
作者： 张慧，汪强，王栋，付元元，束美艳
出版社：高等教育出版社
- 高等教育出版社
- 9787040676839
- 1版
- 16开
内容简介
本书是河南省“十四五”普通高等教育规划教材立项建设成果，也是河南省计算机基础教育通识示范课配套教材。立足农林院校人才培养需求，以“理论奠基、产业导向、农林特色”为核心定位，搭建“技术原理—行业实践—创新应用”三位一体的知识框架，在系统讲解人工智能基础理论的同时，深度融合农林领域典型应用场景，助力农林专业学生掌握AI技术与行业实践相结合的能力。
本书共设9章，第1章人工智能概述，第2章知识表征与知识图谱技术，第3章机器学习，第4章计算机视觉技术，第5章自然语言处理，第6章大模型技术，第7章智能机器人，第8章人工智能伦理：挑战、责任与未来，第9章AI智能办公。每章均设置有学习目标、课前引例、课后案例、实践习题等模块，既确保零基础学生能够循序渐进地掌握知识，也为进阶学习预留提升空间。
本书配套提供电子课件、案例数据集、Python代码库等资源，适用于农林类、理工类、文法经管等专业，既可作为必修课教材，也可作为选修课或实训课程参考资料。
目录
目录
前辅文
第1章 人工智能概述
引例：机器是如何知道苹果熟了
1.1 人工智能的概念
1.2 人工智能的产生与发展
1.2.1 开端和产生
1.2.2 人工智能发展
1.3 人工智能研究的三大学派
1.3.1 符号主义学派
1.3.2 联结主义学派
1.3.3 行为主义学派
1.4 人工智能的研究内容
1.4.1 机器学习
1.4.2 深度学习
1.4.3 计算机视觉
1.4.4 自然语言处理
1.4.5 知识表示与推理
1.4.6 专家系统
1.4.7 知识图谱
1.4.8 机器人学
1.4.9 大模型
1.4.10 智能体
1.4.11 人工智能伦理与安全
1.5 人工智能的行业应用
1.5.1 智能制造
1.5.2 智慧农业
1.5.3 智慧医疗
1.5.4 智慧金融
1.5.5 智慧交通
1.5.6 智慧物流
1.6 人工智能与未来
1.6.1 基础理论将获得新突破
1.6.2 多模态融合将成为重要发展方向
1.6.3 通用人工智能将不断深化
1.6.4 算法范式将深度重构
1.6.5 产业应用将不断升级
1.6.6 具身智能将成为研究热点
本章案例：人脸识别系统
本章案例1-1：人脸检测（文科类）
本章案例1-2：人脸特征点获取（农林类）
本章案例1-3：人脸识别与结果展示（理工类）
习题
第2章 知识表征与知识图谱技术
引例：网络社区如何为你推荐新朋友？
2.1 人工智能的知识形式
2.2 知识的符号化——形式逻辑
2.2.1 简单的符号表达——命题逻辑
2.2.2 逻辑运算
2.2.3 用命题逻辑表达知识与信息
2.2.4 更丰富的符号表达——谓词逻辑
2.2.5 形式逻辑的语法、语义与推理
2.3 另一种直观的结构化表达——图
2.4 知识的本体论工程
2.5 知识图谱与相关技术
2.5.1 知识图谱的图结构建立
2.5.2 知识融合与去重
2.5.3 知识图谱的表示与存储方式
2.5.4 图谱的查询与检索方式
2.6 知识图谱的典型应用场景
2.6.1 知识图谱在高校教学中的知识组织与辅助学习
2.6.2 知识图谱如何帮助农民种粮食
2.6.3 知识图谱如何辅助医疗服务与病情管理？
2.7 章节总结与扩展阅读
本章案例
本章案例2-1：中国近代史课程知识图谱的构建、推理与检索
本章案例2-2：观赏性蝴蝶兰养殖知识图谱的构建、推理与检索
本章案例2-3：Python编程语言技术要点知识图谱构建与检索
习题
第3章 机器学习
引例：“深蓝”大战卡斯帕罗夫
3.1 机器学习概述
3.1.1 什么是机器学习
3.1.2 相关术语
3.1.3 机器学习的主要任务
3.1.4 机器学习的类型
3.1.5 机器学习的发展历程
3.2 监督学习
3.2.1 工作流程
3.2.2 分类
3.2.3 回归
3.3 无监督学习
3.3.1 聚类
3.3.2 降维
3.3.3 关联分析
3.3.4 密度估计
3.4 弱监督学习
3.4.1 不完全监督
3.4.2 不精确监督
3.4.3 不准确监督
3.5 深度学习
3.5.1 人工神经网络
3.5.2 卷积神经网络
3.5.3 循环神经网络
3.5.4 生成对抗网络
3.5.5 Transformer
3.6 强化学习
3.7 迁移学习
本章案例
本章案例3-1：AI识鱼，让游客畅游海洋馆
本章案例3-2：工资预测，看看你能拿多少钱
本章案例3-3：精准营销，对客户进行群体划分
习题
第4章 计算机视觉技术
引例：计算机是如何识别小麦病虫害的？
4.1 计算机视觉技术概述
4.1.1 什么是计算机视觉？
4.1.2 计算机如何“看”世界？
4.1.3 计算机从图像中学什么？
4.2 计算机视觉技术的研究内容和应用
4.2.1 计算机视觉数据集
4.2.2 图像分类及其应用
4.2.3 目标检测及其应用
4.2.4 图像分割及其应用
4.2.5 目标跟踪及其应用
4.3 计算机视觉的未来发展趋势
本章案例
本章案例4-1：基于HOG特征和SVM的人脸检测（农林类）
本章案例4-2：基于人工神经网络的图像分类（理工类）
本章案例4-3：基于最大类间方差的图像阈值分割（文科类）
习题
第5章 自然语言处理
引例：当我们讨论“写作风格”时，我们究竟在讨论什么？
5.1 自然语言是人工智能必修课
5.2 自然语言的结构
5.2.1 语言的结构分析——语句结构树
5.2.2 按照规则生成新的语句——转换生成语法
5.3 语言在计算机内的表达
5.3.1 第一层——语言最基本的编码与表示
5.3.2 第二层——含有语义表达的编码方式
5.4 从规则到数值计算——语言的概率模型
5.4.1 词袋模型
5.4.2 n元模型
5.4.3 使用概率工具分析和生成自然语言
5.5 自然语言处理的任务和典型应用场景
5.5.1 理解任务之一：分词
5.5.2 理解任务之二：词法分析
5.5.3 理解任务之三：实体识别和关系抽取
5.5.4 理解任务之四：文本分类
5.5.5 理解任务之五：情感分析
5.5.6 生成任务之一：机器翻译
5.5.7 生成任务之二：自动文本摘要
5.5.8 生成任务之三：图文生成与多模态语言生成
5.5.9 生成任务之四：文本改写与风格迁移
5.6 语音识别与语音分析：从声音到语言的另一条路径
5.7 章节总结与扩展阅读
本章案例
本章案例5-1：中文文本的情感分类
本章案例5-2：构建基于Seq2Seq模型的中文聊天机器人
本章案例5-3：基于词嵌入与GRU的聊天机器人优化设计
习题
第6章 大模型技术
引例：人工智能技术构建智慧农业
6.1 大模型的基本概念与发展
6.1.1 大模型的基本概念
6.1.2 大模型发展历程
6.2 大模型基础架构
6.3 大模型训练
6.3.1 训练数据的收集
6.3.2 训练数据的预处理
6.3.3 数据增强
6.3.4 并行化和分布式训练
6.4 大模型微调
6.4.1 参数微调
6.4.2 量化高效微调
6.4.3 指令微调
6.4.4 基于人类反馈的强化学习微调
6.5 大模型提示工程
6.5.1 提示工程简介
6.5.2 零样本提示
6.5.3 少样本提示
6.5.4 链式思考提示
6.5.5 思维树提示
6.5.6 检索增强生成
6.5.7 自动提示工程
6.6 大模型评估
6.6.1 评估内容
6.6.2 对齐评测
6.6.3 行业大模型评测
6.7 大模型的智能体应用
6.7.1 运作方式
6.7.2 扩展应用
6.7.3 函数
6.7.4 数据存储
6.7.5 增强模型性能与针对性学习
本章案例：大语言模型智能体的入门与应用
本章案例6-1：小说创作智能体设计（文科类）
本章案例6-2：玉米育种智能体设计（农林类）
本章案例6-3：科研智能体设计（理工类）
习题
第7章 智能机器人
引例：机器人如何精准摘取草莓
7.1 智能机器人概述
7.1.1 什么是智能机器人？
7.1.2 智能机器人与传统机器人的比较
7.1.3 智能机器人的发展历程
7.2 智能机器人的应用
7.2.1 服务机器人
7.2.2 农业机器人
7.2.3 工业机器人
7.3 智能机器人面临的挑战与展望
7.3.1 面临的挑战
7.3.2 未来展望
本章案例
本章案例7-1：无人车感知和简单控制
本章案例7-2：移动机械臂任务仿真
习题
第8章 人工智能伦理：挑战、责任与未来
引例：智能客服背后的伦理考量
8.1 人工智能伦理概述
8.1.1 为何需要关注人工智能伦理？
8.1.2 人工智能伦理研究什么？
8.2 狭义人工智能伦理：现实挑战与技术治理
8.2.1 公平性：追求无偏的人工智能
8.2.2 透明性：揭开人工智能的“神秘面纱”
8.2.3 可解释性：打破人工智能的“黑箱”
8.2.4 公平、透明与可解释性的相互关系与协同发展
8.3 广义人工智能伦理：文明风险与价值防御
8.3.1 人机关系的演变与现状
8.3.2 人工智能对人类主体地位的挑战
8.3.3 维护人类主体地位的策略与措施
习题
*第9章 AI智能办公
9.1 AI智能办公概述
9.1.1 文档处理
9.1.2 数据分析
9.1.3 演示设计
9.2 AI写作助手
9.2.1 WPS AI帮我写
9.2.2 WPS AI帮我改
9.2.3 WPS AI伴写
9.3 AI设计助手
9.3.1 WPS AI排版
9.3.2 WPS AI条件格式
9.3.3 WPS AI生成PPT
9.4 AI阅读助手
9.4.1 WPS AI全文总结
9.4.2 WPS AI文档问答
9.5 AI数据助手
9.5.1 WPS AI写公式
9.5.2 WPS AI数据分析
9.6 本章小结
习题
前辅文
第1章 人工智能概述
引例：机器是如何知道苹果熟了
1.1 人工智能的概念
1.2 人工智能的产生与发展
1.2.1 开端和产生
1.2.2 人工智能发展
1.3 人工智能研究的三大学派
1.3.1 符号主义学派
1.3.2 联结主义学派
1.3.3 行为主义学派
1.4 人工智能的研究内容
1.4.1 机器学习
1.4.2 深度学习
1.4.3 计算机视觉
1.4.4 自然语言处理
1.4.5 知识表示与推理
1.4.6 专家系统
1.4.7 知识图谱
1.4.8 机器人学
1.4.9 大模型
1.4.10 智能体
1.4.11 人工智能伦理与安全
1.5 人工智能的行业应用
1.5.1 智能制造
1.5.2 智慧农业
1.5.3 智慧医疗
1.5.4 智慧金融
1.5.5 智慧交通
1.5.6 智慧物流
1.6 人工智能与未来
1.6.1 基础理论将获得新突破
1.6.2 多模态融合将成为重要发展方向
1.6.3 通用人工智能将不断深化
1.6.4 算法范式将深度重构
1.6.5 产业应用将不断升级
1.6.6 具身智能将成为研究热点
本章案例：人脸识别系统
本章案例1-1：人脸检测（文科类）
本章案例1-2：人脸特征点获取（农林类）
本章案例1-3：人脸识别与结果展示（理工类）
习题
第2章 知识表征与知识图谱技术
引例：网络社区如何为你推荐新朋友？
2.1 人工智能的知识形式
2.2 知识的符号化——形式逻辑
2.2.1 简单的符号表达——命题逻辑
2.2.2 逻辑运算
2.2.3 用命题逻辑表达知识与信息
2.2.4 更丰富的符号表达——谓词逻辑
2.2.5 形式逻辑的语法、语义与推理
2.3 另一种直观的结构化表达——图
2.4 知识的本体论工程
2.5 知识图谱与相关技术
2.5.1 知识图谱的图结构建立
2.5.2 知识融合与去重
2.5.3 知识图谱的表示与存储方式
2.5.4 图谱的查询与检索方式
2.6 知识图谱的典型应用场景
2.6.1 知识图谱在高校教学中的知识组织与辅助学习
2.6.2 知识图谱如何帮助农民种粮食
2.6.3 知识图谱如何辅助医疗服务与病情管理？
2.7 章节总结与扩展阅读
本章案例
本章案例2-1：中国近代史课程知识图谱的构建、推理与检索
本章案例2-2：观赏性蝴蝶兰养殖知识图谱的构建、推理与检索
本章案例2-3：Python编程语言技术要点知识图谱构建与检索
习题
第3章 机器学习
引例：“深蓝”大战卡斯帕罗夫
3.1 机器学习概述
3.1.1 什么是机器学习
3.1.2 相关术语
3.1.3 机器学习的主要任务
3.1.4 机器学习的类型
3.1.5 机器学习的发展历程
3.2 监督学习
3.2.1 工作流程
3.2.2 分类
3.2.3 回归
3.3 无监督学习
3.3.1 聚类
3.3.2 降维
3.3.3 关联分析
3.3.4 密度估计
3.4 弱监督学习
3.4.1 不完全监督
3.4.2 不精确监督
3.4.3 不准确监督
3.5 深度学习
3.5.1 人工神经网络
3.5.2 卷积神经网络
3.5.3 循环神经网络
3.5.4 生成对抗网络
3.5.5 Transformer
3.6 强化学习
3.7 迁移学习
本章案例
本章案例3-1：AI识鱼，让游客畅游海洋馆
本章案例3-2：工资预测，看看你能拿多少钱
本章案例3-3：精准营销，对客户进行群体划分
习题
第4章 计算机视觉技术
引例：计算机是如何识别小麦病虫害的？
4.1 计算机视觉技术概述
4.1.1 什么是计算机视觉？
4.1.2 计算机如何“看”世界？
4.1.3 计算机从图像中学什么？
4.2 计算机视觉技术的研究内容和应用
4.2.1 计算机视觉数据集
4.2.2 图像分类及其应用
4.2.3 目标检测及其应用
4.2.4 图像分割及其应用
4.2.5 目标跟踪及其应用
4.3 计算机视觉的未来发展趋势
本章案例
本章案例4-1：基于HOG特征和SVM的人脸检测（农林类）
本章案例4-2：基于人工神经网络的图像分类（理工类）
本章案例4-3：基于最大类间方差的图像阈值分割（文科类）
习题
第5章 自然语言处理
引例：当我们讨论“写作风格”时，我们究竟在讨论什么？
5.1 自然语言是人工智能必修课
5.2 自然语言的结构
5.2.1 语言的结构分析——语句结构树
5.2.2 按照规则生成新的语句——转换生成语法
5.3 语言在计算机内的表达
5.3.1 第一层——语言最基本的编码与表示
5.3.2 第二层——含有语义表达的编码方式
5.4 从规则到数值计算——语言的概率模型
5.4.1 词袋模型
5.4.2 n元模型
5.4.3 使用概率工具分析和生成自然语言
5.5 自然语言处理的任务和典型应用场景
5.5.1 理解任务之一：分词
5.5.2 理解任务之二：词法分析
5.5.3 理解任务之三：实体识别和关系抽取
5.5.4 理解任务之四：文本分类
5.5.5 理解任务之五：情感分析
5.5.6 生成任务之一：机器翻译
5.5.7 生成任务之二：自动文本摘要
5.5.8 生成任务之三：图文生成与多模态语言生成
5.5.9 生成任务之四：文本改写与风格迁移
5.6 语音识别与语音分析：从声音到语言的另一条路径
5.7 章节总结与扩展阅读
本章案例
本章案例5-1：中文文本的情感分类
本章案例5-2：构建基于Seq2Seq模型的中文聊天机器人
本章案例5-3：基于词嵌入与GRU的聊天机器人优化设计
习题
第6章 大模型技术
引例：人工智能技术构建智慧农业
6.1 大模型的基本概念与发展
6.1.1 大模型的基本概念
6.1.2 大模型发展历程
6.2 大模型基础架构
6.3 大模型训练
6.3.1 训练数据的收集
6.3.2 训练数据的预处理
6.3.3 数据增强
6.3.4 并行化和分布式训练
6.4 大模型微调
6.4.1 参数微调
6.4.2 量化高效微调
6.4.3 指令微调
6.4.4 基于人类反馈的强化学习微调
6.5 大模型提示工程
6.5.1 提示工程简介
6.5.2 零样本提示
6.5.3 少样本提示
6.5.4 链式思考提示
6.5.5 思维树提示
6.5.6 检索增强生成
6.5.7 自动提示工程
6.6 大模型评估
6.6.1 评估内容
6.6.2 对齐评测
6.6.3 行业大模型评测
6.7 大模型的智能体应用
6.7.1 运作方式
6.7.2 扩展应用
6.7.3 函数
6.7.4 数据存储
6.7.5 增强模型性能与针对性学习
本章案例：大语言模型智能体的入门与应用
本章案例6-1：小说创作智能体设计（文科类）
本章案例6-2：玉米育种智能体设计（农林类）
本章案例6-3：科研智能体设计（理工类）
习题
第7章 智能机器人
引例：机器人如何精准摘取草莓
7.1 智能机器人概述
7.1.1 什么是智能机器人？
7.1.2 智能机器人与传统机器人的比较
7.1.3 智能机器人的发展历程
7.2 智能机器人的应用
7.2.1 服务机器人
7.2.2 农业机器人
7.2.3 工业机器人
7.3 智能机器人面临的挑战与展望
7.3.1 面临的挑战
7.3.2 未来展望
本章案例
本章案例7-1：无人车感知和简单控制
本章案例7-2：移动机械臂任务仿真
习题
第8章 人工智能伦理：挑战、责任与未来
引例：智能客服背后的伦理考量
8.1 人工智能伦理概述
8.1.1 为何需要关注人工智能伦理？
8.1.2 人工智能伦理研究什么？
8.2 狭义人工智能伦理：现实挑战与技术治理
8.2.1 公平性：追求无偏的人工智能
8.2.2 透明性：揭开人工智能的“神秘面纱”
8.2.3 可解释性：打破人工智能的“黑箱”
8.2.4 公平、透明与可解释性的相互关系与协同发展
8.3 广义人工智能伦理：文明风险与价值防御
8.3.1 人机关系的演变与现状
8.3.2 人工智能对人类主体地位的挑战
8.3.3 维护人类主体地位的策略与措施
习题
*第9章 AI智能办公
9.1 AI智能办公概述
9.1.1 文档处理
9.1.2 数据分析
9.1.3 演示设计
9.2 AI写作助手
9.2.1 WPS AI帮我写
9.2.2 WPS AI帮我改
9.2.3 WPS AI伴写
9.3 AI设计助手
9.3.1 WPS AI排版
9.3.2 WPS AI条件格式
9.3.3 WPS AI生成PPT
9.4 AI阅读助手
9.4.1 WPS AI全文总结
9.4.2 WPS AI文档问答
9.5 AI数据助手
9.5.1 WPS AI写公式
9.5.2 WPS AI数据分析
9.6 本章小结
习题
前辅文
第1章 人工智能概述
引例：机器是如何知道苹果熟了
1.1 人工智能的概念
1.2 人工智能的产生与发展
1.2.1 开端和产生
1.2.2 人工智能发展
1.3 人工智能研究的三大学派
1.3.1 符号主义学派
1.3.2 联结主义学派
1.3.3 行为主义学派
1.4 人工智能的研究内容
1.4.1 机器学习
1.4.2 深度学习
1.4.3 计算机视觉
1.4.4 自然语言处理
1.4.5 知识表示与推理
1.4.6 专家系统
1.4.7 知识图谱
1.4.8 机器人学
1.4.9 大模型
1.4.10 智能体
1.4.11 人工智能伦理与安全
1.5 人工智能的行业应用
1.5.1 智能制造
1.5.2 智慧农业
1.5.3 智慧医疗
1.5.4 智慧金融
1.5.5 智慧交通
1.5.6 智慧物流
1.6 人工智能与未来
1.6.1 基础理论将获得新突破
1.6.2 多模态融合将成为重要发展方向
1.6.3 通用人工智能将不断深化
1.6.4 算法范式将深度重构
1.6.5 产业应用将不断升级
1.6.6 具身智能将成为研究热点
本章案例：人脸识别系统
本章案例1-1：人脸检测（文科类）
本章案例1-2：人脸特征点获取（农林类）
本章案例1-3：人脸识别与结果展示（理工类）
习题
第2章 知识表征与知识图谱技术
引例：网络社区如何为你推荐新朋友？
2.1 人工智能的知识形式
2.2 知识的符号化——形式逻辑
2.2.1 简单的符号表达——命题逻辑
2.2.2 逻辑运算
2.2.3 用命题逻辑表达知识与信息
2.2.4 更丰富的符号表达——谓词逻辑
2.2.5 形式逻辑的语法、语义与推理
2.3 另一种直观的结构化表达——图
2.4 知识的本体论工程
2.5 知识图谱与相关技术
2.5.1 知识图谱的图结构建立
2.5.2 知识融合与去重
2.5.3 知识图谱的表示与存储方式
2.5.4 图谱的查询与检索方式
2.6 知识图谱的典型应用场景
2.6.1 知识图谱在高校教学中的知识组织与辅助学习
2.6.2 知识图谱如何帮助农民种粮食
2.6.3 知识图谱如何辅助医疗服务与病情管理？
2.7 章节总结与扩展阅读
本章案例
本章案例2-1：中国近代史课程知识图谱的构建、推理与检索
本章案例2-2：观赏性蝴蝶兰养殖知识图谱的构建、推理与检索
本章案例2-3：Python编程语言技术要点知识图谱构建与检索
习题
第3章 机器学习
引例：“深蓝”大战卡斯帕罗夫
3.1 机器学习概述
3.1.1 什么是机器学习
3.1.2 相关术语
3.1.3 机器学习的主要任务
3.1.4 机器学习的类型
3.1.5 机器学习的发展历程
3.2 监督学习
3.2.1 工作流程
3.2.2 分类
3.2.3 回归
3.3 无监督学习
3.3.1 聚类
3.3.2 降维
3.3.3 关联分析
3.3.4 密度估计
3.4 弱监督学习
3.4.1 不完全监督
3.4.2 不精确监督
3.4.3 不准确监督
3.5 深度学习
3.5.1 人工神经网络
3.5.2 卷积神经网络
3.5.3 循环神经网络
3.5.4 生成对抗网络
3.5.5 Transformer
3.6 强化学习
3.7 迁移学习
本章案例
本章案例3-1：AI识鱼，让游客畅游海洋馆
本章案例3-2：工资预测，看看你能拿多少钱
本章案例3-3：精准营销，对客户进行群体划分
习题
第4章 计算机视觉技术
引例：计算机是如何识别小麦病虫害的？
4.1 计算机视觉技术概述
4.1.1 什么是计算机视觉？
4.1.2 计算机如何“看”世界？
4.1.3 计算机从图像中学什么？
4.2 计算机视觉技术的研究内容和应用
4.2.1 计算机视觉数据集
4.2.2 图像分类及其应用
4.2.3 目标检测及其应用
4.2.4 图像分割及其应用
4.2.5 目标跟踪及其应用
4.3 计算机视觉的未来发展趋势
本章案例
本章案例4-1：基于HOG特征和SVM的人脸检测（农林类）
本章案例4-2：基于人工神经网络的图像分类（理工类）
本章案例4-3：基于最大类间方差的图像阈值分割（文科类）
习题
第5章 自然语言处理
引例：当我们讨论“写作风格”时，我们究竟在讨论什么？
5.1 自然语言是人工智能必修课
5.2 自然语言的结构
5.2.1 语言的结构分析——语句结构树
5.2.2 按照规则生成新的语句——转换生成语法
5.3 语言在计算机内的表达
5.3.1 第一层——语言最基本的编码与表示
5.3.2 第二层——含有语义表达的编码方式
5.4 从规则到数值计算——语言的概率模型
5.4.1 词袋模型
5.4.2 n元模型
5.4.3 使用概率工具分析和生成自然语言
5.5 自然语言处理的任务和典型应用场景
5.5.1 理解任务之一：分词
5.5.2 理解任务之二：词法分析
5.5.3 理解任务之三：实体识别和关系抽取
5.5.4 理解任务之四：文本分类
5.5.5 理解任务之五：情感分析
5.5.6 生成任务之一：机器翻译
5.5.7 生成任务之二：自动文本摘要
5.5.8 生成任务之三：图文生成与多模态语言生成
5.5.9 生成任务之四：文本改写与风格迁移
5.6 语音识别与语音分析：从声音到语言的另一条路径
5.7 章节总结与扩展阅读
本章案例
本章案例5-1：中文文本的情感分类
本章案例5-2：构建基于Seq2Seq模型的中文聊天机器人
本章案例5-3：基于词嵌入与GRU的聊天机器人优化设计
习题
第6章 大模型技术
引例：人工智能技术构建智慧农业
6.1 大模型的基本概念与发展
6.1.1 大模型的基本概念
6.1.2 大模型发展历程
6.2 大模型基础架构
6.3 大模型训练
6.3.1 训练数据的收集
6.3.2 训练数据的预处理
6.3.3 数据增强
6.3.4 并行化和分布式训练
6.4 大模型微调
6.4.1 参数微调
6.4.2 量化高效微调
6.4.3 指令微调
6.4.4 基于人类反馈的强化学习微调
6.5 大模型提示工程
6.5.1 提示工程简介
6.5.2 零样本提示
6.5.3 少样本提示
6.5.4 链式思考提示
6.5.5 思维树提示
6.5.6 检索增强生成
6.5.7 自动提示工程
6.6 大模型评估
6.6.1 评估内容
6.6.2 对齐评测
6.6.3 行业大模型评测
6.7 大模型的智能体应用
6.7.1 运作方式
6.7.2 扩展应用
6.7.3 函数
6.7.4 数据存储
6.7.5 增强模型性能与针对性学习
本章案例：大语言模型智能体的入门与应用
本章案例6-1：小说创作智能体设计（文科类）
本章案例6-2：玉米育种智能体设计（农林类）
本章案例6-3：科研智能体设计（理工类）
习题
第7章 智能机器人
引例：机器人如何精准摘取草莓
7.1 智能机器人概述
7.1.1 什么是智能机器人？
7.1.2 智能机器人与传统机器人的比较
7.1.3 智能机器人的发展历程
7.2 智能机器人的应用
7.2.1 服务机器人
7.2.2 农业机器人
7.2.3 工业机器人
7.3 智能机器人面临的挑战与展望
7.3.1 面临的挑战
7.3.2 未来展望
本章案例
本章案例7-1：无人车感知和简单控制
本章案例7-2：移动机械臂任务仿真
习题
第8章 人工智能伦理：挑战、责任与未来
引例：智能客服背后的伦理考量
8.1 人工智能伦理概述
8.1.1 为何需要关注人工智能伦理？
8.1.2 人工智能伦理研究什么？
8.2 狭义人工智能伦理：现实挑战与技术治理
8.2.1 公平性：追求无偏的人工智能
8.2.2 透明性：揭开人工智能的“神秘面纱”
8.2.3 可解释性：打破人工智能的“黑箱”
8.2.4 公平、透明与可解释性的相互关系与协同发展
8.3 广义人工智能伦理：文明风险与价值防御
8.3.1 人机关系的演变与现状
8.3.2 人工智能对人类主体地位的挑战
8.3.3 维护人类主体地位的策略与措施
习题
*第9章 AI智能办公
9.1 AI智能办公概述
9.1.1 文档处理
9.1.2 数据分析
9.1.3 演示设计
9.2 AI写作助手
9.2.1 WPS AI帮我写
9.2.2 WPS AI帮我改
9.2.3 WPS AI伴写
9.3 AI设计助手
9.3.1 WPS AI排版
9.3.2 WPS AI条件格式
9.3.3 WPS AI生成PPT
9.4 AI阅读助手
9.4.1 WPS AI全文总结
9.4.2 WPS AI文档问答
9.5 AI数据助手
9.5.1 WPS AI写公式
9.5.2 WPS AI数据分析
9.6 本章小结
习题
前辅文
第1章 人工智能概述
引例：机器是如何知道苹果熟了
1.1 人工智能的概念
1.2 人工智能的产生与发展
1.2.1 开端和产生
1.2.2 人工智能发展
1.3 人工智能研究的三大学派
1.3.1 符号主义学派
1.3.2 联结主义学派
1.3.3 行为主义学派
1.4 人工智能的研究内容
1.4.1 机器学习
1.4.2 深度学习
1.4.3 计算机视觉
1.4.4 自然语言处理
1.4.5 知识表示与推理
1.4.6 专家系统
1.4.7 知识图谱
1.4.8 机器人学
1.4.9 大模型
1.4.10 智能体
1.4.11 人工智能伦理与安全
1.5 人工智能的行业应用
1.5.1 智能制造
1.5.2 智慧农业
1.5.3 智慧医疗
1.5.4 智慧金融
1.5.5 智慧交通
1.5.6 智慧物流
1.6 人工智能与未来
1.6.1 基础理论将获得新突破
1.6.2 多模态融合将成为重要发展方向
1.6.3 通用人工智能将不断深化
1.6.4 算法范式将深度重构
1.6.5 产业应用将不断升级
1.6.6 具身智能将成为研究热点
本章案例：人脸识别系统
本章案例1-1：人脸检测（文科类）
本章案例1-2：人脸特征点获取（农林类）
本章案例1-3：人脸识别与结果展示（理工类）
习题
第2章 知识表征与知识图谱技术
引例：网络社区如何为你推荐新朋友？
2.1 人工智能的知识形式
2.2 知识的符号化——形式逻辑
2.2.1 简单的符号表达——命题逻辑
2.2.2 逻辑运算
2.2.3 用命题逻辑表达知识与信息
2.2.4 更丰富的符号表达——谓词逻辑
2.2.5 形式逻辑的语法、语义与推理
2.3 另一种直观的结构化表达——图
2.4 知识的本体论工程
2.5 知识图谱与相关技术
2.5.1 知识图谱的图结构建立
2.5.2 知识融合与去重
2.5.3 知识图谱的表示与存储方式
2.5.4 图谱的查询与检索方式
2.6 知识图谱的典型应用场景
2.6.1 知识图谱在高校教学中的知识组织与辅助学习
2.6.2 知识图谱如何帮助农民种粮食
2.6.3 知识图谱如何辅助医疗服务与病情管理？
2.7 章节总结与扩展阅读
本章案例
本章案例2-1：中国近代史课程知识图谱的构建、推理与检索
本章案例2-2：观赏性蝴蝶兰养殖知识图谱的构建、推理与检索
本章案例2-3：Python编程语言技术要点知识图谱构建与检索
习题
第3章 机器学习
引例：“深蓝”大战卡斯帕罗夫
3.1 机器学习概述
3.1.1 什么是机器学习
3.1.2 相关术语
3.1.3 机器学习的主要任务
3.1.4 机器学习的类型
3.1.5 机器学习的发展历程
3.2 监督学习
3.2.1 工作流程
3.2.2 分类
3.2.3 回归
3.3 无监督学习
3.3.1 聚类
3.3.2 降维
3.3.3 关联分析
3.3.4 密度估计
3.4 弱监督学习
3.4.1 不完全监督
3.4.2 不精确监督
3.4.3 不准确监督
3.5 深度学习
3.5.1 人工神经网络
3.5.2 卷积神经网络
3.5.3 循环神经网络
3.5.4 生成对抗网络
3.5.5 Transformer
3.6 强化学习
3.7 迁移学习
本章案例
本章案例3-1：AI识鱼，让游客畅游海洋馆
本章案例3-2：工资预测，看看你能拿多少钱
本章案例3-3：精准营销，对客户进行群体划分
习题
第4章 计算机视觉技术
引例：计算机是如何识别小麦病虫害的？
4.1 计算机视觉技术概述
4.1.1 什么是计算机视觉？
4.1.2 计算机如何“看”世界？
4.1.3 计算机从图像中学什么？
4.2 计算机视觉技术的研究内容和应用
4.2.1 计算机视觉数据集
4.2.2 图像分类及其应用
4.2.3 目标检测及其应用
4.2.4 图像分割及其应用
4.2.5 目标跟踪及其应用
4.3 计算机视觉的未来发展趋势
本章案例
本章案例4-1：基于HOG特征和SVM的人脸检测（农林类）
本章案例4-2：基于人工神经网络的图像分类（理工类）
本章案例4-3：基于最大类间方差的图像阈值分割（文科类）
习题
第5章 自然语言处理
引例：当我们讨论“写作风格”时，我们究竟在讨论什么？
5.1 自然语言是人工智能必修课
5.2 自然语言的结构
5.2.1 语言的结构分析——语句结构树
5.2.2 按照规则生成新的语句——转换生成语法
5.3 语言在计算机内的表达
5.3.1 第一层——语言最基本的编码与表示
5.3.2 第二层——含有语义表达的编码方式
5.4 从规则到数值计算——语言的概率模型
5.4.1 词袋模型
5.4.2 n元模型
5.4.3 使用概率工具分析和生成自然语言
5.5 自然语言处理的任务和典型应用场景
5.5.1 理解任务之一：分词
5.5.2 理解任务之二：词法分析
5.5.3 理解任务之三：实体识别和关系抽取
5.5.4 理解任务之四：文本分类
5.5.5 理解任务之五：情感分析
5.5.6 生成任务之一：机器翻译
5.5.7 生成任务之二：自动文本摘要
5.5.8 生成任务之三：图文生成与多模态语言生成
5.5.9 生成任务之四：文本改写与风格迁移
5.6 语音识别与语音分析：从声音到语言的另一条路径
5.7 章节总结与扩展阅读
本章案例
本章案例5-1：中文文本的情感分类
本章案例5-2：构建基于Seq2Seq模型的中文聊天机器人
本章案例5-3：基于词嵌入与GRU的聊天机器人优化设计
习题
第6章 大模型技术
引例：人工智能技术构建智慧农业
6.1 大模型的基本概念与发展
6.1.1 大模型的基本概念
6.1.2 大模型发展历程
6.2 大模型基础架构
6.3 大模型训练
6.3.1 训练数据的收集
6.3.2 训练数据的预处理
6.3.3 数据增强
6.3.4 并行化和分布式训练
6.4 大模型微调
6.4.1 参数微调
6.4.2 量化高效微调
6.4.3 指令微调
6.4.4 基于人类反馈的强化学习微调
6.5 大模型提示工程
6.5.1 提示工程简介
6.5.2 零样本提示
6.5.3 少样本提示
6.5.4 链式思考提示
6.5.5 思维树提示
6.5.6 检索增强生成
6.5.7 自动提示工程
6.6 大模型评估
6.6.1 评估内容
6.6.2 对齐评测
6.6.3 行业大模型评测
6.7 大模型的智能体应用
6.7.1 运作方式
6.7.2 扩展应用
6.7.3 函数
6.7.4 数据存储
6.7.5 增强模型性能与针对性学习
本章案例：大语言模型智能体的入门与应用
本章案例6-1：小说创作智能体设计（文科类）
本章案例6-2：玉米育种智能体设计（农林类）
本章案例6-3：科研智能体设计（理工类）
习题
第7章 智能机器人
引例：机器人如何精准摘取草莓
7.1 智能机器人概述
7.1.1 什么是智能机器人？
7.1.2 智能机器人与传统机器人的比较
7.1.3 智能机器人的发展历程
7.2 智能机器人的应用
7.2.1 服务机器人
7.2.2 农业机器人
7.2.3 工业机器人
7.3 智能机器人面临的挑战与展望
7.3.1 面临的挑战
7.3.2 未来展望
本章案例
本章案例7-1：无人车感知和简单控制
本章案例7-2：移动机械臂任务仿真
习题
第8章 人工智能伦理：挑战、责任与未来
引例：智能客服背后的伦理考量
8.1 人工智能伦理概述
8.1.1 为何需要关注人工智能伦理？
8.1.2 人工智能伦理研究什么？
8.2 狭义人工智能伦理：现实挑战与技术治理
8.2.1 公平性：追求无偏的人工智能
8.2.2 透明性：揭开人工智能的“神秘面纱”
8.2.3 可解释性：打破人工智能的“黑箱”
8.2.4 公平、透明与可解释性的相互关系与协同发展
8.3 广义人工智能伦理：文明风险与价值防御
8.3.1 人机关系的演变与现状
8.3.2 人工智能对人类主体地位的挑战
8.3.3 维护人类主体地位的策略与措施
习题
*第9章 AI智能办公
9.1 AI智能办公概述
9.1.1 文档处理
9.1.2 数据分析
9.1.3 演示设计
9.2 AI写作助手
9.2.1 WPS AI帮我写
9.2.2 WPS AI帮我改
9.2.3 WPS AI伴写
9.3 AI设计助手
9.3.1 WPS AI排版
9.3.2 WPS AI条件格式
9.3.3 WPS AI生成PPT
9.4 AI阅读助手
9.4.1 WPS AI全文总结
9.4.2 WPS AI文档问答
9.5 AI数据助手
9.5.1 WPS AI写公式
9.5.2 WPS AI数据分析
9.6 本章小结
习题
