正版新书]人工智能通识张小寒 谢超 著9787111788904

前言
第一部分 基础理论篇
项目1　人工智能基础2
任务1.1 熟悉计算机基础2
1.1.1 通用电子计算机3
1.1.2 图灵测试及其发展3
1.1.3 大数据定义4
1.1.4 大数据的3V特征5
1.1.5 人工智能的定义6
1.1.6 人工智能发展的“中国风”6
任务1.2 进入人工智能时代9
1.2.1 强人工智能9
1.2.2 弱人工智能10
1.2.3 实用型AI11
1.2.4 机器学习11
1.2.5 深度学习13
1.2.6 机器学习与深度学习的关系14
【作业】14
【实训与思考】探索AI在日常生活中的应用16
项目2 生成式AI与AIGC18
任务2.1 从自然语言处理起步18
2.1.1 Blockhead思维实验18
2.1.2 NLP研究内容19
2.1.3 深度学习的影响20
2.1.4 LLM崛起21
2.1.5 LLM的幻觉22
任务2.2 熟悉生成式人工智能24
2.2.1 关于判别式AI24
2.2.2 关于生成式AI25
2.2.3 生成式AI的层次26
2.2.4 定义AIGC28
2.2.5 生成式AI与AIGC的关系29
2.2.6 AIGC应用场景29
【作业】31
【实训与思考】熟悉阿里云大模型“通义千问”32

第二部分 核心技术篇
项目3 大语言模型技术36
任务3.1 熟悉算法、算力与算料概念36
3.1.1 算法：人工智能的智慧之源36
3.1.2 算力：人工智能的动力引擎37
3.1.3 算料：人工智能的燃料之源37
3.1.4 DeepSeek带来的启示37
任务3.2 熟悉LLM工作原理38
3.2.1 词元及其标记化38
3.2.2 基础模型38
3.2.3 词嵌入及其含义39
3.2.4 生成和理解40
3.2.5 预训练与微调40
任务3.3 熟悉关键生成模型41
3.3.1 语言模型基础41
3.3.2 生成对抗网络GAN41
3.3.3 变分自编码器VAE44
3.3.4 流模型46
3.3.5 接入LLM的几种方法47
【作业】49
【实训与思考】LLM典型案例分析51
项目4 提示工程与技巧54
任务4.1 熟悉提示工程技术54
4.1.1 提示的原理55
4.1.2 提示词的分类和调优56
4.1.3 链式思考提示57
4.1.4 生成知识提示58
4.1.5 少样本提示58
4.1.6 自一致提示58
4.1.7 思维树提示59
任务4.2 掌握提示工程技巧60
4.2.1 提示词的原则60
4.2.2 提示学习61
4.2.3 语境学习62
4.2.4 提示词框架推荐63
4.2.5 提示词实践技巧65
【作业】66
【实训与思考】练习撰写提示词68
项目5 文本生成技术71
任务5.1 熟悉典型语言模型方法71
5.1.1 基于规则的方法72
5.1.2 统计语言模型73
5.1.3 循环神经网络及其变体74
5.1.4 Transformer模型75
5.1.5 Transformer结构80
5.1.6 Transformer模块81
5.1.7 混合模型82
任务5.2 掌握典型文本生成技术83
5.2.1 文本摘要83
5.2.2 诗歌生成83
5.2.3 简单对话系统84
5.2.4 翻译任务中的应用84
【作业】85
【实训与思考】熟悉AI助手Kimi87
项目6 图像生成技术90
任务6.1 熟悉图像生成模型90
6.1.1 扩散模型91
6.1.2 自回归模型91
6.1.3 典型图像生成模型92
6.1.4 图像生成应用场景92
任务6.2 熟悉图像与视频生成技术94
6.2.1 图像风格迁移95
6.2.2 超分辨率重建96
6.2.3 视频生成98
6.2.4 医疗影像合成99
6.2.5 挑战与未来发展100
【作业】101
【实训与思考】基于深度学习的图像生成103
项目7 音频生成技术105
任务7.1 熟悉音频生成技术105
7.1.1 音频与音乐106
7.1.2 音频生成核心技术106
7.1.3 语音合成107
7.1.4 音乐旋律生成109
7.1.5 波形建模110
7.1.6 用户交互与自动化111
任务7.2 掌握音频增强与修复112
7.2.1 噪声减少112
7.2.2 回声消除113
7.2.3 音频修复113
7.2.4 动态范围压缩113
7.2.5 等化114
7.2.6 时间拉伸与音高转换115
【作业】116
【实训与思考】探索音乐旋律生成模型117
项目8 多模态生成技术120
任务8.1 熟悉多模态生成的概念120
8.1.1 多模态生成技术基础120
8.1.2 模型结构融合策略121
8.1.3 多模态生成的应用场景122
8.1.4 技术挑战与发展趋势124
任务8.2 掌握典型多模态生成技术126
8.2.1 视觉与文本结合126
8.2.2 跨媒体内容生成127
8.2.3 智能感知与响应129
8.2.4 生成中的情感一致性131
8.2.5 案例：Muse文生图模型131
【作业】132
【实训与思考】多模态生成技术应用—情感音乐可视化133

第三部分 应用场景篇
项目9 AIGC促进文化创意137
任务9.1 文化创意应用场景137
9.1.1 AIGC用于文学创作138
9.1.2 自动化写作工具139
9.1.3 激发创意灵感139
9.1.4 AIGC带来新商业模式140
9.1.5 版权保护与交易机制140
任务9.2 视觉艺术创作141
9.2.1 图像生成与编辑141
9.2.2 艺术风格迁移141
9.2.3 VR与AR142
9.2.4 AI绘图工具142
9.2.5 视频生成典型工具144
任务9.3 音乐与音频制作145
9.3.1 自动作曲145
9.3.2 效果迁移与融合146
9.3.3 音频处理与配乐146
9.3.4 智能混音与母带处理146
9.3.5 互动式音乐体验146
任务9.4 影视娱乐开发148
9.4.1 剧本开发与优化148
9.4.2 视觉效果生成148
9.4.3 智能剪辑与叙事结构148
9.4.4 互动式影视体验149
【作业】149
【实训与思考】文生图：注册使用Midjourney绘图工具151
项目10 AIGC提升金融服务153
任务10.1 智慧金融服务153
10.1.1 金融服务概述153
10.1.2 智能客服155
10.1.3 风险评估156
10.1.4 个性化推荐157
10.1.5 智能投顾159
10.1.6 反欺诈系统161
任务10.2 金融服务应用AIGC典型案例162
10.2.1 智投宝智能投顾平台162
10.2.2 智安盾金融反欺诈系统163
【作业】164
【实训与思考】AIGC在金融服务中的应用探索166
项目11 AIGC助力智能制造169
任务11.1 智能制造基本概念169
11.1.1 智能制造系统170
11.1.2 综合特征171
11.1.3 智能技术172
11.1.4 测控装置173
11.1.5 运作过程173
任务11.2 将AIGC应用于智能制造174
11.2.1 产品设计与创新174
11.2.2 工艺规划生产流程优化175
11.2.3 生产调度与资源配置175
11.2.4 数据驱动精准需求预测176
11.2.5 生产流程模拟与优化176
11.2.6 生产过程监控与质量控制177
11.2.7 设备维护与故障预测177
任务11.3 AIGC优化智能制造供应链177
11.3.1 需求预测与库存管理177
11.3.2 物流与运输178
11.3.3 供应商管理与协同179
11.3.4 生产过程质量控制179
11.3.5 面临的挑战与应对179
【作业】180
【实训与思考】AIGC在智能制造中的应用探索182
项目12 AIGC赋能科学研究与设计185
任务12.1 AIGC应用于设计185
12.1.1 AIGC设计应用场景185
12.1.2 与设计师的协同模式186
12.1.3 跨学科合作189
12.1.4 科研文献管理190
12.1.5 开放科学与共享平台建设191
任务12.2 AIGC典型科研应用192
12.2.1 数据增强192
12.2.2 科学模拟192
12.2.3 自动化实验设计193
12.2.4 模型训练与改进193
12.2.5 理论验证与假设测试194
任务12.3 AIGC科研应用案例195
12.3.1 加速药物发现196
12.3.2 生命科学案例197
12.3.3 材料科学案例197
12.3.4 环境科学案例197
12.3.5 社会科学案例198
12.3.6 物理科学案例198
【作业】198
【实训与思考】AIGC在科研中的应用探索200
项目13 AIGC造就智慧城市203
任务13.1 智能交通概念203
13.1.1 智能交通要素204
13.1.2 智能交通关键技术205
13.1.3 车联网技术206
13.1.4 AIGC应用于智能交通208
13.1.5 AIGC应用于自动驾驶209
任务13.2 智慧城市发展与AIGC211
13.2.1 智慧城市组成与特点212
13.2.2 AIGC应用于智慧城市212
13.2.3 AIGC应用于医疗服务213
13.2.4 个性化健康管理214
13.2.5 康复与治疗支持215
【作业】215
【实训与思考】AIGC智能交通应用案例分析217

第四部分 社会影响篇
项目14 伦理与法律考量222
任务14.1 AIGC面临的伦理挑战222
14.1.1 AIGC伦理问题222
14.1.2 数据主权和数据权问题223
14.1.3 数据利用失衡问题224
14.1.4 构建隐私保护伦理准则224
14.1.5 健全道德伦理约束机制225
任务14.2 AI伦理原则与知识产权225
14.2.1 职业伦理准则的目标225
14.2.2 创新发展道德伦理宣言226
14.2.3 欧盟可信赖的伦理准则227
14.2.4 封禁存在“不可接受风险”AI系统228
14.2.5 LLM的知识产权保护228
14.2.6 边缘群体的数字平等232
【作业】232
【实训与思考】AI独立完成的视觉艺术品无法获得版权234
项目15 面向AGI236
任务15.1 生成式AI进步236
15.1.1 生成式AI的关键方面237
15.1.2 AGI的定义238
15.1.3 龙头企业对AGI的认识239
15.1.4 LLM与AGI240
15.1.5 生成式AI与AGI240
任务15.2 从生成式AI迈向AGI241
15.2.1 迈向AGI的关键步骤241
15.2.2 迈向AGI的关键要素241
15.2.3 面临的挑战242
15.2.4 潜在的发展路径242
15.2.5 AI的未来发展243
【作业】244
【课程学习与实训总结】245
参考文献249

张小寒，男，汉族，1979年出生，湖南财经工业职业技术学院副教授，信息工程学院院长。中共党员，大学本科学历，硕士学位。参加工作以来一直从事职业教育工作，先后主编教材3部、专著1部，参编教材10余部，主持省市校级课题近10项，发表论文40余篇。先后参与多项企业项目，有较丰富的实战经验和较强的实践能力。

采用项目式编写形式，面向高等职业院校的人工智能通识教育需求。
详细介绍LLM技术、提示工程、文本生成、图像生成、音频生成以及多模态生成等关键领域。
展示生成式AI在文化创意、金融服务、智能制造、科学研究等领域的广泛应用。
配套提供电子课件、微课视频、教学大纲、教案、教学指导、作业集与答案。