【章节目录】
第 1 章 认识人工智能
第 2 章 数据驱动智能
第 3 章 零代码体验人工智能
第 4 章 机器学习
第 5 章 生成式人工智能
第 6 章 人工智能伦理
第 7 章 人工智能在典型行业中的融合与应用
第 8 章 人工智能研究热点与发展趋势
【详细目录】
第 1 章 认识人工智能
1.1 定义人工智能：能力边界与分类标准
1.1.1 人工智能的多维定义：理解与比较
1.1.2 弱人工智能与强人工智能：能力边界的讨论
1.1.3 人工智能的常见分类方法
1.1.4 人工智能术语辨析：中英文语境下的翻译与常见的理解误区
1.2 人工智能技术演进简史：图灵测试→专家系统→深度学习
1.2.1 图灵测试与人工智能思想的萌芽
1.2.2 专家系统：第 1 次人工智能热潮的代表技术
1.2.3 神经网络的兴衰与深度学习的崛起
1.2.4 AlphaGo 与 ChatGPT：划时代技术突破案例
1.3 人工智能研究内容与研究方向
1.3.1 感知智能：语音识别、图像识别与自然语言理解
1.3.2 认知智能：知识图谱与推理机制
1.3.3 决策智能：强化学习与智能规划
1.3.4 人工智能交叉融合趋势
1.4 人工智能核心能力三维度：感知、决策与创造
1.4.1 感知力：让机器"看见"与"听见"
1.4.2 决策力：从规则到学习的演化
1.4.3 创造力：生成式人工智能开启的创意空间
1.4.4 人类能力与人工智能能力的对比与边界
1.5 实验 1：图像识别人工智能初体验
1.6 思考与练习
第 2 章 数据驱动智能
2.1 大数据特征与人工智能关联性
2.1.1 大数据的五大特征
2.1.2 大数据如何支撑人工智能发展
2.2 数据采集方法
2.2.1 什么是网络爬虫？
2.2.2 网络爬虫的基本工作原理
2.2.3 社交媒体数据的采集示例
2.3 数据清洗与标注
2.3.1 数据清洗的重要性
2.3.2 常见的数据清洗方法
2.3.3 数据标注是什么？为什么人工智能需要标注？
2.4 数据隐私保护
2.4.1 数据隐私与信息安全的概念
2.4.2 大数据时代的隐私风险
2.4.3 常见的数据保护方法
2.5 实验 2：用镝数图表分析社交媒体数据偏见
2.6 思考与练习
第 3 章 零代码体验人工智能
3.1 计算机视觉：OCR 文字识别实战
3.1.1 OCR 技术基础与应用场景
3.1.2 人工智能平台 OCR 功能操作步骤
3.1.3 实际案例：提取图片的文字信息
3.2 自然语言处理：构建智能客服对话流
3.2.1 对话流技术基础与应用场景
3.2.2 人工智能平台对话流搭建方法
3.2.3 实际案例：文档资料智能问答系统
3.3 语音合成：定制人工智能新闻主播
3.3.1 数字人技术基础与应用场景
3.3.2 人工智能平台构建数字人
3.3.3 实际案例：定制校园新闻播报
3.4 多模态生成工具概览：从文本到图像与视频的自动生成
3.4.1 多模态生成技术基础与应用场景
3.4.2 人工智能平台多模态工作流操作步骤
3.4.3 实际案例：励志短视频生成
3.5 实验 3：用人工智能设计制作城市宣传海报
3.6 思考与练习
第 4 章 机器学习
4.1 机器学习概述
4.1.1 生物学习和机器学习
4.1.2 机器学习的定义
4.1.3 机器学习的发展历程
4.1.4 机器学习核心要素
4.2 机器学习方法
4.2.1 监督学习
4.2.2 无监督学习
4.2.3 强化学习
4.3 深度学习
4.3.1 深度学习概念
4.3.2 经典模型
4.3.3 模型评估指标
4.4 机器学习的常见应用
4.4.1 金融领域：守护资金安全，优化资源配置
4.4.2 医疗领域：辅助诊断治疗，提升健康保障
4.4.3 交通领域：优化出行体验，构建智能交通
4.4.4 零售领域：精准服务用户，提升经营效率
4.5 实验 4：用机器学习实现房价预测
4.6 思考与练习
第 5 章 生成式人工智能
5.1 生成式人工智能概述
5.1.1 生成式人工智能的基本概念与发展历程
5.1.2 生成式模型的基本原理
5.1.3 典型生成式模型架构
5.2 文本生成式人工智能
5.2.1 文本生成的应用场景
5.2.2 大语言模型的工作机制
5.2.3 主流文本生成模型及工具介绍
5.2.4 提示词（Prompt）工程
5.3 跨模态生成式人工智能技术与应用
5.3.1 单模态到多模态的演进——从文生图到视频生成
5.3.2 多模态融合生成
5.4 生成式人工智能面临的挑战与治理
5.4.1 生成式人工智能面临的技术挑战与衍生的社会问题
5.4.2 版权争议——人工智能作品归属权案例
5.5 实验 5：基于文心一言生成乡村文旅推广方案
5.6 思考与练习
第 6 章 人工智能伦理
6.1 人工智能伦理的基本概念
6.1.1 人工智能伦理的发展历程
6.1.2 人工智能伦理与传统伦理学的区别
6.1.3 人工智能伦理的主要问题
6.2 人工智能伦理问题的典型场景
6.2.1 数据伦理：隐私泄露与数据滥用
6.2.2 算法伦理：偏见、歧视与可解释性
6.2.3 机器人伦理：自动驾驶与工业机器人案例
6.2.4 人机混合伦理：脑机接口与增强智能
6.3 人工智能伦理规范与治理框架
6.3.1 国际倡议：欧盟《可信人工智能伦理指南》、G20 人工智能原则
6.3.2 国内规范：《新一代人工智能治理原则——发展负责任的人工智能》
6.3.3 企业实践：谷歌、微软、腾讯的人工智能伦理准则
6.3.4 伦理审查与监管制度
6.4 实验 6：自动驾驶汽车伦理决策模拟
6.5 思考与练习
第 7 章 人工智能在典型行业中的融合与应用
7.1 智慧医疗：人工智能如何"看懂"医学图像
7.1.1 医疗人工智能的兴起：背景与关键技术
7.1.2 医学影像中的模式识别与深度学习
7.1.3 典型案例：肺结节检测、眼底病筛查
7.1.4 讨论与思考：人工智能会成为医生的"对手"吗？
7.2 智能农业：让数据种田成为可能
7.2.1 农业与人工智能的融合动因
7.2.2 病虫害图像识别与深度学习模型
7.2.3 数据驱动的农业生产决策系统
7.2.4 讨论与思考：人工智能能解决粮食安全问题吗？
7.3 智慧司法：让人工智能辅助"写法律"
7.3.1 法律语言的结构特点与人工智能处理难点
7.3.2 智能文书生成系统的原理与流程
7.3.3 法律人工智能案例分析：裁判要旨提取、判例推荐
7.3.4 讨论与思考：人工智能能做"法官助理"吗？
7.4 智慧交通：重构城市出行方式
7.4.1 人工智能交通系统发展趋势
7.4.2 自动驾驶中的感知与决策技术
7.4.3 智能调度与交通预测案例
7.4.4 讨论与思考：出行自由与自动控制之间的平衡
7.5 实验 7：听见人工智能的歌声——情景式作曲体验
7.6 思考与练习
第 8 章 人工智能研究热点与发展趋势
8.1 人工智能研究热点
8.1.1 技术热点
8.1.2 应用领域的拓展
8.2 大模型与智能体
8.2.1 大模型：从技术突破到广泛应用
8.2.2 智能体：从感知到行动的智能进化
8.2.3 大模型与智能体的深度融合：迈向通用智能
8.2.4 大模型未来趋势与展望：技术突破与社会影响
8.3 人工智能未来技术发展趋势
8.4 实验 8：角色设计师——打造对话型智能体
8.5 思考与练习