项目1　探寻AI的演进脉络：AI历程回溯 1

项目背景 1

思维导图 2

项目相关知识 2

1.1　什么是人工智能 2

1.2　人工智能从幻想走向科学 3

1.3　人工智能元年 6

1.4　人工智能的潮起潮落 7

1.5　中国人工智能的发展历程 16

项目任务 18

任务1-1　今昔对比看发展 18

任务1-2　以图搜图，让搜索更简单 19

项目小结与展望 19

课后练习 20

项目2 梳理AI的“智慧图谱”：AI核心技术 21

项目背景 21

思维导图 21

项目相关知识 22

2.1　相关概念 22

2.1.1　人工智能的核心要素 22

2.1.2 人工智能的发展阶段 24

2.1.3 人工智能的两种形态 26

2.2 核心技术 27

2.2.1 机器学习 27

2.2.2 人工神经网络 29

2.2.3 深度学习 30

2.2.4 强化学习 34

2.3 典型应用领域 35

2.3.1 计算机视觉 35

2.3.2 自然语言处理 36

2.3.3 工业制造 37

2.3.4 智能医疗 38

2.3.5 金融科技 39

项目任务 41

任务2-1 观察与分析人工智能应用场景 41

任务2-2 对比分析不同人工智能学习技术 42

任务2-3 研讨人工智能前沿应用案例 43

项目小结与展望 45

课后练习 45

项目3 解析计算机的视觉世界：图像识别技术应用 47

项目背景 47

思维导图 47

项目相关知识 48

3.1 图像识别技术基础 48

3.1.1 图像识别的基本概念 48

3.1.2 图像识别的基本流程 48

3.1.3 图像识别的技术指标 49

3.2　典型应用场景分析 49

3.2.1　人脸识别 49

3.2.2 医疗影像诊断 50

3.2.3 自动驾驶感知 51

3.2.4 工业质量检测 52

3.2.5 智能安防监控 52

3.3 技术实现路径 53

3.3.1 传统图像识别技术 53

3.3.2 基于深度学习的图像识别技术 54

项目任务 55

任务3-1 基于传统技术的图像识别实践 55

任务3-2 基于深度学习技术的图像识别实践 59

任务3-3 实际应用场景模拟 62

项目小结与展望 71

课后练习 72

项目4　解码声音的辨识密钥：语音识别技术应用 73

项目背景 73

思维导图 74

项目相关知识 74

4.1　语音信号处理基础 74

4.1.1　声音的物理特性与数字化 74

4.1.2　特征提取方法 76

4.1.3　噪声处理技术 78

4.2　传统语音识别模型 80

4.2.1　声学模型 80

4.2.2　语言模型与解码器 81

4.3　端到端语音识别模型 82

4.4　语音合成技术 84

4.4.1　TTS流程概述 84

4.4.2　传统合成方式概述 85

4.4.3　神经网络合成方法 86

4.5　技术应用场景 87

项目任务 90

任务4-1　语音识别系统构建 90

任务4-2　文本转语音系统设计 93

任务4-3　语音交互系统设计 95

项目小结与展望 99

课后练习 100

项目5 解构大模型的生成密码：大模型技术 102

项目背景 102

思维导图 102

项目相关知识 103

5.1　大模型基础 103

5.1.1　核心任务类型 103

5.1.2　语义表示与语义嵌入 105

5.2　大模型核心架构 106

5.2.1　注意力机制 106

5.2.2　Transformer 原理 108

5.2.3　典型架构与模型分类 109

5.3　模型训练与优化方法 111

5.3.1　预训练与全量参数微调 111

5.3.2　高效参数微调 113

5.3.3　提示词设计 114

5.4　典型应用场景 116

5.4.1　智能问答与教学助理 116

5.4.2　文本生成与内容创作 117

5.4.3　智能翻译与语言理解 117

5.5　技术前沿与发展趋势 118

5.5.1　多模态智能模型 118

5.5.2　专用领域模型 119

5.5.3　模型可解释性与安全合规 119

项目任务 121

任务5-1　绘制“校园教务问答大模型工作原理”简图 121

任务5-2　提示工程与提示框架 123

任务5-3　体验并比较国内3个大模型平台 127

项目小结与展望 129

课后练习 130

项目6　探索AI的生成艺术：AIGC应用 132

项目背景 132

思维导图 132

项目相关知识 133

6.1　认识AIGC 133

6.1.1　什么是AIGC 133

6.1.2　AIGC 的发展历程​ 133

6.1.3　AIGC 的生成原理 133

6.1.4　AIGC的行业应用 134

6.1.5　AIGC 的使用方法​ 136

6.2　AIGC在文案创作中的应用 138

6.2.1　文案创作提示词优化技巧​ 138

6.2.2　不同场景下的AIGC文案创作策略​ 138

6.2.3　AIGC文案创作的合规性与伦理边界 142

6.3　AIGC在图像设计中的应用 142

6.3.1　图像生成关键技术 142

6.3.2　常见的AI图像生成工具 144

6.3.3　AI画图提示词设计 145

6.4　AIGC在视频创作中的应用 146

6.4.1　视频生成的常用工具 146

6.4.2　视频生成的提示词设计 148

6.4.3　视频生成的步骤 149

6.5　AIGC在程序设计中的应用 149

6.5.1　AI在程序设计中的应用 150

6.5.2　常见AI辅助程序设计工具 150

6.5.3　AI辅助程序设计提示词技巧 151

项目任务 152

任务6-1　使用AIGC设计“秋分”节气海报 152

任务6-2　使用AIGC创作文创产品“醒狮”宣传视频 155

任务6-3　使用AIGC生成“课堂点名积分”系统 161

项目小结与展望 163

课后练习 163

项目7　构建AI的场景赋能：智能体应用 165

项目背景 165

思维导图 165

项目相关知识 166

7.1　什么是AI智能体 166

7.1.1　传统视角下的智能体 166

7.1.2　大模型驱动的新范式 167

7.2　智能体的核心组成 169

7.3　智能体开发平台介绍 172

7.4　智能体开发平台特性 173

项目任务 174

任务7-1　高级翻译助手 174

任务7-2　大学校园迎新助手 179

任务7-3　古诗词情景再现 184

项目小结与展望 202

课后练习 203

项目8　激活AI的身体语言：具身智能 204

项目背景 204

思维导图 204

项目相关知识 205

8.1　具身智能体的定义与特点 205

8.1.1　具身智能体的起源与发展 205

8.1.2　具身智能体的基本定义 209

8.1.3　具身智能体的主要特点 211

8.2　具身智能的感知、决策与执行  212

8.2.1　感知 213

8.2.2　决策 215

8.2.3　执行 217

8.3　具身智能基础应用场景 218

8.3.1　智能制造 219

8.3.2　服务机器人 219

8.3.3　自动驾驶 219

8.3.4　医疗康复 220

8.3.5　农业自动化 220

8.3.6　教育与科研 220

8.4　Gazebo仿真环境简介 221

8.4.1　Gazebo的界面 221

8.4.2　Gazebo能做什么 221

项目任务 223

任务8-1　Gazebo中简单小车模型的构建  223

任务8-2　Gazabo小车移动控制 227

项目小结与展望 229

课后练习 230

项目9　理解AI的价值坐标：AI伦理与社会 232

项目背景 232

思维导图 233

项目相关知识 233

9.1　AI伦理的起源与发展 233

9.1.1　从“工具理性”到“价值理性” 233

9.1.2　从“算法无害”到“AI有责” 234

9.1.3　国际 AI 伦理治理简史 235

9.1.4　中国 AI 伦理政策与实践进展 236

9.2　AI伦理的典型案例与冲突本质 237

9.2.1　AI伦理的典型案例 237

9.2.2　AI伦理冲突 238

9.3　AI伦理的治理基石：原则与责任 240

9.3.1　人类优先：守住“以人为本”的红线 240

9.3.2　公平可及：防止“算法歧视”和“数据贫困” 241

9.3.3　透明可解释：让黑箱变“明箱” 242

9.3.4　责任可追溯：构建“可问责”的AI系统 244

9.4　AI伦理的多元治理路径 245

9.4.1　技术端：让AI“可解释、可约束、可终止” 245

9.4.2　行业端：行业自治与伦理评估机制 246

9.4.3　社会端：公众教育与多方监管 248

9.5　AI浪潮下的就业重塑与应对 248

9.5.1　AI 对职业结构的冲击 248

9.5.2　新兴职业与技能转型 249

9.5.3　当代学生的生存智慧 250

项目任务 251

任务9-1　AI伦理典型案例深度剖析 251

任务9-2　AI伦理角色扮演辩论会 252

任务9-3　AI伦理评估模拟实训 253

项目小结与展望 253

课后练习 254

参考文献 256