本书是一本面向高等学校学生的基础性通识类教材，旨在引领学生进入人工智能这一前沿领域。全书内容分为“涨知识”与“开眼界”两大板块。在前五章构成的“涨知识”板块中，系统地介绍了人工智能的概念、发展历程，以及知识推理和问题求解方法，并介绍了三种典型的人工智能技术，即机器学习、深度学习和强化学习，包括其基础理论、核心思想、关键技术等，帮助学生建立对人工智能的宏观认知和体系框架。在后五章组成的“开眼界”板块中，通过典型应用的介绍，展示了人工智能在视觉感知、具身智能、智慧医疗、智慧生活等方面的广阔应用前景，并在zui后一章探讨了大模型、生成式人工智能、AI for Science等前沿技术热点，旨在开阔学生的视野。 作为一本入门级教材，本书旨在帮助学生建立对人工智能的宏观知识体系，重在培养学生的人工智能科学素养和科技思维，适合作为人文社科、理工类等不同专业学生的通识课程教材。

丛润民
山东大学控制科学与工程学院教授，博士生导师，教育部青年长江学者、全球前2%顶尖科学家、山东省泰山学者青年专家。研究方向为人工智能、模式识别、机器学习、具身智能，在TPAMI、IJCV、NeurIPS、CVPR、ICML、ICCV等国际顶级期刊和会议上发表论文120余篇，ESI热点论文/高被引论文20余篇。

曾获天津市科学技术进步一等奖、中国煤炭工业协会科学技术奖一等奖、中国图象图形学学会自然科学奖二等奖、IEEE Chester W. Sall纪念奖、IEEE杰出领导力奖、CVPR2025运动引导视频目标分割挑战赛冠军、ECCV2024 LSVOS指代视频目标分割挑战赛冠军、IEEE CVPR NTIRE双目图像超分挑战赛亚军、IEEE ICME最佳学生论文奖亚军、ACM SIGWEB中国新星奖、中国图象图形学学会优秀博士学位论文奖、《信号处理》2020-2022年度优秀论文奖、中国图象图形学学会科普先进工作者等。担任IEEE TNNLS等4个SCI期刊编委，山东省人工智能学会常务理事等。

主讲教育部-华为智能基座课程3门，获中国人工智能学会教学成果激励计划一类成果、山东省自动化学会普通高等教育教学成果一等奖、华为“栋梁之师”称号及奖教金，指导中国图学学会优秀硕士学位论文1项、北京图象图形学学会优秀硕士学位论文1项、校优秀硕士学位论文5项、校优秀本科毕业设计(论文)2项等，在国家级/省部级科创比赛中获奖20项。

目　录<br />前言<br />目板块一　涨知识——人工智能基础理论<br />第1章　人工智能概述2<br />1.1　什么是人工智能2<br />1.1.1　人工智能的定义与评估2<br />1.1.2　人工智能基础5<br />1.2　人工智能发展史6<br />1.3　大模型时代下的人工智能14<br />1.3.1　ChatGPT—走向通用性AI之路15<br />1.3.2　百花齐放的多模态大模型18<br />1.4　人工智能伦理与规范24<br />1.5　人工智能技术展望25<br />1.5.1　人工智能的未来发展26<br />1.5.2　人工智能融入寻常百姓家28<br />1.6　小结28<br />参考文献29<br />第2章　知识推理与问题求解31<br />2.1　知识表示31<br />2.1.1　知识表示方法32<br />2.1.2　逻辑关系与规则39<br />2.1.3　知识图谱43<br />2.2　知识推理45<br />2.2.1　概率推理45<br />2.2.2　因果推理49<br />2.2.3　知识图谱推理53<br />2.3　搜索求解54<br />2.3.1　搜索问题的定义54<br />2.3.2　盲目搜索57<br />2.3.3　启发式搜索58<br />2.4　博弈论61<br />2.4.1　博弈论的起源与发展62<br />2.4.2　博弈论的定义与基础63<br />2.4.3　经典博弈案例分析66<br />2.5　小结73<br />参考文献74<br />第3章　机器学习基础75<br />3.1　机器学习概述75<br />3.2　经典算法76<br />3.2.1　监督学习76<br />3.2.2　无监督学习82<br />3.3　模型评估与选择86<br />3.3.1　经验误差与过拟合86<br />3.3.2　评估方法88<br />3.3.3　性能度量89<br />3.4　当代机器学习概述94<br />3.4.1　深度学习94<br />3.4.2　强化学习98<br />3.4.3　图学习101<br />3.4.4　联邦学习 104<br />3.4.5　迁移学习 109<br />3.5　小结114<br />参考文献114<br />第4章　深度学习117<br />4.1　从感知机到深度神经网络117<br />4.1.1　感知机119<br />4.1.2　前馈神经网络120<br />4.1.3　激活函数122<br />4.2　深度学习中的优化与学习124<br />4.2.1　损失函数125<br />4.2.2　梯度下降算法126<br />4.2.3　反向传播算法129<br />4.3　深度学习框架131<br />4.3.1　Theano 132<br />4.3.2　Caffe133<br />4.3.3　TensorFlow134<br />4.3.4　PyTorch137<br />4.3.5　PaddlePaddle138<br />4.3.6　MindSpore138<br />4.4　卷积神经网络141<br />4.4.1　卷积神经网络的核心组成142<br />4.4.2　卷积神经网络的架构探索145<br />4.5　序列到序列模型151<br />4.5.1　序列数据与序列任务152<br />4.5.2　循环神经网络的原理与结构153<br />4.5.3　基于门控单元的循环神经网络157<br />4.6　Transformer模型159<br />4.6.1　Transformer的核心组成159<br />4.6.2　Transformer的架构设计161<br />4.7　深度生成模型164<br />4.7.1　概率生成模型164<br />4.7.2　变分自编码器165<br />4.7.3　生成对抗网络166<br />4.8　小结169<br />参考文献170<br />第5章　强化学习173<br />5.1　强化学习基础173<br />5.1.1　强化学习的发展历史173<br />5.1.2　强化学习的基本概念176<br />5.1.3　马尔可夫决策过程178<br />5.1.4　贝尔曼方程182<br />5.2　经典强化学习方法184<br />5.2.1　基于价值函数的方法185<br />5.2.2　基于策略的方法194<br />5.3　深度强化学习 197<br />5.4　强化学习的应用 203<br />5.4.1　智能机器人与强化学习203<br />5.4.2　自动驾驶与强化学习205<br />5.4.3　金融服务与强化学习207<br />5.4.4　游戏AI与强化学习209<br />5.5　小结211<br />参考文献212<br />板块二　开眼界——人工智能应用实践<br />第6章　智能之眼——视觉感知216<br />6.1　计算机视觉及其发展史 217<br />6.2　图像增强222<br />6.2.1　图像增强概述222<br />6.2.2　典型图像增强任务224<br />6.3　图像分类235<br />6.3.1　图像分类概述235<br />6.3.2　细粒度图像分类237<br />6.4　目标检测239<br />6.4.1　目标检测概述239<br />6.4.2　经典目标检测方法240<br />6.5　图像分割244<br />6.5.1　图像分割概述244<br />6.5.2　经典语义分割模型247<br />6.6　三维视觉251<br />6.6.1　三维视觉概述251<br />6.6.2　典型三维视觉任务252<br />6.7　小结261<br />参考文献262<br />第7章　智能之躯——具身智能268<br />7.1　具身智能概述 268<br />7.1.1　具身智能的基本概念269<br />7.1.2　具身智能的核心要素270<br />7.1.3　具身智能与传统人工智能273<br />7.1.4　具身智能的意义与价值274<br />7.2　具身智能的核心技术275<br />7.2.1　具身智能的系统框架276<br />7.2.2　具身智能的典型实现路径277<br />7.2.3　仿真到真实的迁移 281<br />7.3　具身智能的典型应用 284<br />7.3.1　智能机器人操作任务284<br />7.3.2　服务机器人导航任务290<br />7.4　具身智能的发展前沿与展望295<br />7.4.1　具身智能大模型295<br />7.4.2　具身智能的未来挑战296<br />7.5　小结298<br />参考文献298<br />第8章　AI卫士——智慧医疗299<br />8.1　智慧医疗概述 299<br />8.1.1　智慧医疗的概念300<br />8.1.2　智慧医疗数据302<br />8.1.3　智慧医疗关键技术306<br />8.2　智慧医疗的应用311<br />8.2.1　临床诊断与治疗311<br />8.2.2　远程医疗与在线问诊314<br />8.2.3　药物研发与个性化医疗316<br />8.2.4　中医药应用318<br />8.3　智慧医疗面临的挑战与前景321<br />8.3.1　智慧医疗面临的挑战322<br />8.3.2　智慧医疗的发展前景326<br />8.4　小结329<br />参考文献330<br />第9章　AI助手——智慧生活332<br />9.1　智慧生活概述与人工智能实现332<br />9.1.1　智慧生活概览332<br />9.1.2　人工智能在日常生活中的角色333<br />9.2　智“衣”新尚—智能穿戴与AI时尚助手 335<br />9.2.1　核心技术与框架—以智能穿戴为例335<br />9.2.2　应用案例介绍—AI时尚助手338<br />9.3　“食”悦智融—智慧农业与食品安全 342<br />9.3.1　核心技术与框架—以智慧农业为例342<br />9.3.2　应用案例介绍—食品安全监管与溯源347<br />9.4　乐享智“住”—智能家居与智慧社区 351<br />9.4.1　核心技术与框架—以智能家居为例352<br />9.4.2　应用案例介绍—智慧社区353<br />9.5　智“行”天下—交通大数据与自动驾驶 357<br />9.5.1　核心技术与框架—以智能交通规划为例357<br />9.5.2　应用案例介绍—自动驾驶系统360<br />9.6　小结365<br />参考文献365<br />第10章　人工智能前沿367<br />10.1　大模型的兴起与演进 367<br />10.1.1　大模型的基本概念与发展历程 368<br />10.1.2　大模型的优势与挑战370<br />10.1.3　大模型的训练与优化 371<br />10.1.4　多模态大模型 379<br />10.2　生成式人工智能 382<br />10.2.1　扩散模型382<br />10.2.2　生成式设计与艺术创作385<br />10.2.3　大模型技术治理与社会影响390<br />10.3　AI for Science 391<br />10.3.1　人工智能在科学中的定义与背景392<br />10.3.2　人工智能与自然科学392<br />10.3.3　人工智能与人文社会科学395<br />10.4　小结396<br />参考文献397<br />