.jpg)
AIGC通识课
作者：周苏 万亮斌 胡相勇
ISBN：978-7-111-77515-7
配套资源：电子课件、微课视频、习题集与答案、教学大纲、教案、教学计划、实践与思考
本书特色：
1.面向本科院校、职业院校的人工智能通识教育需求。
2.系统全面介绍AIGC技术与应用的基本知识和技能。
3.有利于从宏观角度把握AIGC技术与应用的发展趋势。
4.针对性地安排了课后习题和研究性学习环节。
本书配套资源、样书均可在本页下载申请，也可联系微信13146070618索取
AIGC的应用非常广泛，能够生成文本、图像、音频、视频等多种类型的内容，显著提高了内容生产的效率和多样性。学习AIGC变得日益重要，它不仅能够帮助个人和组织在人工智能时代保持竞争力，还能激发创造力，探索技术与艺术、商业无限融合的可能性。 本书针对本科院校、职业院校各专业学生的人工智能通识教育需求，系统、全面地介绍了关于AIGC技术与应用的基本知识和技能，主要包括人工智能基础、大语言模型（LLM）、人工智能生成内容（AIGC）、智能体、提示工程与技巧、AIGC高效工作、AIGC助力学习、AIGC拓展设计、AIGC成就艺术、AIGC安全问题、AIGC伦理与限制、迈向通用人工智能（AGI）等内容，具有较强的系统性、可读性和实用性。
同系列书
相关图书
- 图书详情
装订：平装
编辑：郝建伟
开本：16
出版日期：
2025-03-12
字数：326 千字
最新版印次：1-1
最新印次时间：2025-03-12
定价：55.0
cip：2025760WE4
图书简介
配套资源：电子课件、微课视频、习题集与答案、教学大纲、教案、教学计划、实践与思考
本书特色：
1.面向本科院校、职业院校的人工智能通识教育需求。
2.系统全面介绍AIGC技术与应用的基本知识和技能。
3.有利于从宏观角度把握AIGC技术与应用的发展趋势。
4.针对性地安排了课后习题和研究性学习环节。
本书配套资源、样书均可在本页下载申请，也可联系微信13146070618索取
AIGC的应用非常广泛，能够生成文本、图像、音频、视频等多种类型的内容，显著提高了内容生产的效率和多样性。学习AIGC变得日益重要，它不仅能够帮助个人和组织在人工智能时代保持竞争力，还能激发创造力，探索技术与艺术、商业无限融合的可能性。 本书针对本科院校、职业院校各专业学生的人工智能通识教育需求，系统、全面地介绍了关于AIGC技术与应用的基本知识和技能，主要包括人工智能基础、大语言模型（LLM）、人工智能生成内容（AIGC）、智能体、提示工程与技巧、AIGC高效工作、AIGC助力学习、AIGC拓展设计、AIGC成就艺术、AIGC安全问题、AIGC伦理与限制、迈向通用人工智能（AGI）等内容，具有较强的系统性、可读性和实用性。
作者信息
周苏，1958年出生，苏州人。浙江大学城市学院教授，清华大学访问学者，科技部相关机构认证创新工程师（二级），清华大学《计算机教育》杂志“周苏专栏”作者。周苏教授的主要教学和研究方向为软件工程、操作系统和多媒体技术等，仅从自1999年参加独立学院工作以来，潜心体验大众化教育背景下的教学活动并探索其规律，认真踏实地进行教改研究，在教材研究与建设，教学方法改革与创新等方面积累了丰富的经验。
章节目录
前言
课程教学进度表
第1章 人工智能基础 1
1.1 计算的渊源 1
1.1.1 为战争而发展的计算机器 1
1.1.2 通用计算机 2
1.1.3 计算思维 3
1.2 大数据基础 4
1.2.1 信息爆炸的社会 4
1.2.2 大数据的定义 5
1.2.3 大数据的3V特征 5
1.3 人工智能时代 6
1.3.1 图灵测试及其发展 7
1.3.2 人工智能定义 7
1.3.3 强人工智能与弱人工智能 8
1.3.4 大数据与人工智能 10
1.4 从LLM、AIGC到AGI 11
【作业】 12
【研究性学习】进入人工智能新时代 14
第2章 大语言模型（LLM） 16
2.1 Blockhead思维实验 16
2.2 从NLP起步 17
2.2.1 NLP研究内容 17
2.2.2 深度学习革命 18
2.3 LLM定义 18
2.4 LLM工作原理 19
2.4.1 词元及其标记化 19
2.4.2 基础模型 20
2.4.3 词嵌入及其含义 21
2.4.4 基于Transformer模型 21
2.4.5 注意力机制 22
2.4.6 生成和理解 23
2.4.7 预训练过程与微调 23
【作业】 24
【研究性学习】腾讯元宝：3D角色梦工厂 25
第3章 人工智能生成内容（AIGC） 29
3.1 生成式人工智能（GAI） 29
3.1.1 定义GAI 29
3.1.2 GAI与AIGC的关系 30
3.2 定义AIGC 30
3.2.1 内容孪生 31
3.2.2 内容编辑和生成 31
3.2.3 内容理解 32
3.3 AIGC多模态生成技术 32
3.4 AIGC的应用场景 34
3.4.1 典型应用场景 34
3.4.2 Web 3.0 35
3.4.3 元宇宙 37
3.5 AIGC常用工具（平台） 38
3.6 AIGC使用方法 39
3.7 案例：国内10个LLM测评 40
3.7.1 模型选择 40
3.7.2 分析规则 40
3.7.3 调研维度 41
3.7.4 测评分析 41
【作业】 42
【研究性学习】熟悉国内主流LLM 44
第4章 智能体 45
4.1 什么是智能体 45
4.1.1 智能体的定义 46
4.1.2 性能度量 46
4.1.3 智能体的理性 46
4.1.4 AIGC与智能体的联系 47
4.2 环境的本质 48
4.2.1 指定任务环境 48
4.2.2 任务环境的属性 49
4.3 智能体的结构 51
4.3.1 智能体程序 51
4.3.2 学习型智能体 52
4.3.3 智能体组件的工作 53
4.4 构建LLM智能体 54
4.5 智能体驱动的商业模式 55
4.5.1 软件即服务 56
4.5.2 智能体即服务 57
4.5.3 LLM即服务 57
4.5.4 机器人即服务 58
4.5.5 智能体商店 58
4.5.6 消费者服务 59
4.5.7 企业解决方案 60
4.5.8 按需平台 60
4.5.9 数据和分析 61
4.5.10 技术许可 61
4.5.11 众包和协作 62
【作业】 62
【研究性学习】人形机器人创业独角兽Figure AI 64
第5章 提示工程与技巧 67
5.1 提示工程的定义 67
5.2 提示的原理 68
5.2.1 提示词的分类 69
5.2.2 提示构成 70
5.2.3 提示调优 70
5.3 提示工程技术 71
5.3.1 链式思考提示 71
5.3.2 生成知识提示 72
5.3.3 少样本提示 72
5.3.4 自一致提示 73
5.3.5 思维树提示 73
5.4 提示学习和语境学习 74
5.4.1 提示学习 75
5.4.2 语境学习 76
5.5 提示词写作技巧 77
5.5.1 提示词框架推荐 77
5.5.2 提示词实践技巧 79
【作业】 80
【研究性学习】练习撰写提示词 82
第6章 AIGC高效工作 85
6.1 AIGC促进OA流程 85
6.1.1 机器人流程自动化 85
6.1.2 AIGC与RPA结合 85
6.2 重新定义个人助理 86
6.3 AIGC赋能个人工作 87
6.3.1 弥补非专业知识 87
6.3.2 创作省时或验证 88
6.3.3 构思拒绝平庸 88
6.3.4 物料制作“最后一公里” 88
6.4 案例：AIGC助力Excel图形化技巧 89
6.4.1 构建图形化思维与目标 90
6.4.2 聚焦业务价值与主题聚焦 91
6.4.3 Excel饼图可视化 91
6.4.4 Excel帕累托图可视化 92
6.5 案例：AIGC打造电商文案 94
6.5.1 新品牌的建立 94
6.5.2 品牌心智概念设定 95
6.5.3 品牌心智刻入 96
【作业】 98
【研究性学习】熟悉讯飞公文写作工具—讯飞绘文 100
第7章 AIGC助力学习 102
7.1 AIGC助力学习进步 102
7.2 人工智能教育工具（平台） 103
7.2.1 QuillBot 103
7.2.2 Owlift 104
7.2.3 Grammarly 105
7.2.4 Gradescope 105
7.2.5 Fireflies.ai 106
7.2.6 Otter.ai 106
7.2.7 Google Scholar 107
7.2.8 Copy.ai 108
7.2.9 Google Bard 109
7.3 输入法加持人工智能 109
7.4 智能程序代码生成工具 110
7.4.1 GitHub Copilot 111
7.4.2 通义灵码 111
7.4.3 代码小浣熊 112
7.4.4 CodeWhisperer 112
7.4.5 MarsCode 113
7.4.6 CodeGeeX 113
7.4.7 Cody 114
7.4.8 CodeFuse 114
7.4.9 Project IDX 114
7.4.10 Codeium 115
7.4.11 CodiumAI 115
7.4.12 AskCodi 116
7.5 案例：AIGC生成程序代码 116
【作业】 117
【研究性学习】熟悉阿里云大模型—通义千问 119
第8章 AIGC拓展设计 123
8.1 AIGC与设计师的协同模式 123
8.1.1 嵌入模式 124
8.1.2 助手模式 124
8.1.3 代理模式 125
8.2 AIGC加速药物发现 126
8.2.1 AIGC在药物发现中的作用 126
8.2.2 为流程各个阶段增加价值 126
8.2.3 人工智能药物开发案例研究 127
8.2.4 药物开发的未来 127
8.3 AIGC与搜索技术 127
8.4 案例：用AIGC绘制UML设计图 128
8.4.1 用ChatGPT生成PlantUML代码 128
8.4.2 用Drawio绘制流程图 130
【作业】 132
【研究性学习】利用AIGC完成人机交互界面设计 134
第9章 AIGC成就艺术 139
9.1 人工智能绘图工具 140
9.1.1 Stable Diffusion 141
9.1.2 MidJourney 141
9.1.3 文心一格 142
9.1.4 “稿定”AI 142
9.2 AIGC颠覆用户音乐体验 143
9.2.1 AIGC改变音乐体验 143
9.2.2 AIGC打开音乐想象空间 145
9.3 AIGC生成视频 145
9.3.1 原理 145
9.3.2 工具 146
9.3.3 应用领域 146
9.4 AIGC用在营销创意中 147
9.4.1 AIGC推动营销升级 147
9.4.2 AIGC的独特视觉效果 148
9.4.3 AIGC创意的灵魂 149
【作业】 149
【研究性学习】文生图：注册使用MidJourney绘图工具 151
第10章 AIGC安全问题 155
10.1 AIGC的主要安全问题 155
10.2 LLM的幻觉 156
10.2.1 幻觉的分类 156
10.2.2 产生幻觉的原因 156
10.2.3 检测LLM幻觉 157
10.2.4 减轻幻觉 158
10.3 “超人”AI的不堪一击 158
10.3.1 AI“围棋冠军”的不堪一击 159
10.3.2 实现“超人”人工智能不简单 160
10.4 警惕AI“智能体风险” 160
10.5 案例：AIGC与“欺骗” 161
10.5.1 人工智能学会的欺骗 162
10.5.2 人工智能欺骗可能导致的风险 163
10.5.3 对人类防止被骗所做的努力 164
【作业】 164
【研究性学习】熟悉科大讯飞大模型—讯飞星火认知 166
第11章 AIGC伦理与限制 170
11.1 AIGC面临的伦理挑战 170
11.2 数据隐私保护对策 171
11.2.1 数据主权和数据权问题 171
11.2.2 数据利用失衡问题 172
11.2.3 构建隐私保护伦理准则 172
11.2.4 健全道德伦理约束机制 172
11.3 人工智能伦理原则 173
11.3.1 职业伦理准则的目标 173
11.3.2 创新发展道德伦理宣言 174
11.3.3 欧盟可信赖的伦理准则 175
11.4 LLM的知识产权保护 176
11.4.1 LLM的诉讼案例 176
11.4.2 尊重隐私，保障安全，促进开放 180
11.4.3 边缘群体的数字平等 180
11.5 案例：AIGC抢了谁的饭碗 180
【作业】 181
【研究性学习】人工智能独立完成的视觉艺术品无法获得版权 184
第12章 迈向通用人工智能（AGI） 186
12.1 GAI的层次 186
12.1.1 应用层 186
12.1.2 平台层 187
12.1.3 模型层 187
12.1.4 基础设施层 188
12.2 人工智能发展愿景 188
12.2.1 LLM用于智能制造 188
12.2.2 预测人类行为的新模型 189
12.3 AGI涌现 191
12.3.1 AGI的定义 191
12.3.2 LLM与AGI 192
12.3.3 AGI的关键特性 192
12.4 从AIGC迈向AGI 193
12.4.1 通往AGI的分级系统 193
12.4.2 迈向AGI的关键步骤 194
【作业】 195
【课程学习与实践总结】 197
附录 作业参考答案 200
参考文献 202
课程教学进度表
第1章 人工智能基础 1
1.1 计算的渊源 1
1.1.1 为战争而发展的计算机器 1
1.1.2 通用计算机 2
1.1.3 计算思维 3
1.2 大数据基础 4
1.2.1 信息爆炸的社会 4
1.2.2 大数据的定义 5
1.2.3 大数据的3V特征 5
1.3 人工智能时代 6
1.3.1 图灵测试及其发展 7
1.3.2 人工智能定义 7
1.3.3 强人工智能与弱人工智能 8
1.3.4 大数据与人工智能 10
1.4 从LLM、AIGC到AGI 11
【作业】 12
【研究性学习】进入人工智能新时代 14
第2章 大语言模型（LLM） 16
2.1 Blockhead思维实验 16
2.2 从NLP起步 17
2.2.1 NLP研究内容 17
2.2.2 深度学习革命 18
2.3 LLM定义 18
2.4 LLM工作原理 19
2.4.1 词元及其标记化 19
2.4.2 基础模型 20
2.4.3 词嵌入及其含义 21
2.4.4 基于Transformer模型 21
2.4.5 注意力机制 22
2.4.6 生成和理解 23
2.4.7 预训练过程与微调 23
【作业】 24
【研究性学习】腾讯元宝：3D角色梦工厂 25
第3章 人工智能生成内容（AIGC） 29
3.1 生成式人工智能（GAI） 29
3.1.1 定义GAI 29
3.1.2 GAI与AIGC的关系 30
3.2 定义AIGC 30
3.2.1 内容孪生 31
3.2.2 内容编辑和生成 31
3.2.3 内容理解 32
3.3 AIGC多模态生成技术 32
3.4 AIGC的应用场景 34
3.4.1 典型应用场景 34
3.4.2 Web 3.0 35
3.4.3 元宇宙 37
3.5 AIGC常用工具（平台） 38
3.6 AIGC使用方法 39
3.7 案例：国内10个LLM测评 40
3.7.1 模型选择 40
3.7.2 分析规则 40
3.7.3 调研维度 41
3.7.4 测评分析 41
【作业】 42
【研究性学习】熟悉国内主流LLM 44
第4章 智能体 45
4.1 什么是智能体 45
4.1.1 智能体的定义 46
4.1.2 性能度量 46
4.1.3 智能体的理性 46
4.1.4 AIGC与智能体的联系 47
4.2 环境的本质 48
4.2.1 指定任务环境 48
4.2.2 任务环境的属性 49
4.3 智能体的结构 51
4.3.1 智能体程序 51
4.3.2 学习型智能体 52
4.3.3 智能体组件的工作 53
4.4 构建LLM智能体 54
4.5 智能体驱动的商业模式 55
4.5.1 软件即服务 56
4.5.2 智能体即服务 57
4.5.3 LLM即服务 57
4.5.4 机器人即服务 58
4.5.5 智能体商店 58
4.5.6 消费者服务 59
4.5.7 企业解决方案 60
4.5.8 按需平台 60
4.5.9 数据和分析 61
4.5.10 技术许可 61
4.5.11 众包和协作 62
【作业】 62
【研究性学习】人形机器人创业独角兽Figure AI 64
第5章 提示工程与技巧 67
5.1 提示工程的定义 67
5.2 提示的原理 68
5.2.1 提示词的分类 69
5.2.2 提示构成 70
5.2.3 提示调优 70
5.3 提示工程技术 71
5.3.1 链式思考提示 71
5.3.2 生成知识提示 72
5.3.3 少样本提示 72
5.3.4 自一致提示 73
5.3.5 思维树提示 73
5.4 提示学习和语境学习 74
5.4.1 提示学习 75
5.4.2 语境学习 76
5.5 提示词写作技巧 77
5.5.1 提示词框架推荐 77
5.5.2 提示词实践技巧 79
【作业】 80
【研究性学习】练习撰写提示词 82
第6章 AIGC高效工作 85
6.1 AIGC促进OA流程 85
6.1.1 机器人流程自动化 85
6.1.2 AIGC与RPA结合 85
6.2 重新定义个人助理 86
6.3 AIGC赋能个人工作 87
6.3.1 弥补非专业知识 87
6.3.2 创作省时或验证 88
6.3.3 构思拒绝平庸 88
6.3.4 物料制作“最后一公里” 88
6.4 案例：AIGC助力Excel图形化技巧 89
6.4.1 构建图形化思维与目标 90
6.4.2 聚焦业务价值与主题聚焦 91
6.4.3 Excel饼图可视化 91
6.4.4 Excel帕累托图可视化 92
6.5 案例：AIGC打造电商文案 94
6.5.1 新品牌的建立 94
6.5.2 品牌心智概念设定 95
6.5.3 品牌心智刻入 96
【作业】 98
【研究性学习】熟悉讯飞公文写作工具—讯飞绘文 100
第7章 AIGC助力学习 102
7.1 AIGC助力学习进步 102
7.2 人工智能教育工具（平台） 103
7.2.1 QuillBot 103
7.2.2 Owlift 104
7.2.3 Grammarly 105
7.2.4 Gradescope 105
7.2.5 Fireflies.ai 106
7.2.6 Otter.ai 106
7.2.7 Google Scholar 107
7.2.8 Copy.ai 108
7.2.9 Google Bard 109
7.3 输入法加持人工智能 109
7.4 智能程序代码生成工具 110
7.4.1 GitHub Copilot 111
7.4.2 通义灵码 111
7.4.3 代码小浣熊 112
7.4.4 CodeWhisperer 112
7.4.5 MarsCode 113
7.4.6 CodeGeeX 113
7.4.7 Cody 114
7.4.8 CodeFuse 114
7.4.9 Project IDX 114
7.4.10 Codeium 115
7.4.11 CodiumAI 115
7.4.12 AskCodi 116
7.5 案例：AIGC生成程序代码 116
【作业】 117
【研究性学习】熟悉阿里云大模型—通义千问 119
第8章 AIGC拓展设计 123
8.1 AIGC与设计师的协同模式 123
8.1.1 嵌入模式 124
8.1.2 助手模式 124
8.1.3 代理模式 125
8.2 AIGC加速药物发现 126
8.2.1 AIGC在药物发现中的作用 126
8.2.2 为流程各个阶段增加价值 126
8.2.3 人工智能药物开发案例研究 127
8.2.4 药物开发的未来 127
8.3 AIGC与搜索技术 127
8.4 案例：用AIGC绘制UML设计图 128
8.4.1 用ChatGPT生成PlantUML代码 128
8.4.2 用Drawio绘制流程图 130
【作业】 132
【研究性学习】利用AIGC完成人机交互界面设计 134
第9章 AIGC成就艺术 139
9.1 人工智能绘图工具 140
9.1.1 Stable Diffusion 141
9.1.2 MidJourney 141
9.1.3 文心一格 142
9.1.4 “稿定”AI 142
9.2 AIGC颠覆用户音乐体验 143
9.2.1 AIGC改变音乐体验 143
9.2.2 AIGC打开音乐想象空间 145
9.3 AIGC生成视频 145
9.3.1 原理 145
9.3.2 工具 146
9.3.3 应用领域 146
9.4 AIGC用在营销创意中 147
9.4.1 AIGC推动营销升级 147
9.4.2 AIGC的独特视觉效果 148
9.4.3 AIGC创意的灵魂 149
【作业】 149
【研究性学习】文生图：注册使用MidJourney绘图工具 151
第10章 AIGC安全问题 155
10.1 AIGC的主要安全问题 155
10.2 LLM的幻觉 156
10.2.1 幻觉的分类 156
10.2.2 产生幻觉的原因 156
10.2.3 检测LLM幻觉 157
10.2.4 减轻幻觉 158
10.3 “超人”AI的不堪一击 158
10.3.1 AI“围棋冠军”的不堪一击 159
10.3.2 实现“超人”人工智能不简单 160
10.4 警惕AI“智能体风险” 160
10.5 案例：AIGC与“欺骗” 161
10.5.1 人工智能学会的欺骗 162
10.5.2 人工智能欺骗可能导致的风险 163
10.5.3 对人类防止被骗所做的努力 164
【作业】 164
【研究性学习】熟悉科大讯飞大模型—讯飞星火认知 166
第11章 AIGC伦理与限制 170
11.1 AIGC面临的伦理挑战 170
11.2 数据隐私保护对策 171
11.2.1 数据主权和数据权问题 171
11.2.2 数据利用失衡问题 172
11.2.3 构建隐私保护伦理准则 172
11.2.4 健全道德伦理约束机制 172
11.3 人工智能伦理原则 173
11.3.1 职业伦理准则的目标 173
11.3.2 创新发展道德伦理宣言 174
11.3.3 欧盟可信赖的伦理准则 175
11.4 LLM的知识产权保护 176
11.4.1 LLM的诉讼案例 176
11.4.2 尊重隐私，保障安全，促进开放 180
11.4.3 边缘群体的数字平等 180
11.5 案例：AIGC抢了谁的饭碗 180
【作业】 181
【研究性学习】人工智能独立完成的视觉艺术品无法获得版权 184
第12章 迈向通用人工智能（AGI） 186
12.1 GAI的层次 186
12.1.1 应用层 186
12.1.2 平台层 187
12.1.3 模型层 187
12.1.4 基础设施层 188
12.2 人工智能发展愿景 188
12.2.1 LLM用于智能制造 188
12.2.2 预测人类行为的新模型 189
12.3 AGI涌现 191
12.3.1 AGI的定义 191
12.3.2 LLM与AGI 192
12.3.3 AGI的关键特性 192
12.4 从AIGC迈向AGI 193
12.4.1 通往AGI的分级系统 193
12.4.2 迈向AGI的关键步骤 194
【作业】 195
【课程学习与实践总结】 197
附录 作业参考答案 200
参考文献 202
图书评论
