书城首页 › 涉及古代 › 工业 › 人工智能通识课(大一版)
涉及古代·工业

人工智能通识课(大一版)

正版保障多仓发货48小时内发货2-3天送达可开发票
¥45.24 定价 ¥59.80 7.6折 立省 ¥14.56
仅剩 3 件 全新
商品参数
书名
人工智能通识课(大一版)
作者
刘鹏,张彦豪,刘思成 编著
出版社
清华大学出版社
出版时间
2026-10-01
ISBN
9787302724292
货号
1204683358
品相
全新
分类
涉及古代·工业
购物车(0)
商品参数
书名
人工智能通识课(大一版)
作者
刘鹏,张彦豪,刘思成 编著
出版社
清华大学出版社
出版时间
2026-10-01
ISBN
9787302724292
货号
1204683358
品相
全新
分类
涉及古代·工业
作者简介▼

刘鹏,教授,清华大学博士毕业,现任南京云创大数据科技股份有限公司董事长,原任解放军理工大学教授、博导、学科带头人,兼任中国大数据应用联盟人工智能专家委员会主任、中国信息协会教育分会人工智能专家组组长、教育部全国普通高校毕业生就业创业指导委员会委员、全国大学生数学建模竞赛命题人、第45届世界技能大赛中国云计算专家指导组组长、中国电子学会云计算专家委员会云存储组组长、工信部云计算研究中心专家。

目录▼

第1章 你好,AI!

1.1 定义人工智能:会学习≠有意识 1

1.1.1 什么是人工智能 1

1.1.2 弱 AI 与强 AI:机器的两种“智慧” 2

1.1.3 机器学习:AI 的“经验学习”方式 3

1.1.4 AI 的思考方式:系统架构揭秘 3

1.1.5 生活中的 AI:无处不在的智能助手 5

1.2 极简 AI 史:三起两落背后的技术因果链 5

1.2.1 AI 的诞生:达特茅斯人工智能会议的梦想(1956 年) 5

1.2.2 第一次 AI 浪潮(20 世纪 50——70 年代) 6

1.2.3 第二次 AI 浪潮(20 世纪 80——90 年代) 6

1.2.4 第三次 AI 浪潮(2000 年至今) 7

1.3 AI 与人类智能的“竞争地图”:哪些工作将被重塑 9

1.3.1 AI 与人类智能的能力对比 9

1.3.2 哪些工作容易被 AI 取代 10

1.3.3 人机协作:AI 作为人类的助手 11

1.3.4 工作重塑:新的职业机会 12

1.3.5 AI 对不同行业的影响 13

1.3.6 适应 AI 时代:培养未来工作所需的技能 13

习题 14

第2章 数据与算力

2.1 大数据“4V”特征:为什么说数据是新时代“石油” 16

2.1.1 从“信息爆炸”到“数据油田” 16

2.1.2 数据体量巨大——从 PB 级到 ZB 级的跨越 17

2.1.3 速度快——数据像洪水一样涌来 17

2.1.4 数据类型多样——数据世界的“万花筒” 18

2.1.5 价值密度低——沙里淘金的智慧 19

2.1.6 社交网络:大数据的“超级制造工厂” 19

2.1.7 不同行业的大数据“应用地图” 19

2.2 算力进化史:从 CPU 到 AI 专用芯片 20

2.2.1 算力:AI 的计算能力 20

2.2.2 从 CPU 到 GPU:算力革命的第一次跃升 20

2.2.3 AI 专用芯片:为 AI 量身定制的“超级厨刀” 21

2.2.4 算力发展的时间轴 22

2.2.5 GPU 内部架构:并行计算为何更适合 AI 23

2.2.6 主流 AI 芯片的性能对比 26

2.2.7 数据中心:算力的“中央动力站” 26

2.3 云-边-端协同:AI 的“物流网络”如何高效运转 27

2.3.1 云-边-端:AI 的“三级配送体系” 27

2.3.2 云端:AI 的“中央厨房” 29

2.3.3 边缘端:AI 的“社区便利店” 29

2.3.4 终端:AI 的“神经末梢” 30

2.3.5 快递物流:云-边-端协同的实战案例 30

2.3.6 5G+边缘计算:让 AI“跑得更快” 31

2.4 跨学科案例:新农科——无人机遥感守护万亩良田 31

习题 32

第3章 机器学习:AI 如何从数据中学习

3.1 机器学习的四大范式 33

3.1.1 监督学习:带“答案”的“题海战术” 33

3.1.2 无监督学习:没有“答案”的“自学成才” 34

3.1.3 强化学习:通过试错获得奖励 35

3.1.4 联邦学习:保护隐私的“隔空传功” 36

3.2 经典算法解读:决策树与聚类分析 36

3.2.1 决策树:层层判断的“流程图算法” 36

3.2.2 聚类分析:“物以类聚”的自动分组 37

3.3 模型评估:如何衡量 AI 的学习效果 38

3.3.1 过拟合与欠拟合:“死记硬背”与“基础不牢” 38

3.3.2 混淆矩阵:分类结果的“错题本” 39

3.3.3 交叉验证:多次评估更可靠 40

习题 41

第4章 深度学习:让 AI“看懂”与“理解”

4.1 神经网络:从感知机到多层网络 42

4.1.1 感知机:AI 的“单细胞” 42

4.1.2 多层神经网络:堆叠起来的“智慧蛋糕” 43

4.1.3 激活函数:给神经网络注入“非线性魔法” 44

4.1.4 深度学习与传统机器学习:自动进化的“特征提取器” 45

4.2 计算机视觉突破:让 AI“看懂”世界 46

4.2.1 从像素到图像:计算机视觉的“翻译”难题 46

4.2.2 CNN:用“滤镜”提取图像特征 46

4.2.3 池化层:压缩图像的“智能缩略图” 48

4.2.4 CNN 经典架构:从 LeNet 到 ResNet 48

4.2.5 YOLO 算法:实时目标检测算法 49

4.2.6 跨学科应用:从医学影像到农业监测 50

4.3 自然语言处理:让 AI 理解人类语言 51

4.3.1 语言的挑战:序列依赖与语义模糊 51

4.3.2 RNN 与 LSTM:记忆过去的“时序网络” 51

4.3.3 Transformer:并行处理的“语言大师” 52

习题 54

第5章 大模型与生成式 AI

5.1 大模型核心技术解析 55

5.1.1 预训练:大模型的“通识教育” 55

5.1.2 微调:大模型的“专业选修课” 56

5.2 生成式 AI 全景图 57

5.2.1 文本生成:从辅助写作到内容生产 57

5.2.2 多模态生成:让 AI 成为全能艺术家 57

5.2.3 开源生态:大模型的“百家争鸣”时代 58

5.3 应用场景:从工具到伙伴的进化 59

5.3.1 NLP:让 AI 真正理解人类 59

5.3.2 视觉生成:重新定义设计与创意 60

5.3.3 代码生成与科学探索:AI 成为科研助手 60

5.3.4 个性化与交互体验:AI 理解你的每个需求 61

习题 62

第6章 新工科:智能制造与智慧城市

6.1 工业 4.0:从“制造”到“智造” 63

6.1.1 工业 4.0:第四次工业革命 63

6.1.2 数字孪生:工厂的“数字克隆体” 64

6.1.3 预测性维护:给机器装“AI 听诊器” 65

6.1.4 智能制造的“手脚”与“神经末梢”:工业机器人与传感器 66

6.2 城市大脑:让城市“会呼吸” 66

6.2.1 城市大脑:城市的“智慧中枢” 66

6.2.2 交通优化:信号灯的“AI 调度员” 67

6.2.3 智慧城市的“器官系统”:从安防到水务 67

习题 68

第7章 新农科:从田间到餐桌的智能革命

7.1 精准农业:让每一寸土地都发挥最大潜力 70

7.1.1 土壤 AI 传感器:读懂大地的语言 70

7.1.2 变量施肥系统:按需“供餐”的作物 71

7.1.3 智能灌溉:让作物“喝”恰到好处的水 71

7.1.4 无人机巡检:农田的“天眼” 72

7.1.5 畜牧业的 AI 革命:从“牛脸识别”到智能养殖 73

7.2 智慧供应链:从田间到餐桌的 AI 管家 74

7.2.1 产量预测:农业生产的“天气预报” 74

7.2.2 病虫害识别:农作物的“智能医生” 74

7.2.3 智能仓储:农产品的“保鲜术” 75

7.2.4 冷链物流:农产品的“恒温之旅” 75

7.2.5 零售端的 AI:从“人找货”到“货找人” 77

习题 79

第8章 新医科:AI 医生的超级助手

8.1 智能诊疗:AI 医生的“火眼金睛”与“分子魔术” 80

8.1.1 影像识别:当 AI 成为“读片助手” 80

8.1.2 药物研发:AI“分子魔术师”的闪电战 82

8.2 手术机器人:钢铁外科医生的“精准舞蹈” 84

8.2.1 达芬奇手术系统:会缝合葡萄皮的“钢铁手指” 84

8.2.2 手术机器人的“家族成员”与未来进化 85

习题 85

第9章 新文科:创意与人文的 AI 协奏曲

9.1 数字人文:AI 当起“文物修复师”与“古文字翻译官” 86

9.1.1 从“数字人文”说起:给古籍装上“智能大脑” 86

9.1.2 数字人文研究:修复、翻译与历史场景再现 89

9.1.3 AI 在人文领域的典型应用 89

9.2 内容创作:AI 当“主播”“编剧”和“灵感助手” 89

9.2.1 AI 主播:从“读稿机器”到“3D 数字人” 89

9.2.2 AI 主播对比人类主播:不止“省成本”,还有“超能力” 90

9.2.3 AI 剧本杀设计工具:从构思到生成剧本 91

9.2.4 AI 创作的边界:算法替代不了人文温度 92

9.2.5 AI 内容创作伦理:当“抄袭”“偏见”遇上算法 93

习题 93

第10章 新商科:数据驱动的决策革命

10.1 金融科技:AI 重构金融服务的未来 95

10.1.1 量化交易:AI 的“闪电战” 95

10.1.2 智能风控:金融安全的“智能卫士” 96

10.1.3 智能投顾:个性化的“私人理财师” 97

10.1.4 数字货币与智能合约:金融的“新基建” 98

10.2 营销创新:AI 驱动的消费者洞察 98

10.2.1 动态定价:市场的“智能调价器” 98

10.2.2 个性化推荐:猜你喜欢的智能导购 99

10.2.3 消费者行为分析:读懂人心的“AI 心理学家” 100

10.2.4 AI 客服:永不疲倦的“服务明星” 100

习题 101

第11章 AI 阴暗面:偏见、隐私与失控

11.1 算法歧视:当机器学会“贴标签” 102

11.1.1 COMPAS 系统:算法风险评估的偏见陷阱 102

11.1.2 招聘算法:AI 面试官的偏见 103

11.1.3 偏见的根源:数据、设计与权力 103

11.2 深度伪造:AI“易容术”的狂欢与危机 104

11.2.1 技术原理:GAN 模型的“换脸魔法” 104

11.2.2 黑色产业链:从“娱乐”到“诈骗” 104

11.2.3 鉴伪技术:给 AI 装上“火眼金睛” 105

11.3 隐私泄露:数据安全与防护 106

11.3.1 数据是如何“被偷走”的 106

11.3.2 匿名化的局限:AI 的关联推理 106

11.3.3 保护隐私:从“技术防御”到“制度保障” 107

习题 107

第12章 治理框架:全球 AI 规则博弈

12.1 国际政策对比:全球 AI 治理格局 109

12.1.1 欧盟 AI 法案:全球最严格的 AI 监管框架 109

12.1.2 中国 AI 治理:发展与安全并重 110

12.1.3 美国 AI 治理:市场驱动与行业自律 110

12.2 企业实践:AI 伦理的“自律与他律” 111

12.2.1 OpenAI:从“快速迭代”到“安全优先” 111

12.2.2 谷歌:从 Maven 项目到“负责任 AI” 111

12.2.3 中国企业:合规与创新的平衡 112

12.2.4 行业自律组织:从竞争到合作 112

12.3 伦理挑战:算法社会的“公平与正义” 113

12.3.1 算法偏见:看不见的“数字歧视” 113

12.3.2 隐私保护:数据时代的“数字人权” 114

12.3.3 深度伪造:真相的“数字威胁” 115

12.4 未来趋势:AI 治理的多元协同 115

12.4.1 技术标准:从各自为战到全球协同 115

12.4.2 监管科技:AI 治理的技术手段 115

12.4.3 全球治理:合作与竞争并存 116

习题 117

第13章 前沿风向:AGI、脑机接口与量子 AI

13.1 AGI 路线之争:三大流派与融合趋势 118

13.1.1 符号主义:规则推理派 119

13.1.2 联结主义:神经网络派 119

13.1.3 具身智能:机器人学派 120

13.1.4 流派融合:AGI 的融合架构 121

13.2 人机融合:脑机接口与意识的边界 121

13.2.1 当大脑直接连接互联网 121

13.2.2 脑机接口的两种形式:侵入式与非侵入式 122

13.2.3 从“意念打字”到“记忆移植”:脑机接口的应用进展 123

13.2.4 当大脑连接互联网:隐私、平等与“后人类”困境 124

13.3 量子 AI:计算范式的革命 125

13.3.1 当量子计算遇上人工智能 125

13.3.2 量子计算的三大特性:叠加、纠缠与干涉 125

13.3.3 量子 AI 的典型应用方向:从机器学习到蛋白质折叠 126

13.3.4 现实挑战与未来展望 127

习题 128

第14章 终身学习:AI 时代的生存指南

14.1 AI 重构职业版图:谁在被替代,谁在崛起 130

14.1.1 三轮职业替代浪潮:从重复性劳动到创造性工作 130

14.1.2 三大新兴职业:你适合哪一类 131

14.1.3 职业转型的“黄金三角模型” 132

14.2 终身学习:成为AI 时代“原住民” 132

14.2.1 提升元能力 132

14.2.2 拥有 T 型能力结构 133

14.2.3 神经可塑性:大脑的终身学习能力 133

14.3 学习工具与方法论:AI 时代的“学习加速器” 134

14.3.1 自适应学习系统:私人 AI 导师 134

14.3.2 知识管理工具:告别“学了就忘” 135

14.3.3 项目式学习:在实践中学习 135

14.4 在 AI 浪潮中保持人的本色 136

14.4.1 算法偏见与批判性思维 136

14.4.2 数字素养:在信息海洋中“导航” 137

14.4.3 伦理底线:技术永远服务于人 137

14.5 未来的学习会是什么样 138

14.5.1 元宇宙课堂:在虚拟世界中沉浸式学习 138

14.5.2 人机协同:未来的你不是一个人在学习 138

习题 139

参考文献 140

附录 人工智能通识课实验平台

平台架构 142

教学设计 143

教学目标 143

教学过程 144

课程体系 145

实验体系 149

平台管理 160

用户管理 160

日志管理 161

快捷授课 162

授课成果管理 163

作业管理 164

路径管理 164

学生学情统计 164

实验库管理 164

资源标签管理 166

用户集群实例管理 167

文摘▼

本书是一本面向大一新生的人工智能(Artificial Intelligence,AI)通识教材。本书紧跟技术前沿,覆盖从基础原理到最新应用(如大模型、生成式AI、脑机接口等)的知识,以通俗易懂、风趣幽默的语言呈现内容,确保各专业学生均可轻松理解并保持学习兴趣。本书结合教育部“101计划”成果与产业动态,配套互动实践、案例分析及习题,可根据不同专业需求灵活组合教学模块。

本书可作为高等院校各专业的人工智能通识课教材,帮助学生构建系统认知,培养与AI协作的核心能力,成为适应智能时代的复合型人才。

¥45.24
🛒购物车