本书是多位长期从事人工智能领域教学与研究的作者集体智慧的结晶。本书分为3篇，共7章，全面介绍了人工智能的基础理论、应用拓展、素养与安全等知识。内容包括认识人工智能、人工智能的科学背景、人工智能的技术基础、人工智能的行业应用、人工智能的未来发展方向、人工智能素养和人工智能数据安全。 本书可作为普通高等学校开设的“人工智能导论”“人工智能通识”等通识课的教材，也可供对人工智能感兴趣的广大读者学习、参考。

一、清华大学名师编写，内容普适，打破学科壁垒，适用于非计算机类专业的广大学生 ? 清华大学电子工程系长聘教授王生进教授及团队精心编写。教材采用“基础理论篇—应用拓展篇—素养与安全篇”三重递进主线，公式、算法非常少，语言通俗，适用于非计算机类专业的广大学生，内容涵盖机器学习、深度学习、大模型实践、多模态人工智能、代理型人工智能、量子人工智能、具身人工智能等。 二、中国工程院院士作序推荐，书中针对针对医学类院校设置专业内容 中国工程院院士、北京协和医学院、中国医学科学院、首都医科大学校长——吉训明院士作序推荐。书中针对针对医学类院校设置专业内容（AI+医学相关学科、AI+医疗行业等内容）。 三、聚焦素养与安全，回应时代命题 ? 分章介绍人工智能素养和人工智能数据安全，超越了传统的偏重技术的人工智能通识教材，着力于培养能够理解、驾驭技术，而非被技术驾驭的全面发展的“AI+X”复合型人才。 四、数字资源集成，助力课程快速落地 ? 配套多元数字教辅资源（资源还在不断更新中），支持“线上+线下”混合式教学模式。 教学大纲 1份 课后习题答案 1份 电子教案 1份 拓展阅读文件 多份 PPT课件 7份 精品慕课视频 1套 人工智能通用教学案例库 行业应用、提示词等10多个模块 五、融入人工智能产学研合作的落地成果 ?教材融入清华大学作者团队多年来在人工智能领域的产学研合作的获奖项目成果。

王生进（第一主编） 清华大学长聘教授、博士生导师、工学博士。中国图象图形学学会视频图像与安全专业委员会主任。连续4年入选爱思唯尔“中国高被引学者”榜单。主持了国家自然科学基金项目、国家高技术研究发展计划（863计划）项目、国家科技支撑计划项目、国家重点研发计划项目等多项国家纵向项目。研究成果获得1次国家科学技术进步奖和3次省市科学技术奖。长期从事计算机视觉、机器学习、具身智能研究。 李亚利（第二主编） 清华大学副研究员，工学博士，中国图象图形学学会视频图像与安全专业委员会成员。主持了“十四五”国家重点研发计划课题、国家自然科学基金青年科学基金项目等。曾获吴文俊人工智能科学技术奖、公安部科学技术奖、ICPR2018年最佳论文奖、ECCV无人机目标检测挑战赛奖项等。长期从事智能视觉识别与理解领域的研究。

上篇 基础理论篇 第 1章 认识人工智能　\\　2 引导案例　\\　3 1.1 人工智能的概念及范畴　\\　3 1.2 人工智能发展史　\\　5 1.2.1 早期发展阶段　\\　5 1.2.2 以深度学习为主流技术的阶段　\\　9 1.2.3 大模型兴起阶段　\\　10 1.3 人工智能的特征与价值　\\　14 1.3.1 人工智能的特征　\\　14 1.3.2 人工智能的价值　\\　15 课后习题　\\　19 第 2章 人工智能的科学背景　\\　21 引导案例　\\　22 2.1 神经科学　\\　22 2.1.1 神经元学说　\\　23 2.1.2 神经可塑性　\\　24 2.1.3 感觉和知觉　\\　26 2.1.4 注意机制　\\　27 2.1.5 记忆机制　\\　28 2.2 语言学　\\　31 2.2.1 乔姆斯基的语言学理论　\\　31 2.2.2 言语分析理论　\\　33 2.2.3 语料库语言学　\\　34 2.2.4 统计语言学　\\　34 2.2.5 计算语言学　\\　35 2.3 哲学　\\　36 2.3.1 人工智能的哲学背景　\\　37 2.3.2 机器伦理学　\\　39 2.4 心理学　\\　40 2.4.1 认知心理学　\\　40 2.4.2 情感智能　\\　42 2.4.3 认知模拟　\\　43 课后习题　\\　44 第3章 人工智能的技术基础　\\　46 引导案例　\\　47 3.1 机器学习　\\　47 3.1.1 机器学习的基本概念　\\　48 3.1.2 机器学习算法　\\　52 3.2 深度学习　\\　55 3.2.1 感知机　\\　56 3.2.2 深度神经网络　\\　56 3.2.3 深度神经网络的优化学习　\\　63 3.2.4 深度学习框架　\\　63 3.3 大模型实践　\\　65 3.3.1 数据准备　\\　66 3.3.2 模型选择与设计　\\　67 3.3.3 模型训练与优化　\\　67 3.3.4 模型评估与调试　\\　69 3.3.5 模型部署与应用　\\　69 课后习题　\\　70 中篇 应用拓展篇 第4章 人工智能的行业应用　\\　73 引导案例　\\　74 4.1 人工智能+工业　\\　74 4.1.1 人工智能+高端装备制造　\\　75 4.1.2 智能化工业质检　\\　76 4.2 人工智能+经济金融　\\　78 4.2.1 智能投顾　\\　79 4.2.2 高频量化交易　\\　79 4.2.3 智能风控　\\　79 4.3 人工智能+医疗　\\　80 4.3.1 医学影像智能判读　\\　80 4.3.2 冠脉造影图像分析　\\　82 4.4 人工智能+交通　\\　84 4.4.1 无人驾驶　\\　84 4.4.2 智能交通系统　\\　94 4.5 人工智能+文化创作　\\　102 4.5.1 AI+新闻写作　\\　103 4.5.2 AI+音乐创作　\\　104 4.5.3 AI+影视创作　\\　105 4.6 人工智能+公共安全　\\　107 4.6.1 人脸识别　\\　108 4.6.2 智能视频分析　\\　112 课后习题　\\　114 第5章 人工智能的未来发展　\\　116 引导案例　\\　117 5.1 人工智能技术的发展方向　\\　117 5.1.1 多模态人工智能　\\　118 5.1.2 代理型人工智能　\\　120 5.1.3 量子人工智能　\\　123 5.1.4 具身人工智能　\\　126 5.2 人工智能产品的发展方向　\\　131 5.2.1 文化遗产保护　\\　131 5.2.2 医疗服务升级　\\　134 5.2.3 教育创新变革 　\\　135 5.2.4 工业智能制造　\\　137 5.3 人工智能人才的培养方向　\\　138 5.3.1 人工智能时代的人才需求与现状　\\　138 5.3.2 高层次人工智能人才的培养挑战　\\　139 5.3.3 高层次人工智能人才的培养对策　\\　140 5.4 人工智能畅想与挑战：通用人工智能　\\　141 5.4.1 通用人工智能概述　\\　142 5.4.2 通用人工智能的未来　\\　143 课后习题　\\　143 下篇 素养与安全篇 第6章 人工智能素养　\\　146 引导案例　\\　147 6.1 人工智能素养的内涵与范畴　\\　147 6.1.1 人工智能素养的内涵　\\　147 6.1.2 人工智能素养的范畴　\\　148 6.2 人工智能素养与信息素养、数据素养的关系辨析　\\　152 6.3 人工智能素养的层次框架　\\　154 6.3.1 意识和理解AI　\\　154 6.3.2 应用和分析AI　\\　155 6.3.3 评估和创造AI　\\　155 6.4 人工智能素养的评估框架　\\　155 6.4.1 人工智能素养的四维评估框架　\\　155 6.4.2 人工智能素养的三维评估框架　\\　157 6.5 大学生人工智能素养的培养　\\　159 6.5.1 人工智能通识教育：素养养成的基石　\\　160 6.5.2 “AI+X”辅修：促进复合型人才培养　\\　160 6.5.3 微专业：跨专业协同促进“AI+X”人才培养　\\　161 课后习题 　\\　162 第7章 人工智能数据安全　\\　164 引导案例　\\　165 7.1 人工智能数据安全的挑战和必要性　\\　165 7.1.1 现实中的代表性案例　\\　166 7.1.2 人工智能数据安全存在的挑战　\\　167 7.1.3 增强人工智能数据安全的必要性　\\　168 7.2 人工智能数据安全的维度　\\　170 7.2.1 人工智能数据的隐私安全　\\　170 7.2.2 人工智能数据的公平性　\\　171 7.2.3 人工智能数据的可信性　\\　172 7.3 人工智能数据安全的保障策略　\\　173 7.3.1 对人工智能数据的监管　\\　173 7.3.2 对人工智能产品开发者的伦理培训　\\　173 7.4 人工智能研究和产品研发中使用的数据安全增强技术　\\　174 7.4.1 数据加密与脱敏技术　\\　174 7.4.2 联邦学习和安全多方计算　\\　175 7.4.3 数据公平性评估与去偏技术　\\　177 7.4.4 对抗样本防御　\\　177 7.4.5 虚假信息检测技术　\\　180 7.4.6 数据水印技术　\\　181 课后习题　\\　181