【第一篇 人工智能基础知识篇】
第1章 信息与计算机基础
第2章 人工智能概述
第3章 人工智能应用
【第二篇 人工智能基础技术篇】
第3章机器学习
第4章自然语言处理
第5章计算机视觉
【第三篇 人工智能前沿技术篇】
第6章 大模型
第7章 智能体
第8章 具身智能
第9章 AIGC应用与实践
【第四篇 人工智能伦理篇】
第10章 人工智能伦理


第1篇　人工智能基础知识篇
第1章　人工智能基础知识　1
1.1　信息与计算机概述　2
1.1.1　信息概述　2
1.1.2　信息技术的发展　5
1.1.3　计算机技术的发展　5
1.1.4　计算机的分类　6
1.1.5　4次信息化浪潮　8
1.2　计算机系统　8
1.2.1　硬件系统　9
1.2.2　软件系统　10
1.3　计算机网络　12
1.3.1　计算机网络概述 　12
1.3.2　移动互联网　13
1.4　计算机系统安全　15
1.4.1　计算机系统面临的安全威胁　15
1.4.2　安全防护技术　15
1.5　国家信息安全　16
1.5.1　信息安全的主要领域　16
1.5.2　保障国家信息安全的举措　16
1.5.3　我国实施的“信创”战略　17
1.6　信息化基础设施　20
1.6.1　网络设施　20
1.6.2　算力设施　21
1.6.3　空间设施　22
1.6.4　电力设施　23
1.6.5　新基建　25
1.7　本章小结　26
1.8　习题　26
第2章　人工智能概述　27
2.1　什么是人工智能　27
2.1.1　什么是智能　27
2.1.2　人工智能的定义　28
2.1.3　人工智能的要素　29
2.1.4　人工智能的类型 　29
2.2　人工智能的发展历程　30
2.2.1　图灵测试　30
2.2.2　人工智能的诞生　31
2.2.3　人工智能的发展阶段　31
2.2.4　人工智能发展的五个级别　32
2.3　人工智能的影响　33
2.3.1　人工智能对人类工作、生活等方面的影响　33
2.3.2　人工智能开启科学研究“第五范式”　35
2.3.3　人工智能开启“人机共生”新时代　37
2.4　人工智能发展战略　38
2.4.1　美国　38
2.4.2　中国　38
2.4.3　欧盟　38
2.4.4　其他国家　39
2.5　人工智能关键技术　39
2.5.1　机器学习　39
2.5.2　知识图谱　40
2.5.3　自然语言处理　41
2.5.4　人机交互　42
2.5.5　计算机视觉　42
2.5.6　生物特征识别　43
2.6　人工智能的典型应用　44
2.7　人工智能产业　44
2.7.1　智能基础设施建设　45
2.7.2　智能信息及数据　45
2.7.3　智能技术服务　45
2.7.4　智能产品　45
2.8　人工智能思维　47
2.9　人工智能的未来发展　48
2.10　本章小结　50
2.11　习题　50
第3章　人工智能的应用　51
3.1　在制造业的应用　51
3.2　在智能家居中的应用　52
3.3　在智能物流中的应用　53
3.4　在金融行业的应用　54
3.5　在医疗健康中的应用　55
3.6　在安防领域的应用　56
3.7　在交通运输中的应用　56
3.8　在零售业的应用　57
3.9　在农业的应用　58
3.10　在环境保护中的应用　59
3.11　在教育领域的应用　60
3.12　在娱乐与游戏中的应用　60
3.13　本章小结　61
3.14　习题　62
第2篇　人工智能基础技术篇
第4章　机器学习　64
4.1　机器学习基本概念　64
4.1.1　什么是机器学习　64
4.1.2　机器学习的四大类型　64
4.1.3　机器学习的基本过程　65
4.2　监督学习　66
4.2.1　回归算法　66
4.2.2　分类算法　70
4.2.3　支持向量机　75
4.2.4　KNN　76
4.3　无监督学习　77
4.3.1　K-Means　78
4.3.2　层次聚类　78
4.3.3　DBSCAN　79
4.3.4　聚类算法的典型应用场景　79
4.4　强化学习　80
4.4.1　强化学习的基本要素　80
4.4.2　强化学习的过程　81
4.4.3　常见的强化学习算法　81
4.4.4　强化学习的典型应用场景　82
4.5　人工神经网络和深度学习　84
4.5.1　人工神经网络　84
4.5.2　深度学习　85
4.6　本章小结　88
4.7　习题　88
第5章　自然语言处理　89
5.1　自然语言处理概述　89
5.1.1　什么是自然语言处理　89
5.1.2　自然语言处理的重要性与应用价值　89
5.1.3　自然语言处理的发展简史　90
5.2　自然语言处理的核心基础任务　90
5.2.1　文本分类：情感分析与主题识别　91
5.2.2　关系抽取：挖掘实体间的关联　92
5.2.3　命名实体识别：从文本中提取关键信息　93
5.2.4　文本聚类：相似文本的自动归组　94
5.2.5　信息检索：快速找到所需的内容　95
5.3　自然语言处理的典型应用场景　96
5.4　本章小结　97
5.5　习题　97
第6章　计算机视觉　98
6.1　计算机视觉概述　98
6.1.1　什么是计算机视觉　98
6.1.2　计算机视觉的发展历史　98
6.1.3　计算机视觉与人类视觉的差异　99
6.2　计算机视觉的典型应用场景​　99
6.3　计算机视觉的核心任务​　100
6.4　计算机视觉面临的挑战　101
6.5　本章小结　101
6.6　习题　102
第3篇　人工智能前沿技术篇
第7章　大模型　104
7.1　大模型概述　104
7.1.1　大模型的概念　104
7.1.2　大模型与小模型的区别　104
7.1.3　大模型的发展历程　105
7.1.4　人工智能与大模型的关系　106
7.1.5　大模型在人工智能领域的重要性　107
7.2　大模型产品　107
7.2.1　国外的大模型产品　107
7.2.2　国内的大模型产品　109
7.3　大模型的原理及训练实例演示　111
7.3.1　大模型的基本原理　111
7.3.2　大模型训练实例演示　112
7.4　大模型的特点　114
7.5　大模型的分类　115
7.5.1　按照输入数据类型划分　115
7.5.2　按照应用领域划分　116
7.5.3　大语言模型的分类　117
7.6　大模型训练的硬件设施　118
7.7　大模型的成本　119
7.8　大模型的应用领域　119
7.9　大模型对人们工作和生活的影响　120
7.9.1　大模型对工作的影响　120
7.9.2　大模型对生活的影响　121
7.10　大模型的挑战与未来发展　121
7.10.1　大模型的挑战　121
7.10.2　大模型的未来发展　122
7.11　大模型实战案例　122
7.11.1　为什么需要本地部署大模型　122
7.11.2　DeepSeek-R1简介 　123
7.11.3　在本地部署DeepSeek-R1　123
7.12　本章小结　128
7.13　习题　128
第8章　智能体　129
8.1　智能体概述　129
8.1.1　什么是智能体　129
8.1.2　智能体的发展历程　130
8.1.3　智能体的应用　130
8.1.4　智能体的优势　131
8.2　智能体和人工智能的关系　131
8.3　智能体的关键特征　133
8.4　智能体的分级　133
8.5　智能体的分类　135
8.6　智能体的组成　135
8.7　智能体的工作流程　136
8.8　智能体的关键技术　136
8.9　典型的智能体产品　137
8.10　基于大模型的智能体　138
8.10.1　国外的智能体产品　138
8.10.2　国内的智能体产品　139
8.10.3　案例：扣子智能体搭建　140
8.11　AI Agent和Agentic AI的关系　144
8.12　智能体的未来发展　145
8.13　本章小结　146
8.14　习题　146
第9章　具身智能　147
9.1　具身智能概述　147
9.1.1　什么是具身智能　147
9.1.2　具身智能和智能体的关系　147
9.1.3　具身智能的发展历程　148
9.1.4　具身智能在人工智能领域的地位与作用　149
9.2　具身智能的技术支撑　150
9.2.1　传感器技术：感知世界的触角　150
9.2.2　机器学习和强化学习　151
9.2.3　机器人技术：具身的物理载体　151
9.3　具身智能的应用领域　153
9.3.1　人机交互与协作　153
9.3.2　自主系统与导航　153
9.3.3　医疗健康　154
9.3.4　娱乐与教育　154
9.4　人形机器人　154
9.4.1　人形机器人的内涵　154
9.4.2　人形机器人的发展阶段　155
9.4.3　人形机器人的分类　156
9.4.4　典型的人形机器人　157
9.5　具身智能的挑战与限制　159
9.5.1　技术挑战　159
9.5.2　伦理与法律问题　160
9.5.3　社会接受度与影响　160
9.6　本章小结　160
9.7　习题　161
第10章　AIGC应用与实践　162
10.1　AIGC概述　162
10.1.1　什么是AIGC　162
10.1.2　AIGC与大模型的关系　162
10.1.3　AIGC的发展历程　163
10.1.4　常见的AIGC应用场景　163
10.1.5　AIGC对行业发展的影响　163
10.1.6　AIGC对职业发展的影响　164
10.1.7　常见的AIGC大模型工具　164
10.1.8　AIGC大模型的提示词　165
10.2　文本类AIGC大模型应用实践　165
10.2.1　文本类AIGC大模型应用场景　165
10.2.2　文本类AIGC大模型基础知识　166
10.2.3　案例1：与DeepSeek进行对话　170
10.2.4　案例2：与文心一言进行对话　172
10.2.5　案例3：使用Kimi制作PPT　175
10.2.6　案例4：使用DeepSeek和转换工具生成Word文档　178
10.3　图片类AIGC大模型应用实践　180
10.3.1　图片类AIGC大模型应用场景　180
10.3.2　案例5：创意图片生成　180
10.3.3　案例6：AI修图与老照片修复　182
10.3.4　案例7：图片扩展与高清化　186
10.3.5　案例8：智能抠图与图片融合　187
10.3.6　案例9：涂抹消除与局部重绘　189
10.3.7　案例10.AI绘画艺术创作　193
10.3.8　案例11：真实照片转成二次元风格　195
10.4　语音类AIGC大模型应用实践　196
10.4.1　语音类AIGC大模型应用场景　196
10.4.2　案例12：使用豆包的语音类功能　197
10.4.3　案例13：使用喜马拉雅音频大模型进行文本配音　198
10.4.4　案例14：使用米可智能进行声音克隆　199
10.5　视频类AIGC大模型应用实践　202
10.5.1　视频类AIGC大模型应用场景　203
10.5.2　代表性的视频类AIGC大模型工具　203
10.5.3　案例15：使用可灵AI实现文生视频　204
10.5.4　案例16：使用即梦AI实现图生视频　206
10.5.5　案例17：使用即梦AI制作数字人　209
10.6　AIGC技术在辅助编程中的应用　211
10.6.1　AIGC技术在辅助编程中的应用场景　211
10.6.2　案例18：使用豆包辅助编程　211
10.7　AI搜索　212
10.7.1　AI搜索概述　212
10.7.2　纳米AI搜索　213
10.8　本章小结　214
10.9　习题　214
第4篇　人工智能伦理篇
第11章　人工智能伦理　216
11.1　人工智能伦理的概念　216
11.2　人工智能的伦理问题　216
11.2.1　人的主体性异化　217
11.2.2　数据隐私和安全　217
11.2.3　算法偏见和歧视　217
11.2.4　人工智能造假、欺骗、信息污染　218
11.2.5　算法的不透明性和不可解释性　218
11.2.6　人工智能系统的不稳定性和风险性　219
11.2.7　责任归属　219
11.2.8　公平正义和社会效益　219
11.2.9　AIGC技术对知识产权形成挑战　220
11.2.10　人工智能在军事领域应用引发的伦理问题　220
11.3　人工智能伦理典型案例　220
11.4　人工智能伦理的基本原则　223
11.5　解决人工智能伦理问题的策略　223
11.5.1　制定和执行相关法规与政策　223
11.5.2　增强人工智能技术的透明度和可解释性　223
11.5.3　建立人工智能伦理审查机制　224
11.5.4　提高公众对人工智能伦理问题的认识和意识　224
11.5.5　加强国际合作和交流，共同应对人工智能伦理挑战　225
11.6　本章小结　225
11.7　习题　225