人工智能通識——理論與實踐

呂雲翔，北京航空航天大學軟件學院副教授。具有多年的軟件開發、項目管理、計算機教學經驗，對IT行業具有較全面的認識，出版教材多部。目前研究領域包括：軟件工程、人工智能、大數據。

目錄

理論篇

 

第1章人工智能發展概述

 

1.1人工智能的定義與日常應用實例

 

1.2從圖靈測試到DeepSeek

 

1.2.1圖靈測試

 

1.2.2人工智能的第一次興起和低谷

 

1.2.3人工智能的第二次興起和低谷

 

1.2.4人工智能的第三次興起

 

1.2.5人工智能的當代發展

 

1.3人工智能的支撐體系

 

1.3.1算法的作用

 

1.3.2數據的重要性

 

1.3.3算力的進步

 

1.4當代人工智能突破的關鍵要素

 

1.5本章小結

 

1.6習題

 

第2章機器學習的基礎知識

 

2.1機器學習的定義、分類與基本概念

 

2.1.1機器學習的定義

 

2.1.2機器學習的分類

 

2.1.3機器學習中的基本概念

 

2.2經典機器學習算法

 

2.2.1線性模型

 

2.2.2決策樹與集成算法

 

2.2.3支持向量機

 

2.2.4聚類算法

 

2.2.5降維方法

 

2.3神經網絡與深度學習

 

2.3.1神經網絡的基本結構

 

2.3.2深度學習框架

 

2.3.3卷積神經網絡

 

2.3.4循環神經網絡和自然語言處理

 

2.4強化學習的反饋訓練機制

 

2.4.1強化學習的基本概念

 

2.4.2經典強化學習算法

 

2.4.3應用場景與案例

 

2.4.4強化學習的挑戰與未來方向

 

2.5本章小結

 

2.6習題

 

第3章生成式人工智能

 

3.1生成對抗網絡與擴散模型原理

 

3.2大語言模型架構與對話機制

 

3.2.1大語言模型的結構

 

3.2.2對話系統的實現原理

 

3.3多模態生成技術的實現

 

3.3.1多模態生成的基礎

 

3.3.2多模態生成的應用

 

3.4生成系統的可靠性驗證方法

 

3.5本章小結

 

3.6習題

 

第4章智能體系統與實體應用

 

4.1軟件智能體的工作機制

 

4.1.1軟件智能體的定義與特點

 

4.1.2智能體的感知、決策與執行過程

 

4.1.3基於規則與學習的智能體系統

 

4.1.4常見的軟件智能體架構與應用場景

 

4.1.5通用型 AI 智能體 Manus

 

4.2具身智能體的感知與交互系統

 

4.2.1具身智能體的概念與發展背景

 

4.2.2感知系統

 

4.2.3具身智能體的應用

 

4.3群體智能協同算法研究

 

4.3.1群體智能的基本概念與應用場景

 

4.3.2群體智能中的個體行為與集體決策機制

 

4.3.3群體協同算法

 

4.3.4群體智能的實際應用

 

4.4人機協同的認知增強模式

 

4.4.1人機協同的基本理念與目標

 

4.4.2認知增強的技術手段

 

4.4.3信息流與任務分配

 

4.5本章小結

 

4.6習題

 

第5章人工智能感知技術

 

5.1計算機視覺與圖像識別原理

 

5.1.1計算機視覺概述

 

5.1.2圖像處理基礎

 

5.1.3圖像分類任務

 

5.1.4圖像檢測任務

 

5.2語音交互系統的技術架構

 

5.2.1語音交互概述

 

5.2.2語音識別技術

 

5.2.3語音合成技術

 

5.2.4語音對話系統

 

5.2.5語音交互系統的優化與挑戰

 

5.3自然語言處理核心算法

 

5.3.1自然語言處理概述

 

5.3.2自然語言處理如何理解語言

 

5.4多模態信息融合技術

 

5.4.1多模態信息融合概述

 

5.4.2模態間的關聯與對齊

 

5.4.3深度學習在多模態融合中的應用

 

5.4.4多模態信息融合的算法與框架

 

5.4.5多模態系統的挑戰

 

5.5本章小結

 

5.6習題

 

第6章大模型技術介紹

 

6.1模型參數規模與智能表現關聯性

 

6.1.1大模型的定義及發展趨勢

 

6.1.2參數規模對模型性能的影響

 

6.1.3計算能力與數據需求

 

6.1.4參數擴展與泛化能力

 

6.2預訓練知識表征機制

 

6.2.1預訓練模型的概念

 

6.2.2知識遷移與表征學習

 

6.2.3主要的預訓練方法

 

6.2.4預訓練模型與多任務學習

 

6.3Token化處理機制

 

6.3.1Token的定義和重要性

 

6.3.2上下文窗口與Token限制

 

6.3.3Token效率與模型性能的關系

 

6.4提示語設計的交互策略

 

6.4.1提示語的基本概念

 

6.4.2提示語的重要性

 

6.4.3不同任務的提示語策略

 

6.5開源模型與專有模型的發展路徑

 

6.5.1開源模型概述

 

6.5.2專有模型的優勢與挑戰

 

6.5.3發展趨勢和前景

 

6.6本章小結

 

6.7習題

 

第7章人工智能技術的應用場景

 

7.1推薦系統算法解析

 

7.1.1推薦系統的基本概念

 

7.1.2人工智能在推薦系統中的應用

 

7.1.3最新的發展與趨勢

 

7.2自動駕駛決策系統的原理

 

7.2.1自動駕駛的核心技術

 

7.2.2決策算法的演進

 

7.2.3最新發展與趨勢

 

7.3醫療診斷輔助系統簡介

 

7.3.1診斷輔助系統的核心技術

 

7.3.2最新技術與發展

 

7.3.3面臨的風險及挑戰

 

7.4本章小結

 

7.5習題

 

第8章人工智能對社會的影響

 

8.1技術革新與職業結構變遷

 

8.2數字內容真實性驗證技術

 

8.3人工智能倫理框架構建

 

8.4技術依賴與自主性喪失

 

8.5本章小結

 

8.6習題

 

實踐篇

 

第9章本地部署DeepSeek

 

9.1背景

 

9.1.1DeepSeek大模型簡介

 

9.1.2本地部署DeepSeek的優點

 

9.2任務目標

 

9.3操作流程與實現

 

9.3.1使用網頁版DeepSeek

 

9.3.2本地部署DeepSeek

 

9.3.3可視化DeepSeek

 

9.4實例

 

9.5本章小結

 

9.6實踐題

 

第10章DeepSeek輔助Word處理文字

 

10.1背景

 

10.1.1Word應用的重要性

 

10.1.2DeepSeek接入Word的優勢

 

10.2任務目標

 

10.3操作流程與實現

 

10.3.1開通DeepSeek的網頁版API

 

10.3.2將在線DeepSeek部署到Word

 

10.3.3將本地DeepSeek部署到Word

 

10.4實例

 

10.5本章小結

 

10.6實踐題

 

第11章DeepSeek輔助Excel處理數據

 

11.1背景

 

11.1.1Excel的重要性

 

11.1.2DeepSeek接入Excel的優勢

 

11.2任務目標

 

11.3操作流程與實現

 

11.3.1配置Excel的基本內容

 

11.3.2數據分析助手

 

11.3.3數據格式修改助手

 

11.4實例

 

11.5本章小結

 

11.6實踐題

 

第12章DeepSeek+X實現自動化制作PPT

 

12.1背景

 

12.1.1PPT應用的重要性

 

12.1.2PPT制作的難點

 

12.1.3直接使用PPT生成工具的缺點

 

12.2任務目標

 

12.3操作流程與實現

 

12.3.1使用DeepSeek生成PPT大綱

 

12.3.2使用DeepSeek+Kimi生成PPT

 

12.3.3使用DeepSeek+通義千問生成PPT

 

12.4生成PPT方案總結

 

12.5本章小結

 

12.6實踐題

 

第13章生成個性化的圖片

 

13.1背景

 

13.1.1圖片在信息傳達中的重要性

 

13.1.2生成高質量圖片的挑戰

 

13.2任務目標

 

13.3操作流程與實現

 

13.3.1生成圖片

 

13.3.2編輯圖片

 

13.3.3精準生成圖片

 

13.4本章小結

 

13.5實踐題

 

第14章生成定制視頻

 

14.1背景

 

14.1.1視頻制作的重要性

 

14.1.2制作視頻的難點

 

14.2任務目標

 

14.3操作流程與實現

 

14.3.1使用文字生成視頻

 

14.3.2使用圖片生成視頻

 

14.3.3精準生成視頻

 

14.4本章小結

 

14.5實踐題

 

第15章搭建個人的AI智能體輔助學習

 

15.1背景

 

15.1.1大模型時代中智能體的重要性

 

15.1.2通用大模型的不足

 

15.1.3個人AI智能體的優點

 

15.2任務目標

 

15.3操作流程與實現

 

15.3.1使用預先配置好的個性化AI智能體

 

15.3.2配置私人的個性化智能體

 

15.4本章小結

 

15.5實踐題

 

第16章在本地部署多模態大模型

 

16.1背景

 

16.1.1本地部署多模態大模型的優勢

 

16.1.2QWenVL模型介紹

 

16.2任務目標

 

16.3操作步驟

 

16.3.1下載QWenVL代碼

 

16.3.2配置Python的基礎環境

 

16.3.3配置項目環境

 

16.3.4運行項目代碼

 

16.4本章小結

 

16.5實踐題

 

附錄APython編程基礎

 

A.1Python 簡介

 

A.1.1Python是什麼

 

A.1.2Python的安裝

 

A.1.3初試Python

 

A.2基本元素

 

A.2.1四則運算

 

A.2.2數值類型

 

A.2.3變量

 

A.2.4運算符

 

A.2.5字符串

 

A.2.6Tuple、List與Dict

 

A.3控制語句

 

A.3.1執行結構

 

A.3.2控制語句

 

A.4面向對象編程

 

A.4.1面向對象簡介

 

A.4.2類

 

A.4.3對象

 

A.4.4類和對象的關系

 

A.4.5面向過程還是對象

 

參考文獻