本书面向高校各专业本科生，强调基础知识的通识性与跨专业适应性，能够有效满足非计算机专业学生对人工智能知识的基本需求，并注重对其应用技能的启蒙培养。内容设置强调基础理论与应用实践并重，鼓励学生通过案例项目深入理解人工智能在智慧生活、智慧医疗、智能交通等现实场景中的实际价值。
本书开辟新路径，在保持知识系统性与理论严谨性的基础上，构建了“应用场景引领-核心技术讲解-动手实践训练-伦理反思提升”的四层渐进式结构，突出“贴近现实、可动手操作、富有思想深度”的特色，有效实现了面向各专业学生、强调实践能力培养的目标。
本书以大量日常生活中的真实应用为引导，如音乐推荐、智能闹钟、地图导航、人脸识别打卡等，贯穿图像分类、自然语言处理、生成式AI等典型技术主题，采用“任务驱动”的方式将抽象算法内化为学生可感知、可参与、可动手的项目任务。书中专设实践章节，帮助学生完成从理论到操作、从工具到产品的完整学习闭环，真正实现学以致用。
此外，本书还安排了系统的伦理思辨内容，探讨算法歧视、隐私泄露、模型偏见、AI责任划分等现实问题，引导学生形成科技理性与社会责任的双重视角。本书提供了多个真实案例、社会背景与问题导向的讨论框架，在价值观塑造方面具有明显优势。
在表达方式上，书中采用贴近青年学生语言风格的叙述方式，图文并茂，部分内容还结合AI生成的图像辅助理解，旨在降低阅读门槛，提升学习兴趣。书中既有理论讲解，也有流程图、可视化图表与代码示例，为教学与自学提供良好的支持条件。
本书在教材体系设计、内容选取、教学适配性和表达风格方面均体现出鲜明的特色与原创性，是当前人工智能通识教育教材领域兼具系统性、实用性与人文深度的重要创新成果。

徐子晨??南昌大学数学与计算机学院副院长，教授，博士生导师。美国俄亥俄州立大学博士，入选国家高层次人才计划，江西省“双千计划”青年领军人才计划首批入选者。现任中国计算机学会体系结构专委会常务委员。主要从事人工智能、大数据方面的教研工作，在数据库、系统软件和人工智能领域国际顶级期刊和会议上发表高水平论文60余篇。获10余项国家自然科学基金、科技部重点研发计划、省重点研发计划等纵向基金资助以及华为、腾讯、微软、亚马逊、谷歌等国内外企业横向基金资助。获多项省部级科技奖，其中，基于时空数据的智能政务服务平台成果获江西省科技进步奖一等奖（第一完成人）。
曾勍炜??研究员，现任江西省计算机学会副秘书长、国家司法鉴定人（电子数据鉴定）、江西省教育省域网建设工程技术组副组长、江西教育网络安全和信息化专家委员会委员、江西省公安厅信息安全等级保护专家组专家。获省教改重点项目、省科技攻关项目、教育部协同育人项目等多项省、部级课题资助，获高校改革创新奖1项，主编全国信息化计算机应用技术资格认证项目的指定教材2部，取得发明专利2项，担任多个SCI期刊审稿人。
杜建强??博士，二级教授，博士生导师。现任南昌大学副校长，中国中医药信息学会副会长，江西省百千万工程人选，江西省高校中青年学科带头人。主要研究领域为医药大数据与人工智能、医学自然语言处理。近年来，先后主持了国家重点研发计划课题、国家自然科学基金等国家级和省部级重点课题近20余项。主持的三项科研成果荣获江西省科技进步奖,主持的教改成果分别获国家优秀教学成果二等奖、省级优秀教学成果一等奖和二等奖。主编全国中医药高等教育“十二五”“十三五”“十四五”规划教材，在国内外重要刊物和学术会议上发表论文160余篇,其中三大索引收录80余篇，获软件著作权30余项，授权发明专利8项。

目 录<br /><br />推荐序 1<br />推荐序 2<br />前言<br /><br />第 1 章 初识人工智能 1<br />1.1 人工智能的定义　1<br />1.1.1 智能的定义　2<br />1.1.2 机器的智能　5<br />1.2 人工智能的发展历程　9<br />1.2.1 人工智能的第一个热潮　10<br />1.2.2 人工智能的第二个热潮　14<br />1.2.3 人工智能的第三个热潮　16<br />1.3 人工智能的分类 18<br />1.3.1 基于能力的分类　19<br />1.3.2 基于学派的分类　22<br />1.3.3 基于关键技术的分类　25<br />1.4 人工智能的现在和未来　27<br />小结　28<br />习题　29<br /><br />第 2 章 人工智能基础　30<br />2.1 人工智能、机器学习和深度学习的关系 30<br />2.2 机器学习　31<br />2.2.1 机器学习的定义　32#12;2.2.2 机器学习的原理　33<br />2.3 线性回归与逻辑回归　34<br />2.3.1 线性回归　34<br />2.3.2 逻辑回归　35<br />2.3.3 评估与优化 36<br />2.4 深度学习　39<br />2.4.1 从“学习”到“深度学习”　39<br />2.4.2 深度学习和机器学习的区别　40<br />2.4.3 深度学习的崛起　40<br />2.4.4 深度学习的灵感来源　41<br />2.4.5 深度学习的三大核心层　41<br />2.4.6 深度学习的优势与挑战　43<br />小结　43<br />习题　44<br /><br />第 3 章 人工智能核心技术 47<br />3.1 计算机视觉　47<br />3.1.1 计算机视觉的奠基者　47<br />3.1.2 图像采集与表示　51<br />3.1.3 计算机视觉任务与问题　53<br />3.2 自然语言智能　54<br />3.2.1 语音识别　54<br />3.2.2 自然语言处理　59<br />3.3 生成式人工智能 62<br />3.3.1 从判别到生成　63<br />3.3.2 工作原理　63<br />3.3.3 模态类型　66<br />小结　67<br />习题　67<br /><br />第 4 章 人工智能的应用 68<br />4.1 智慧生活　68<br />4.1.1 智能家居　68<br />4.1.2 智能助理　71<br />4.1.3 智能娱乐与个性化推荐　75<br />4.2 智慧驾驶　80<br />4.2.1 自动驾驶技术　80<br />4.2.2 车联网与智能交通系统　84#12;4.3 智慧医疗　87<br />4.3.1 医疗影像分析与诊断支持 87<br />4.3.2 个性化医疗与基因分析　89<br />4.3.3 远程医疗与虚拟健康助手 93<br />小结　96<br />习题　96<br /><br />第 5 章 人工智能的提示工程　98<br />5.1 提示工程简介　98<br />5.1.1 定义与内涵 98<br />5.1.2 发展历程　98<br />5.1.3 重要性与价值　99<br />5.2 提示技巧 100<br />5.2.1 基于样本数量的提示词技术 100<br />5.2.2 基于思考过程的提示词技术 102<br />5.2.3 基于一致性和连贯性的提示词技术 108<br />5.2.4 基于知识和信息的提示词技术　111<br />5.2.5 基于优化和效率的提示词技术　113<br />5.2.6 基于用户交互的提示词技术 115<br />5.3 实际应用 117<br />5.3.1 用人工智能快速生成一份报告　117<br />5.3.2 用人工智能快速制作一张插画　124<br />小结　128<br />习题　128<br /><br />第 6 章 第一个人工智能项目 129<br />6.1 人工智能的编程语言——Python 129<br />6.1.1 Python 简介与特点　129<br />6.1.2 Python 在人工智能中的作用　130<br />6.2 前置知识学习　132<br />6.2.1 Python 相关　132<br />6.2.2 数据预处理　134<br />6.2.3 可视化 137<br />6.2.4 深度学习框架 141<br />6.3 项目概述 141<br />6.3.1 项目背景与意义　142<br />6.3.2 技术选型与实现框架 142<br />6.3.3 学习目标　142#12;6.4 从数据集处理开始　142<br />6.4.1 数据导入与查看　143<br />6.4.2 数据预处理　146<br />6.4.3 数据加载与批次处理 148<br />6.5 深度学习模型构建　153<br />6.5.1 硬件设备配置 154<br />6.5.2 模型结构定义 154<br />6.5.3 设置学习目标与优化策略　157<br />6.5.4 训练流程定义 158<br />6.5.5 测试流程定义 159<br />6.6 正式开始训练模型　160<br />6.6.1 设置训练参数与初始化记录 160<br />6.6.2 执行训练、测试循环 161<br />6.7 测试模型 163<br />6.7.1 训练与验证结果的可视化　163<br />6.7.2 生成混淆矩阵 165<br />6.7.3 生成评估报告 169<br />小结　172<br />习题　172<br /><br />第 7 章 关于人工智能的思考 173<br />7.1 人工智能的算法歧视问题　173<br />7.1.1 算法歧视的概念和具体表现 173<br />7.1.2 算法歧视的成因　174<br />7.1.3 解决算法歧视的对策 178<br />7.2 人工智能的隐私问题 180<br />7.2.1 数据隐私与人工智能的关系 180<br />7.2.2 保护数据隐私的技术与法规 181<br />7.3 人工智能的责任与监管问题　184<br />7.3.1 人工智能决策中的责任归属问题　184<br />7.3.2 人工智能的监管与安全保障 187<br />小结　189<br />习题　189<br /><br />附录 专业名词解释　190<br />习题答案　194