基　础　篇

第1章　引子：AI的应用——平凡的一天 2

第2章　智能世界的解码蓝图：人工智能概述 6

2.1　人工智能的定义 6

2.1.1　不同视角下的定义解读 6

2.1.2　人工智能的核心能力与目标 7

2.1.3　当前主流的定义与理解 8

2.2　人工智能的起源与发展历程 9

2.2.1　图灵测试与早期探索 9

2.2.2　主要发展阶段与里程碑事件 10

2.2.3　人工智能在中国的发展 13

2.3　人工智能的主要研究学派 15

2.4　人工智能的层次分类 17

2.5　人工智能的核心要素 19

2.6　人工智能的主要应用领域概览 21

2.6.1　行业应用领域介绍 21

2.6.2　技术应用领域介绍 23

2.6.3　代表性应用实例介绍 25

2.7　人工智能的未来展望与社会影响 27

2.7.1　技术和应用发展趋势预测 27

2.7.2　对社会各层面的潜在影响 28

2.7.3　人工智能与专业学习的深度融合 29

2.8　人工智能应用体验 32

2.9　本章小结 38

2.10　习题 39

第3章　人工智能的基石：数据与算法 41

3.1　数据：现代人工智能的驱动力 41

3.1.1　数据驱动的认知范式转变 41

3.1.2　数据的基本类型与特征 43

3.1.3　数据质量的重要性与评估维度 44

3.2　算法：人工智能的“思维”方式 45

3.2.1　算法的基本概念与特征 45

3.2.2　规则驱动与数据驱动方法对比 47

3.2.3　机器学习三大范式：监督学习、无监督学习与强化学习 48

3.2.4　算法选择策略：以智能垃圾分拣为例 50

3.3　深度学习：神经网络的力量 51

3.3.1　从感知器到深度神经网络 51

3.3.2　核心驱动力：机器学习 52

3.3.3　特征学习的概念：以图像识别为例 55

3.3.4　深度学习的可解释性问题（“黑箱”问题） 56

3.4　本章小结 57

3.5　习题 58

应　用　篇

第4章　赋能工作：人工智能提升效率与创造力 62

4.1　AI赋能文档处理 62

4.1.1　智能写作与内容生成 62

4.1.2　智能翻译与跨语言沟通 63

4.1.3　长文本信息摘要与提取 65

4.1.4　演示文稿智能生成 66

4.1.5　音频内容总结 69

4.1.6　智能信息检索与问答 70

4.2　多维表格 71

4.2.1　搭建你的第一个多维表格 72

4.2.2　让数据自动“流转”起来 75

4.2.3　AI赋能多维表格 76

4.3　AI赋能数据分析与决策 79

4.3.1　自动化数据清洗与准备 79

4.3.2　面向非专业人士的智能数据分析工具 79

4.3.3　Excel数据自动化分析 81

4.3.4　数据可视化与洞察呈现 83

4.3.5　基于AI的预测与辅助决策 84

4.3.6　WPSAI函数 85

4.4　AI赋能图像与创意设计 87

4.4.1　AI图像生成技术与应用 87

4.4.2　AI视频创作技术与应用 89

4.4.3　AI创意生成的伦理与版权讨论 90

4.5　人工智能时代的工作范式变革 91

4.5.1　AI对不同行业工作效率的影响 91

4.5.2　人机协作：未来工作新常态 92

4.6　本章小结 92

4.7　习题 93

第5章　改变生活：无处不在的AI应用 95

5.1　AI重塑个人生活 95

5.1.1　智能家居：便利与舒适 96

5.1.2　智能健康管理：监测、预警与辅助诊断 96

5.1.3　个性化推荐系统：信息获取与消费 97

5.1.4　AI教育：个性化学习与辅导 98

5.2　AI驱动城市发展 99

5.2.1　智慧交通：效率与安全 99

5.2.2　智慧环保：监测与治理 101

5.2.3　智慧安防：公共安全与预警 101

5.2.4　智慧政务：提升公共服务效率 102

5.3　AI变革经济生产 103

5.3.1　新零售：个性化体验与效率提升 103

5.3.2　智能制造：自动化与柔性生产 105

5.3.3　智慧农业：精准管理与决策 106

5.3.4　智能金融：风险控制与服务创新 107

5.4　具身智能：与物理世界交互的AI 108

5.4.1　具身智能核心概念 108

5.4.2　仿生机器人与智能交互 108

5.4.3　具身智能的应用场景与挑战 109

5.5　本章小结 110

5.6　习题 110

技　术　篇

第6章　感知世界：计算机视觉技术与应用 114

6.1　计算机视觉概述 114

6.2　计算机视觉的发展 114

6.2.1　计算机视觉的发展历程 114

6.2.2　发展计算机视觉的必要性 115

6.3　计算机视觉的工作原理 116

6.4　计算机视觉图像技术 118

6.4.1　数字图像处理 118

6.4.2　视觉跟踪技术 119

6.4.3　自动导航技术 120

6.5　计算机视觉图像系统应用 121

6.5.1　工业与制造 121

6.5.2　安防监控 121

6.5.3　医疗与健康 122

6.5.4　机器人和无人机 122

6.5.5　交通 122

6.5.6　零售与消费电子（在线购物） 123

6.5.7　游戏娱乐 123

6.5.8　身份识别 123

6.6　实践操作 124

6.6.1　手写数字识别实现 124

6.6.2　百度人脸识别系统及其实现 135

6.6.3　车牌号码识别系统的实现 138

6.7　本章小结 143

6.8　习题 144

第7章　理解语言：自然语言处理技术与应用 146

7.1　自然语言处理基础 146

7.1.1　自然语言处理的定义、挑战与目标 146

7.1.2　自然语言处理的基本概念：分词、词性标注与句法分析 149

7.1.3　自然语言处理与深度学习 159

7.1.4　自然语言处理核心技术 160

7.2　大语言模型 173

7.2.1　大语言模型的基本原理与Transformer模型 173

7.2.2　大语言模型的预训练与微调 174

7.2.3　大语言模型的应用场景 175

7.2.4　主流大语言模型介绍 178

7.2.5　大语言模型的局限性与挑战 182

7.3　自然语言处理实践案例 183

7.3.1　大语言模型巧用提示词——以“文心一言”为例 183

7.3.2　词频统计——以Jieba分词为例 186

7.3.3　模拟作业查重 189

7.4　大语言模型的健康未来 192

7.4.1　多模态融合与未来趋势 192

7.4.2　大语言模型中的偏见、歧视与治理 194

7.5　本章小结 196

7.6　习题 196

伦　理　篇

第8章　人工智能的伦理、治理与未来责任 200

8.1　人工智能伦理 200

8.1.1　技术伦理与人工智能伦理 200

8.1.2　人工智能伦理的核心原则 202

8.1.3　不同国家和组织的人工智能伦理规范 206

8.2　人工智能发展面临的伦理困境与挑战 211

8.2.1　隐私侵犯和数据滥用问题 211

8.2.2　算法偏见与社会公平性问题 212

8.2.3　挑战与归责——责任真空问题 215

8.2.4　人工智能对就业的冲击与影响 217

8.2.5　人工智能在军事和安全领域中的应用风险 218

8.3　构建负责任的人工智能治理框架和策略 220

8.4　面向未来的人工智能发展思考 223

8.5　本章小结 227

8.6　习题 227

参考文献 232