本书目录
第1章 认识人工智能
第2章 人工智能的科学背景
第3章 人工智能的技术基础
第4章 人工智能的行业应用
第5章 人工智能的未来发展
第6章 人工智能素养
第7章 人工智能数据安全

上篇 基础理论篇
第1章 认识人工智能　\\　2
引导案例　\\　3
1.1  人工智能的概念及范畴　\\　3
1.2  人工智能发展史　\\　5
1.2.1  早期发展阶段　\\　5
1.2.2  以深度学习为主流技术的阶段　\\　9
1.2.3  大模型兴起阶段　\\　10
1.3  人工智能的特征与价值　\\　14
1.3.1  人工智能的特征　\\　14
1.3.2  人工智能的价值　\\　15
课后习题　\\　19

第2章 人工智能的科学背景　\\　21
引导案例　\\　22
2.1  神经科学　\\　22
2.1.1  神经元学说　\\　23
2.1.2  神经可塑性　\\　24
2.1.3  感觉和知觉　\\　26
2.1.4  注意机制　\\　27
2.1.5  记忆机制　\\　28
2.2  语言学　\\　31
2.2.1  乔姆斯基的语言学理论　\\　31
2.2.2  言语分析理论　\\　33
2.2.3  语料库语言学　\\　34
2.2.4  统计语言学　\\　34
2.2.5  计算语言学　\\　35
2.3  哲学　\\　36
2.3.1  人工智能的哲学背景　\\　37
2.3.2  机器伦理学　\\　39
2.4  心理学　\\　40
2.4.1  认知心理学　\\　40
2.4.2  情感智能　\\　42
2.4.3  认知模拟　\\　43
课后习题　\\　44

第3章  人工智能的技术基础　\\　46
引导案例　\\　47
3.1  机器学习　\\　47
3.1.1  机器学习的基本概念　\\　48
3.1.2  机器学习算法　\\　52
3.2  深度学习　\\　55
3.2.1  感知机　\\　56
3.2.2  深度神经网络　\\　56
3.2.3  深度神经网络的优化学习　\\　63
3.2.4  深度学习框架　\\　63
3.3  大模型实践　\\　65
3.3.1  数据准备　\\　66
3.3.2  模型选择与设计　\\　67
3.3.3  模型训练与优化　\\　67
3.3.4  模型评估与调试　\\　69
3.3.5  模型部署与应用　\\　69
课后习题　\\　70

中篇 应用拓展篇
第4章  人工智能的行业应用　\\　73
引导案例　\\　74
4.1  人工智能+工业　\\　74
4.1.1  人工智能+高端装备制造　\\　75
4.1.2  智能化工业质检　\\　76
4.2  人工智能+经济金融　\\　78
4.2.1  智能投顾　\\　79
4.2.2  高频量化交易　\\　79
4.2.3  智能风控　\\　79
4.3  人工智能+医疗　\\　80
4.3.1  医学影像智能判读　\\　80
4.3.2  冠脉造影图像分析　\\　82
4.4  人工智能+交通　\\　84
4.4.1  无人驾驶　\\　84
4.4.2  智能交通系统　\\　94
4.5  人工智能+文化创作　\\　102
4.5.1  AI+新闻写作　\\　103
4.5.2  AI+音乐创作　\\　104
4.5.3  AI+影视创作　\\　105
4.6  人工智能+公共安全　\\　107
4.6.1  人脸识别　\\　108
4.6.2  智能视频分析　\\　112
课后习题　\\　114

第5章 人工智能的未来发展　\\　116
引导案例　\\　117
5.1  人工智能技术的发展方向　\\　117
5.1.1  多模态人工智能　\\　118
5.1.2  代理型人工智能　\\　120
5.1.3  量子人工智能　\\　123
5.1.4  具身人工智能　\\　126
5.2  人工智能产品的发展方向　\\　131
5.2.1  文化遗产保护　\\　131
5.2.2  医疗服务升级　\\　134
5.2.3  教育创新变革 　\\　135
5.2.4  工业智能制造　\\　137
5.3  人工智能人才的培养方向　\\　138
5.3.1  人工智能时代的人才需求与现状　\\　138
5.3.2  高层次人工智能人才的培养挑战　\\　139
5.3.3  高层次人工智能人才的培养对策　\\　140
5.4  人工智能畅想与挑战：通用人工智能　\\　141
5.4.1  通用人工智能概述　\\　142
5.4.2  通用人工智能的未来　\\　143
课后习题　\\　143

下篇 素养与安全篇
第6章 人工智能素养　\\　146
引导案例　\\　147
6.1  人工智能素养的内涵与范畴　\\　147
6.1.1  人工智能素养的内涵　\\　147
6.1.2  人工智能素养的范畴　\\　148
6.2  人工智能素养与信息素养、数据素养的关系辨析　\\　152
6.3  人工智能素养的层次框架　\\　154
6.3.1  意识和理解AI　\\　154
6.3.2  应用和分析AI　\\　155
6.3.3  评估和创造AI　\\　155
6.4  人工智能素养的评估框架　\\　155
6.4.1  人工智能素养的四维评估框架　\\　155
6.4.2  人工智能素养的三维评估框架　\\　157
6.5  大学生人工智能素养的培养　\\　159
6.5.1  人工智能通识教育：素养养成的基石　\\　160
6.5.2 “AI+X”辅修：促进复合型人才培养　\\　160
6.5.3  微专业：跨专业协同促进“AI+X”人才培养　\\　161
课后习题 　\\　162

第7章  人工智能数据安全　\\　164
引导案例　\\　165
7.1  人工智能数据安全的挑战和必要性　\\　165
7.1.1  现实中的代表性案例　\\　166
7.1.2  人工智能数据安全存在的挑战　\\　167
7.1.3  增强人工智能数据安全的必要性　\\　168
7.2  人工智能数据安全的维度　\\　170
7.2.1  人工智能数据的隐私安全　\\　170
7.2.2  人工智能数据的公平性　\\　171
7.2.3  人工智能数据的可信性　\\　172
7.3  人工智能数据安全的保障策略　\\　173
7.3.1  对人工智能数据的监管　\\　173
7.3.2  对人工智能产品开发者的伦理培训　\\　173
7.4  人工智能研究和产品研发中使用的数据安全增强
    技术　\\　174
7.4.1  数据加密与脱敏技术　\\　174
7.4.2  联邦学习和安全多方计算　\\　175
7.4.3  数据公平性评估与去偏技术　\\　177
7.4.4  对抗样本防御　\\　177
7.4.5  虚假信息检测技术　\\　180
7.4.6  数据水印技术　\\　181
课后习题　\\　181