在人工智能深刻变革社会经济各领域的时代，掌握人工智能基础与应用知识已成为新时代大学生的必备素养。本书应时代之需而生，旨在为高校学生提供体系严谨、理论与实操兼备的AI通识读本。全书按照“认知本质、掌握工具、理解技术、观照社会”的思路，构建“基础理论—底层支撑—核心技术—前沿方向—伦理治理—行业实践”完整知识框架。内容涵盖人工智能概论与历史、信息与计算机基础、新一代信息技术架构，深入解析机器学习、大模型、AIGC与多模态应用、智能体与具身智能等，并聚焦AI智能办公实操与伦理安全挑战。最后结合多学科探讨行业赋能与综合实践，使全书兼顾学术与实用价值。本书旨在帮助非人工智能专业学生掌握AI基础知识，理解AI技术逻辑与伦理边界，培养人机协作能力并提升数字素养，以更好地适应智能时代。为辅助教学，本书提供丰富的配套资源，读者可通过登录华信教育资源网获取电子课件等教学资源。本书既可作为普通高等学校非人工智能专业的人工智能通识课程教材，也可作为社会读者学习人工智能基础知识、了解行业应用与伦理规范的参考读物。

周豫苹，博士，教授，博士生导师，闽南师范大学计算机学院副院长。兼任福建省人工智能学会理事、福建省女科技工作者协会理事、漳州市数字漳州专家组专家。主持国家级课程、省级重大教改等项目20余项，主持参与国家自然科学基金、福建省自然科学基金等各级科研项目10余项，在国内外期刊和学术会议上发表学术论文共计40余篇。

第1章?人工智能概论 001
1.1?什么是人工智能 002
1.1.1?人工智能的基本概念 002
1.1.2?人工智能的主要研究范畴 004
1.1.3?人工智能的层次分类 006
1.2?人工智能发展历程 007
1.2.1?古代萌芽期：智能幻想与机械仿生 008
1.2.2?理论奠基期：智能科学的诞生前夜 009
1.2.3?诞生与黄金期：人工智能正式启航 009
1.2.4?两次AI寒冬：技术瓶颈与理性回归 011
1.2.5?爆发突破期：深度学习与大数据革命 012
1.2.6?大模型与通用智能探索期 013
1.3?人工智能学科基础与技术体系 015
1.3.1?人工智能的支撑学科 015
1.3.2?人工智能的技术体系 017
1.4?人工智能发展趋势 019
1.4.1?近期趋势（1～3年） 020
1.4.2?中长期趋势（5～10年） 023
1.4.3?核心挑战 023
1.5?本章小结 024
1.6?思考与实践 024
1.7?学习目标检验 025
第2章?信息与计算机基础 027
2.1?信息与计算机概述 028
2.1.1?信息概述 028
2.1.2?信息技术的发展 032
2.1.3?计算机技术的发展 033
2.1.4?计算机的分类 035
2.2?计算机中的信息表示 037
2.2.1?进位计数制 037
2.2.2?不同进位计数制之间的转换 037
2.2.3?计算机中的二进制 039
2.2.4?信息编码技术 040
2.3?计算机系统 047
2.3.1?冯·诺依曼体系 047
2.3.2?硬件系统 048
2.3.3?软件系统 052
2.4?我国的信息技术应用创新战略 054
2.4.1?什么是信息技术应用创新 054
2.4.2?为什么需要信息技术应用创新 055
2.4.3?信息技术应用创新的发展历程 055
2.5?本章小结 056
2.6?思考与实践 056
2.7?学习目标检验 057
第3章?新一代信息技术 058
3.1?移动互联网：AI应用的普及平台 059
3.1.1?移动互联网的概念与演进 059
3.1.2?移动互联网的相关技术 061
3.1.3?移动互联网安全与素养 062
3.2?物联网：数据采集的智能入口 063
3.2.1?物联网概述 063
3.2.2?物联网体系架构和主要特征 065
3.2.3?物联网相关技术 066
3.2.4?物联网与AI的融合应用 068
3.3?云计算：AI计算的弹性基础设施 068
3.3.1?云计算概述 068
3.3.2?云计算相关技术 070
3.3.3?云计算数据中心 071
3.3.4?云计算与AI的深度融合 072
3.4?大数据：AI决策的智慧源泉 073
3.4.1?大数据概述 073
3.4.2?大数据的相关技术 075
3.4.3?大数据的安全与治理 076
3.4.4?大数据与AI的联系 076
3.5?数字孪生：虚实共生的未来世界 076
3.5.1?数字孪生的概念与特征 077
3.5.2?数字孪生参考架构 078
3.5.3?数字孪生的关键技术 079
3.5.4?数字孪生的典型应用 082
3.6?本章小结 083
3.7?思考与实践 083
3.8?学习目标检验 084
第4章?人工智能关键技术基础 085
4.1?机器学习基础 086
4.1.1?机器学习的基本概念 086
4.1.2?机器学习的流程 087
4.1.3?机器学习范式 088
4.1.4?机器学习算法速查指南 090
4.1.5?算法举例 091
4.2?深度学习基础 095
4.2.1?深度学习发展历史 095
4.2.2?神经网络模型：感知机 095
4.2.3?多层神经网络 098
4.2.4?深度学习：深度神经网络 101
4.3?处理图像的计算机视觉经典方法：卷积神经网络 103
4.3.1?计算机视觉的发展历程 103
4.3.2?计算机视觉的任务与应用场景 104
4.3.3?计算机视觉中的图像 106
4.3.4?卷积神经网络的基本结构 107
4.3.5?卷积神经网络的训练 110
4.3.6?经典卷积神经网络模型 110
4.4?处理序列的神经网络：RNN与Transformer 111
4.4.1?循环神经网络的基本结构和原理 111
4.4.2?经典循环神经网络模型 114
4.4.3?序列任务的应用模式 114
4.4.4?大模型基础架构Transformer 115
4.5?本章小结 116
4.6?思考与实践 116
4.7?学习目标检测 117
第5章?大模型：人工智能的新范式 118
5.1?大模型概述 119
5.1.1?大模型的概念与核心特征 119
5.1.2?技术的跃迁：从小模型到大模型 120
5.1.3?大模型的分类与发展历程 122
5.2?大模型技术原理 124
5.2.1?Transformer架构的核心机制 125
5.2.2?预训练与微调：从通用到垂直 129
5.2.3?RLHF：人类反馈强化学习 131
5.3?提示词工程与大模型应用 133
5.3.1?提示词工程基础 134
5.3.2?提示词构建策略与技巧 137
5.4?本章小结 142
5.5?思考与实践 143
5.6?学习目标检验 143
第6章?AI智能办公与内容创作 145
6.1?AI智能办公概述 146
6.1.1?文档处理 146
6.1.2?数据分析 146
6.1.3?演示设计 147
6.2?AI写作助手 147
6.2.1?WPS AI帮我写 148
6.2.2?WPS AI帮我改 149
6.2.3?WPS AI伴写 150
6.3?AI设计助手 151
6.3.1?WPS AI排版 152
6.3.2?WPS AI条件格式 153
6.3.3?WPS AI生成PPT 153
6.4?AI阅读助手 153
6.4.1?WPS AI全文总结 154
6.4.2?WPS AI文档问答 154
6.5?AI数据助手 156
6.5.1?WPS AI写公式 156
6.5.2?WPS AI数据分析 157
6.6?本章小结 160
6.7?思考与实践 160
6.8?学习目标检验 161
第7章?AIGC与多模态内容的应用 162
7.1?生成式人工智能浪潮与多模态内容生态 163
7.1.1?从判别式AI到生成式AI的技术演进 163
7.1.2?多模态内容的特征与协同效应 164
7.1.3?AIGC时代的数字素养：批判性思维与人机协同能力 166
7.2?文本生成与对话式人工智能实践 167
7.2.1?结构化提示词设计方法 167
7.2.2?长文本撰写、文本精练与翻译辅助 168
7.2.3?多轮对话工作流的构建与优化 171
7.2.4?AI生成内容的真实性核查：幻觉识别与事实验证 172
7.3?图像生成与视觉创作实践 173
7.3.1?主流图像生成工具及实操步骤 173
7.3.2?提示词设计策略与迭代优化 175
7.3.3?进阶生成技术：图生图、局部重绘与风格迁移 178
7.3.4?综合实训：从创意简报到系列化视觉素材开发 180
7.4?音频、视频与跨模态内容生成 184
7.4.1?语音合成与声音克隆技术应用 184
7.4.2?人工智能音乐与音效生成 186
7.4.3?视频生成工具的基本操作与规范 187
7.4.4?跨模态协同：文本驱动的一体化多轨制作 188
7.5?多模态整合工作流与综合实训 188
7.5.1?图文音视全流程方案设计 188
7.5.2?人机协同编辑 189
7.5.3?综合项目实践：AI短片、数字人播报与多媒体课件 190
7.5.4?思政专题讨论：数字公民的AI素养与家国担当 200
7.6?本章小结 201
7.7?思考与实践 201
7.8?学习目标检验 202
第8章?智能体与具身智能：会行动的AI 204
8.1?智能体的基本概念与核心范式 205
8.1.1?智能体的定义、特征与发展脉络 205
8.1.2?核心范式：感知—规划—行动循环解析 207
8.2?智能体的技术架构与实现 209
8.2.1?驱动核心：大语言模型的作用机理与能力边界 209
8.2.2?关键实现机制：记忆、规划与工具调用 210
8.2.3?开发路径：智能体开发平台与部署方案概览 211
8.2.4?动手实践：零代码构建你的第一个智能体 213
8.3?智能体的应用与社会性分析 217
8.3.1?应用辩证分析：效能提升与潜在风险 217
8.3.2?复杂系统：多智能体协作与博弈 217
8.4?具身智能：内涵、挑战与路径 218
8.4.1?核心内涵：具身认知与物理交互 218
8.4.2?核心挑战：数据匮乏、物理不确定性与安全性 219
8.4.3?关键技术：仿真到现实的迁移方法 220
8.5?机器人基础：感知、规划与控制 220
8.5.1?环境感知：机器人的感知体系 220
8.5.2?运动规划与控制方法 222
8.5.3?驱动与执行机构原理 223
8.5.4?仿真体验：通过CoppeliaSim观察机器人运动 224
8.6?人形机器人：前沿与展望 225
8.6.1?发展现状与技术挑战 225
8.6.2?形态价值与商业化前景 227
8.7?未来展望：趋势、治理与人的位置 227
8.7.1?趋势与治理：从生态融合到规则构建 227
8.7.2?素养准备：人机协同时代的个体能力重塑 228
8.8?本章小结 229
8.9?思考与实践 230
8.10?学习目标检验 231
第9章?人工智能的伦理与安全 233
9.1?人工智能伦理：我们该担忧什么 234
9.2?八大伦理问题全景图 234
9.2.1?人的主体性异化：人会被AI取代吗 234
9.2.2?数据隐私与安全：数据主权归属何方 235
9.2.3?算法偏见与歧视：AI也会“不公平”吗 236
9.2.4?算法“黑箱”：不透明决策的可信度探究 238
9.2.5?系统风险：人工智能失控问题探讨 239
9.2.6?责任归属：事故责任主体界定问题 241
9.2.7?知识产权：AI生成的作品归属问题 242
9.2.8?社会公平：技术红利如何实现共享 243
9.3?人工智能伦理与安全典型案例 245
9.4?治理与应对：构建负责任的人工智能 249
9.4.1?伦理原则：人工智能发展的“交通规则” 249
9.4.2?全球法规：人工智能发展的“紧箍咒” 251
9.4.3?生态构建：迈向负责任的人工智能 252
9.5?本章小结 253
9.6?思考与实践 254
9.7?学习目标检验 254
第10章?行业应用与综合实践 255
10.1?AI时代的数字素养框架 256
10.1.1?理解AI的工作机制：为何AI会犯错 256
10.1.2?人机协同的基本分工原则 257
10.2?AI赋能学术研究与论文写作 258
10.2.1?为何AI适合辅助学术选题与文献处理 258
10.2.2?智能化文献综述 259
10.2.3?学术语域规范与论文结构优化 261
10.2.4?学术诚信与AI使用规范 264
10.3?数据驱动的理工科应用实践 265
10.3.1?为何AI适合辅助理工科数据分析 265
10.3.2?案例实践：数据清洗与探索性分析 265
10.3.3?AI辅助代码理解与算法实现 266
10.3.4?从数据到报告：全流程人机协作 268
10.4?文史哲领域的数字人文实践 271
10.4.1?AI辅助文献检索：优势、局限与核查原则 271
10.4.2?史料数字化处理与时空分析 273
10.4.3?古典文学的定量分析 274
10.4.4?哲学文本的概念辅助与比较分析 275
10.5?艺体类创意设计与传播实践 277
10.5.1?AI辅助视觉艺术创作 277
10.5.2?音乐与音频的AI生成与编辑 279
10.5.3?视频内容的AI辅助制作 280
10.5.4?体育数据分析与运动表现优化 282
10.6?本章小结 283
10.7?思考与实践 283
10.8?学习目标检验 284
参考文献 285