本书为面向高校计算机、人工智能相关专业的通识教材，全书共 9 章，构建起“基础理论—编程工具—核心技术—前沿大模型—AIGC 与智能体”完整知识体系。第 1 章系统梳理人工智能定义、发展历程、应用场景与伦理挑战；第 2 章讲解 Python 基础，搭建实操入门通道；第 3 章介绍 NumPy、Pandas、PyTorch等人工智能主流框架与基础库。后续章节依次详解计算机视觉、自然语言处理、语音三大传统核心技术，配套图像检测、文本处理、语音合成实战案例。本书重点聚焦当下前沿技术，讲解大语言模型原理、预训练、微调、提示工程等内容，对比 GPT、Claude、LLaMA 等主流模型；并介绍智能 Agent 架构设计与 AIGC技术，剖析图文生成、行业落地、技术伦理与治理问题。每章设置案例分析与习题，兼顾理论讲解与工程实践，弱化复杂数学推导，零基础学习者同样可阅读。本书既可作为本科、高职院校的人工智能入门课程教材，也可作为人工智能爱好者的自学参考用书。

孙发友，济宁学院计算机科学与工程学院，担任软件工程专业主任一职。主要承担软件工程、程序设计相关课程教学工作，负责本专业日常教学管理。常态化参与访企拓岗、校企对接活动，随同学院赴多地企业开展产学研合作洽谈，推进专业产教融合落地。兼顾学院学科建设、科创教学日常管理，负责赛事材料采编、实训统筹等教学辅助工作。

第 1 章 人工智能简介 ................................................................................................................. 1 1.1
引言 ................................................................................................................................ 1
1.1.1 人工智能的定义与基本概念 ............................................................................. 1
1.1.2 人工智能的研究目标与核心任务 ..................................................................... 3
1.1.3 人工智能的发展历程 ......................................................................................... 5
1.2 人工智能的发展历史 .................................................................................................... 8
1.2.1 早期的研究与启示 ............................................................................................. 8
1.2.2 关键的里程碑事件 ........................................................................................... 10
1.2.3 现代人工智能的崛起 ....................................................................................... 14
1.3 人工智能的主要应用领域 .......................................................................................... 18
1.3.1 自动驾驶与智能交通 ....................................................................................... 18
1.3.2 语音与图像识别 ............................................................................................... 20
1.3.3 医疗诊断与健康管理 ....................................................................................... 22
1.3.4 其他应用场景 ................................................................................................... 23
1.4 人工智能面临的挑战与前沿问题 .............................................................................. 25
1.4.1 技术瓶颈与难题 ............................................................................................... 25
1.4.2 伦理与法律考量 ............................................................................................... 28
1.4.3 未来发展趋势 ................................................................................................... 30
1.5 案例分析 ...................................................................................................................... 33
1.6 习题 .............................................................................................................................. 34
第 2 章 Python 基础 ................................................................................................................. 37
2.1 Python 编程环境搭建 .................................................................................................. 37
2.1.1 配置开发环境 ................................................................................................... 37
2.1.2 常用开发工具与集成开发环境（IDE） ......................................................... 45
2.2 Python 程序设计基础 .................................................................................................. 60
2.2.1 Python 基础语法 ............................................................................................... 60
2.2.2 控制语句与函数 ............................................................................................... 71
2.2.3 数据集合与切片 ............................................................................................... 81
2.2.4 文件操作与异常处理 ....................................................................................... 90
2.2.5 面向对象编程基础 ......................................................................................... 102
2.3 案例分析 .................................................................................................................... 120
2.4 习题 ............................................................................................................................ 120
第 3 章 人工智能主流框架与基础库 ..................................................................................... 125
3.1 数据科学基础库 ........................................................................................................ 125
3.1.1 科学计算基础库（NumPy） ......................................................................... 125
3.1.2 数据处理与分析库（Pandas） ...................................................................... 128
3.1.3 数据可视化组件（Matplotlib） .................................................................... 132
3.2 机器学习基础库（Scikit-learn） .............................................................................. 135
3.2.1 Scikit-learn 简介与安装 .................................................................................. 135
3.2.2 Scikit-learn 的核心组件与 API ...................................................................... 137
3.3 深度学习框架（PyTorch） ....................................................................................... 141
3.3.1 PyTorch 简介与环境搭建 ............................................................................... 141
3.3.2 张量（Tensor）基础 ...................................................................................... 143
3.3.3 损失函数与优化器 ......................................................................................... 147
3.3.4 搭建神经网络模型 ......................................................................................... 150
3.4 案例分析 .................................................................................................................... 153
3.5 习题 ............................................................................................................................ 154
第 4 章 计算机视觉技术 ......................................................................................................... 160
4.1 计算机视觉概述 ........................................................................................................ 160
4.1.1 计算机视觉的定义与发展历程 ..................................................................... 160
4.1.2 计算机视觉的应用场景 ................................................................................. 162
4.1.3 计算机视觉的挑战与机遇 ............................................................................. 165
4.2 基础知识与核心技术 ................................................................................................ 167
4.2.1 图像的表示与处理基础 ................................................................................. 167
4.2.2 图像特征提取方法 ......................................................................................... 170
4.2.3 经典图像分析技术 ......................................................................................... 172
4.2.4 机器学习在计算机视觉中的应用 ................................................................. 175
4.3 计算机视觉的关键任务 ............................................................................................ 179
4.3.1 图像识别 ......................................................................................................... 179
4.3.2 目标检测 ......................................................................................................... 182
4.3.3 图像分割 ......................................................................................................... 186
4.4 案例分析 .................................................................................................................... 190
4.5 习题 ............................................................................................................................ 190
第 5 章 自然语言处理技术 ..................................................................................................... 196
5.1 自然语言处理概述 .................................................................................................... 196
5.1.1 自然语言处理的背景与意义 ......................................................................... 196
5.1.2 自然语言处理的发展历程 ............................................................................. 198
5.1.3 自然语言处理的应用领域 ............................................................................. 200
5.2 文本预处理与词向量 ................................................................................................ 203
5.2.1 文本预处理的基本概念 ................................................................................. 203 ·.
5.2.2 文本清洗与标准化 ......................................................................................... 204
5.2.3 词向量的概念与作用 ..................................................................................... 207
5.2.4 常用的词向量模型 ......................................................................................... 208
5.3 序列模型与深度学习 ................................................................................................ 210
5.3.1 循环神经网络 ................................................................................................. 211
5.3.2 长短期记忆网络 ............................................................................................. 213
5.3.3 Transformer 与 BERT 模型 ............................................................................ 216
5.4 案例分析 .................................................................................................................... 218
5.5 习题 ............................................................................................................................ 219
第 6 章 语音技术 ..................................................................................................................... 225
6.1 语音信号处理基础 .................................................................................................... 225
6.1.1 语音信号的基本概念 ..................................................................................... 225
6.1.2 语音信号的应用领域 ..................................................................................... 229
6.1.3 语音信号处理的研究内容与发展趋势 ......................................................... 232
6.2 语音识别与语音合成 ................................................................................................ 234
6.2.1 语音信号与特征提取 ..................................................................................... 234
6.2.2 语音识别技术 ................................................................................................. 237
6.2.3 语音合成技术 ................................................................................................. 239
6.2.4 现代语音识别与合成的前沿技术 ................................................................. 241
6.3 深度学习在语音技术中的应用 ................................................................................ 243
6.3.1 端到端语音识别系统 ..................................................................................... 244
6.3.2 声学模型的优化与训练 ................................................................................. 246
6.3.3 数据增强与迁移学习技术 ............................................................................. 249
6.4 案例分析 .................................................................................................................... 252
6.5 习题 ............................................................................................................................ 253
第 7 章 大语言模型基础 ......................................................................................................... 258
7.1 语言模型的工作原理（从 N-gram 到 Transformer） ............................................. 258
7.1.1 什么是语言模型 ............................................................................................. 258
7.1.2 N-gram 语言模型 ............................................................................................ 260
7.1.3 Transformer 模型与注意力机制 .................................................................... 261
7.2 预训练、微调与提示工程 ........................................................................................ 265
7.2.1 预训练模型基础 ............................................................................................. 265
7.2.2 微调技术 ......................................................................................................... 267
7.2.3 提示工程 ......................................................................................................... 269
7.2.4 预训练、微调与提示工程的比较和联系 ..................................................... 270
7.3 大语言模型 ................................................................................................................ 272
7.3.1 大模型时代的来临 ......................................................................................... 272
7.3.2 GPT 系列模型：引领时代的技术标杆 ......................................................... 273
7.3.3 Claude 系列模型：安全与责任的探索者 ..................................................... 275
7.3.4 DeepSeek 系列模型：开源力量的崛起 ........................................................ 276
7.3.5 LLaMA 系列模型：Meta 的开放模型生态 .................................................. 278
7.3.6 其他重要主流模型简介 ................................................................................. 279
7.3.7 主流大语言模型的横向对比与分析 ............................................................. 280
7.4 案例分析 .................................................................................................................... 281
7.5 习题 ............................................................................................................................ 282
第 8 章 智能 Agent 基础 ........................................................................................................ 285
8.1 智能 Agent 的概念与类型 ........................................................................................ 285
8.1.1 智能 Agent 的定义与特征 ............................................................................. 285
8.1.2 智能 Agent 的发展历程 ................................................................................. 287
8.1.3 智能 Agent 的应用领域 ................................................................................. 290
8.2 基于大语言模型的智能 Agent 系统 ........................................................................ 292
8.2.1 智能 Agent 的结构与组成 ............................................................................. 292
8.2.2 智能 Agent 的设计原则 ................................................................................. 295
8.3 案例分析 .................................................................................................................... 297
8.4 习题 ............................................................................................................................ 298
第 9 章 生成式人工智能（AIGC） ....................................................................................... 301
9.1 AIGC 概述 ................................................................................................................. 301
9.1.1 AIGC 的定义与发展背景 .............................................................................. 301
9.1.2 AIGC 的核心技术 .......................................................................................... 304
9.2 文本生成与图像生成 ................................................................................................ 309
9.2.1 基于深度学习的文本生成 ............................................................................. 310
9.2.2 基于深度学习的图像生成 ............................................................................. 312
9.2.3 文本与图像的联合生成 ................................................................................. 314
9.2.4 文本与图像生成技术的伦理与挑战 ............................................................. 316
9.3 AIGC 的伦理与挑战 ................................................................................................. 318
9.3.1 技术伦理的边界 ............................................................................................. 318
9.3.2 社会影响的多维透视 ..................................................................................... 320
9.3.3 治理框架的全球探索 ..................................................................................... 321
9.3.4 未来挑战与应对策略 ..................................................................................... 323
9.4 案例分析 .................................................................................................................... 325
9.5 习题 ............................................................................................................................ 325