本书立足高等院校学生的知识结构与学习需求，精心构建 “理论深度探究+跨学科融合实践+伦理价值反思”三位一体的系统化知识框架。本书共10章，内容涵盖初识人工智能、脑认知科学与人工智能、知识工程、机器学习、深度学习与大模型、计算机视觉、自然语言处理、声纹信息处理、智能机器人、人工智能伦理与社会影响。全书知识点全面，表述深入浅出，图文并茂，每章均配备习题，便于学生巩固所学、强化应用，助力夯实理论基础、提升综合素养。
孙丽萍，博士，三级教授，博士生导师。现任安徽师范大学计算机与信息学院副院长，民盟安徽省青年工作委员会副主任。主要从事空间数据处理和智能计算等领域的研究工作。主持国家自然科学基金项目、安徽省自然科学基金项目、高校优秀青年人才支持计划重点项目等，并参与国家自然科学基金联合基金重点项目的研究工作。作为国家级一流本科课程和省级教学创新团队负责人主持安徽省质量工程“101计划”教育教学改革重大项目等多项省级高等学校质量工程项目。近五年，在IEEE TNSE、IEEE TCSS、EAAI等重要期刊发表高质量学术论文20余篇。获安徽省教学成果奖5项（特等奖1项、二等奖3项、三等奖1项）、安徽省计算机学会教学成果奖以及安徽省科技进步三等奖。
第1章 初识人工智能 / 1
1.1? 什么是人工智能 / 1
1.1.1? 人工智能的定义 / 1
1.1.2? 人工智能的核心能力 / 2
1.1.3? 人工智能的目标 / 3
1.2? 人工智能的“进化史” / 5
1.3? 人工智能如何“思考” / 8
1.3.1? 核心方法论 / 8
1.3.2? 其他重要方法 / 9
1.3.3? 人工智能“思考”的核心要素 / 9
1.4? 人工智能的应用 / 9
本章小结 / 15
习题 / 15
第2章 脑认知科学与人工智能 / 18
2.1? 认知与智能的概念 / 18
2.1.1? 什么是认知 / 18
2.1.2? 什么是智能 / 22
2.1.3? 认知与智能的关系 / 24
2.2? 认知科学与人工智能的关系 / 25
2.2.1? 关系概述 / 26
2.2.2? 认知科学对人工智能的启发 / 27
2.2.3? 人工智能对认知科学的反哺 / 30
2.3 大脑结构与功能 / 31
2.3.1 大脑与人工智能的关系 / 31
2.3.2? 大脑的宏观结构与功能分区 / 33
2.3.3? 大脑结构功能的微观基础 / 34
2.3.4? 大脑功能的组织原则 / 34
2.4? 脑启发的人工智能 / 36
2.4.1? 脑启发的人工智能概述 / 36
2.4.2? 脉冲神经网络 / 37
2.4.3? 脑启发人工智能的核心机制 / 38
2.4.4? 典型案例 / 40
本章小结 / 42
习题 / 43
第3章 知识工程 / 45
3.1? 知识工程概述 / 45
3.1.1? 知识工程的起源与发展 / 45
3.1.2? 知识工程的应用领域 / 47
3.1.3? 知识工程与人工智能的关系 / 48
3.2? 知识图谱 / 49
3.2.1? 知识图谱概述 / 49
3.2.2? 知识图谱的表示 / 50
3.2.3? 知识图谱的构建 / 51
3.2.4? 知识图谱的应用 / 52
3.3? 专家系统 / 54
3.3.1? 专家系统的发展 / 54
3.3.2? 专家系统的特点和优势 / 54
3.3.3? 专家系统的分类 / 55
3.3.4? 专家系统的构成 / 56
本章小结 / 57
习题 / 57
第4章 机器学习 / 60
4.1? 什么是机器学习 / 60
4.2? 监督学习方法 / 62
4.2.1? 回归学习 / 62
4.2.2? 分类 / 65
4.3? 无监督学习方法 / 71
本章小结 / 72
习题 / 73
第5章 深度学习与大模型 / 75
5.1? 人工神经网络概述 / 75
5.1.1? 生物神经元与人工神经元的对比 / 75
5.1.2? 神经网络的基本结构 / 77
5.1.3? 激活函数的作用与类型 / 80
5.1.4? 神经网络的学习过程 / 81
5.2? 简单前馈神经网络 / 83
5.2.1? 前馈神经网络的结构 / 83
5.2.2? 前馈神经网络的训练 / 83
5.2.3? 实现一个简单的前馈神经网络 / 84
5.2.4? 前馈神经网络的应用实例 / 86
5.3? 深度学习 / 87
5.3.1? 深度神经网络的特点 / 87
5.3.2? 深度学习的核心架构 / 88
5.3.3? 深度学习的训练技巧 / 91
5.3.4? 深度学习的应用领域 / 92
5.4? 大模型技术 / 93
5.4.1? 大模型的发展历程 / 94
5.4.2? 大模型的核心技术 / 95
5.4.3? 大模型的应用场景 / 97
5.4.4? 大模型的挑战与未来 / 99
本章小结 / 101
习题 / 102
第6章 计算机视觉 / 104
6.1? 计算机视觉概述 / 104
6.1.1? 学科定义与发展脉络 / 104
6.1.2? 计算机视觉的关键技术 / 105
6.1.3? 计算机视觉的应用领域及发展趋势 / 106
6.1.4? 计算机视觉的挑战与展望 / 106
6.2? 图像分类与识别 / 106
6.2.1? 图像分类的基本概念与发展历程 / 106
6.2.2? 传统图像分类方法 / 107
6.2.3? 深度学习在图像分类中的革命性突破 / 107
6.2.4? 现代卷积神经网络架构演进 / 108
6.2.5? 图像分类中的关键技术与挑战 / 109
6.2.6? 图像识别在医疗领域的应用案例 / 110
6.2.7? 图像分类评估指标与实验方法 / 112
6.2.8? 图像分类前沿研究方向 / 114
6.2.9? 图像分类技术未来展望 / 114
6.3? 目标检测与跟踪 / 115
6.3.1? 目标检测技术概述 / 115
6.3.2? 经典目标检测算法 / 115
6.3.3? 目标跟踪技术 / 117
6.3.4? 应用案例分析 / 118
6.3.5? 挑战与发展趋势 / 119
6.4? 三维重建 / 119
6.4.1? 三维重建技术概述 / 119
6.4.2? 基于深度学习的超分辨率三维重建 / 120
6.4.3? 应用案例分析 / 122
6.4.4? 挑战与发展趋势 / 122
6.5? 视觉大模型 / 123
6.5.1? 视觉大模型特征 / 123
6.5.2? 从 CNN 到 Vision Transformer / 124
6.5.3? 自监督、弱监督与多模态 / 125
6.5.4? 多模态大模型示例 / 125
6.5.5? 从算法到系统 / 127
6.5.6? 前沿趋势与挑战 / 128
本章小结 / 128
习题 / 129
第7章 自然语言处理 / 130
7.1? 自然语言处理概述 / 130
7.1.1? 发展历程 / 130
7.1.2? 核心应用领域 / 131
7.2? 自然语言处理过程 / 132
7.2.1? 词法分析 / 132
7.2.2? 句法分析 / 134
7.2.3? 语义分析 / 137
7.2.4? 语用分析 / 138
7.3? 机器翻译 / 141
7.3.1? 机器翻译的发展历程 / 141
7.3.2? 机器翻译的主要方法 / 142
7.4? 大语言模型 / 145
7.4.1? 核心技术原理 / 146
7.4.2? 发展历程与关键模型 / 147
7.4.3? 应用场景与案例分析 / 148
7.4.4? 面临的挑战与伦理考量 / 149
7.5? 案例分享 / 149
7.5.1? 情感分析系统 / 150
7.5.2? 生成式文本摘要 / 154
本章小结 / 158
习题 / 158
第8章 声纹信息处理 / 160
8.1? 声纹信息处理概述 / 160
8.1.1? 计算机听觉 / 160
8.1.2? 音频生成与转换 / 163
8.2? 语音产生与特征分析 / 166
8.2.1? 语音的产生 / 166
8.2.2? 语音的特征分析 / 168
8.3? 语音识别与合成 / 180
8.3.1? 语音识别 / 180
8.3.2? 语音合成 / 183
8.4? 语音大模型 / 187
本章小结 / 190
习题 / 190
第9章 智能机器人 / 191
9.1? 机器人概述 / 191
9.1.1? ROS / 192
9.1.2? 基于 ROS 的机器人平台 / 194
9.1.3? ROS 控制方法 / 195
9.1.4? 基于 ROS 的实现 / 197
9.1.5? 自主机器人和多机器人导航 / 200
9.2? 机器人中的人工智能 / 203
9.2.1? 计算机视觉 / 205
9.2.2? 强化学习 / 206
9.2.3? 人机交互 / 207
9.3? 智能机器人的应用 / 208
9.3.1? 树莓派与 ROS 的集成应用 / 209
9.3.2? Jetson 系列与 ROS 的集成应用 / 210
9.3.3? ROS-Industrial 及工业应用拓展 / 211
9.4? 智能机器人技术展望 / 212
本章小结 / 215
习题 / 215
第10章 人工智能伦理与社会影响 / 217
10.1? 人工智能的哲学基础 / 217
10.1.1? 人工智能认知模式的哲学源头 / 217
10.1.2? AI“智能”与人类“思维”的哲学分野 / 218
10.1.3? 人工智能发展的哲学规范与边界 / 219
10.1.4? 哲学与人工智能的共生 / 219
10.2? 人工智能的伦理规范 / 220
10.2.1? 数据伦理：AI 技术的“源头规范” / 220
10.2.2? 算法伦理：AI 决策的“透明规范” / 221
10.2.3? 算法应用伦理：AI 边界的“底线规范” / 222
10.2.4? 全球 AI 伦理框架与社会影响的互动 / 223
10.2.5? 挑战与展望：构建动态适配的 AI 伦理体系 / 223
10.2.6? 以伦理规范守护 AI 的“人文温度” / 224
10.3? 人工智能与法律 / 224
10.3.1? 人工智能法律建设历程 / 224
10.3.2? 人工智能改善法律流程 / 226
10.3.3? 法律制约人工智能 / 228
10.4? 人工智能的社会影响 / 230
10.4.1? 经济结构转型 / 230
10.4.2? 就业生态变迁 / 231
10.4.3? 生活模式演进 / 232
10.4.4? 治理体系调适 / 234
本章小结 / 235
习题 / 235
附录 A 情感分析系统代码 / 237
附录 B 生成式文本摘要代码 / 242
参考文献 / 249
新书资讯
