前言

当人工智能从理论探索走向产业界的规模化应用，从技术热点演变为重塑全球发展格局的核心力量，人工智能教材的迭代升级便成为回应时代变革、培育复合型人才的必然选择。自本书第3版出版以来，人工智能领域的技术突破持续涌现，知识体系不断扩容，应用场景深度渗透，传统教材中滞后的知识点已难以匹配当前学科发展与产业实践的需求，旧版教材的修订与完善刻不容缓。

如果说人工智能的前序发展奠定了技术基础，那么近年来大语言模型（LLM）的爆发式增长则彻底重构了人工智能的技术逻辑与应用边界。从ChatGPT系列、DeepSeek到文心一言、通义千问等主流模型，万亿级参数规模与海量数据训练赋予了人工智能前所未有的自然语言理解、文本生成与跨场景适配能力。这些模型不仅实现了从“特定任务建模”到“通用能力涌现”的跨越，更形成了“预训练—微调—RAG(检索增强生成)”的成熟技术范式，在学术写作、代码开发、智能客服等通用场景，以及医疗病历分析、法律文书审核、工业设计优化等专业领域发挥着核心作用，让人工智能真正走进人类生产、生活的方方面面。这一变革要求教材必须跳出传统算法讲解的局限，系统呈现大模型时代的技术架构与实践路径。

与此同时，知识图谱作为人工智能领域的核心支撑技术，已从早期的理论构建迈向规模化落地阶段。知识图谱通过结构化形式整合领域知识，构建实体、关系与属性的语义网络，既能为大模型提供精准的知识支撑，实现“有据可依”的智能推理，又能在智能搜索、智能推荐、政务治理、金融风控等场景中独立发挥价值。这种“大模型+知识图谱”的融合发展趋势，让知识体系的结构化构建与应用成为人工智能学习的核心内容，也促使教材必须补充这一关键知识点，完善学科知识框架。

技术的飞速迭代与应用的全面扩张，凸显了本次教材改版的必要性与紧迫性。为帮助学习者紧跟前沿、夯实基础、提升实践能力，作者团队基于“理论系统化、技术前沿化、应用场景化”的原则，全新修订推出《人工智能》（第4版）。本书在保留经典理论框架的基础上，实现了三大核心升级： 一是系统梳理大语言模型的发展脉络、核心技术（如Transformer架构、预训练机制、量化部署）与行业案例，覆盖从模型选型到落地应用的全流程； 二是新增知识图谱专题内容，详解知识建模、语义检索、知识融合等核心技术，以及“大模型+知识图谱”的融合应用方案，强化知识的结构化与实用性；三是整合人工智能在传统领域的最新进展，补充具身智能的相关理论以及相关实践项目，实现理论深度与实践价值的平衡。

配套资源

为便于教与学，本书配有微课视频、教学课件、教学大纲、教学日历、教案、习题题库、期末试卷及答案。

（1） 获取微课视频方式： 先刮开并用手机版微信App扫描本书封底的文泉云盘防盗码，获得授权后再扫描书中相应的视频二维码，观看教学视频。

（2） 获取其他配套资源方式： 扫描本书封底的“书圈”二维码，关注后回复本书书号，即可下载。

读者对象

本书适用面广，既可作为高等学校人工智能、智能科学与技术、计算机、自动化等理工科专业的核心教材，也可作为其他专业通识课程的参考用书。我们始终坚持“知识点融入案例、理论联系实践”的编写理念，用清晰的逻辑串联经典理论与前沿成果，帮助读者构建完整的知识体系，提升解决实际问题的能力。

人工智能的发展永无止境，教材的迭代也不会停歇。作者团队衷心希望本版教材能成为读者探索人工智能世界的坚实阶梯，助力读者在人工智能浪潮中把握机遇、成长成才，共同推动人工智能迈向更智能、更普惠、更负责任的未来。

由于作者在编写本书过程中得到了若干老师、同事以及指导的博士生和硕士生的帮助，并与他们合作编写了多本同类教材，因此在此向他们表示衷心的感谢。

由于人工智能技术发展迅速，书中难免存在疏漏之处，恳请读者批评指正，与我们一同完善这份知识载体。

作者

2026年5月

扩展阅读

全书网址

源代码