本书围绕高等院校人工智能通识教育展开，系统阐述以计算机算法为核心的人工智能知识。书中内容涵盖人类智能与人工智能概述、物理基础、基本原理等，介绍常用 AI 工具、大小模型，结合通用及嵌入式人工智能实例，探讨人工智能伦理与未来发展，为读者搭建起全面的人工智能知识框架。
       本书具有鲜明特点：定位 “知其然了解其所以然”，注重原理理解与实践结合；在内容组织上，平衡共性与个性、理论与实践，融入作者科研成果；配套丰富电子资源，含视频、源代码、课件等，便于学习实践。
       本书旨在帮助读者掌握人工智能基础知识，将人工智能作为新型学习工具，适合作为普通高等院校人工智能通识课程的教材或参考书，也可作为对人工智能感兴趣的教育工作者、技术爱好者的参考书。

       自 2022 年大模型元年开启，人工智能迅速成为大众熟知的名词，“人工智能 + 各行各业”的发展趋势也日益显著。如何实现人工智能赋能各个领域，甚至助力大学生学习，关键在于从大学一年级就开始普及人工智能基础知识，让人工智能作为新型工具融入大学学习过程，为后续学习增添助力。
       目前，许多高校计划增设人工智能通识课程。然而，人工智能尚处于发展初期，不仅相关教材稀缺，其教学体系也仍在探索之中。为此，我们广泛收集并深入分析人工智能相关资料，结合自身在人工智能领域的研究与实践，以“知其然了解其所以然”为定位，从“新型工具”视角出发，按照人类智能与人工智能概述、人类智能与人工智能的物理基础、人工智能基本原理、常用 AI 工具、常用大模型、常用小模型、通用人工智能实例、嵌入式人工智能实例、人工智能伦理、人工智能未来发展展望的顺序，编写了这本面向高校理工科学生的《人工智能通识教程》，系统阐述以计算机算法为
核心的“人工智能”这一新型工具。
       作为通识课程，其特点在于具有广泛的知识覆盖面，旨在让广大学生掌握基础知识。正如《哈佛通识教育红皮书》中所言，若教育过程的每个阶段未涵盖通识性、人文性课程内容，教育便会缺乏理想指引。本书旨在探索人工智能通识课出现的原因，以及如何建设其教学资源等重要问题。
一、为何会出现人工智能通识课程
       探讨人工智能通识课程出现的原因，需先明晰通识课程的性质，再审视当前人工智能是否已发展到适合作为通识课程的阶段。《礼记·学记》有言：“大学之道，知类通达，强立而不反，谓之大成。”1828 年，耶鲁大学发布《耶鲁报告》，明确指出本科教育应承担为本科学生奠定共同基础的重要使命。1945 年，《哈佛通识教育红皮书》对通识教育的理念与实施进行了更为详尽的阐释，其实质在于强调通识课程是本科学生知识结构的重要组成部分。那么，为何如今人工智能通识课程可以且应该纳入本科通识课程体系呢？这是由人工智能的影响力与发展阶段决定的。就如同当年计算机在达到特定发展阶段后，计算机基础课程成为大部分本科学生的通识课程一样，如今人工智能的影响力甚至超越了当时的计算机，尽管它本质上是计算机程序，但其内涵与应用已远远超出程序概念的范畴。
二、如何建设人工智能通识课程的教学资源
       人工智能通识课程若要顺利进入课堂教学，必须做好全面准备，需对教材、电子资源、课件、教学大纲、题库建设等工作进行统筹规划，其中教材建设是最为关键的核心环节，其他教学资源可在此基础上逐步拓展完善。由于人工智能正处于快速发展的初期阶段，人工智能通识课程的教学资源相对匮乏，课程体系也仍在不断探索构建中。本书参考了近年来公开出版的相关资料，从内容组织、知识深浅度、实际可用性、实践操作性等多个方面进行了初步探索，将教材定位为“知其然了解其所以然”。之所以这样定位，是因为要做到“知其然知其所以然”，一方面存在较大难度，另一方面也超出了通识课程的教学目标。所谓“了解其所以然”，即对原理部分只需进行了解层面的阐述，期望学生能够学以致用，对原理有基本认识。在内容组织方面，我们着重斟酌了三个平衡：共性与个性的平衡；体系完整性与个性蓝本选取的平衡；理论与实践的平衡。目前呈现在读者面前的这本教材，融入了编者的部分科研成果，经过精心甄选与梳理后编入其中。我们期望本书能够成为一本“看得懂、用得上、可实践”的人工智能通识课程教学用书，为人工智能通识课程的教学资源建设贡献一份力量。
三、本书辅助教学资源
       为配合纸质教材使用，本书配套了电子资源，可在中国铁道出版社教育资源数字化平台 https://www.tdpress.com/51eds 下载，其中包含源代码、环境安装方法、课件等丰富内容，力求构建较为完整的教学资源体系，为人工智能通识课程的教学提供有力支持。教师资源请发电子邮件至 605066705@qq.com 获取，这些资源将根据使用过程中收集到的意见与建议，及时进行更新优化。
       由于编者水平有限，本书难免存在疏漏与不足之处，恳请使用本书的广大师生及其他读者不吝批评指正。


编 者
2025 年 2 月

第 1 章 人类智能与人工智能概述 … 1
    1.1 人工智能正向我们走来 …………… 2
    1.2 从人类智能看人工智能 …………… 3
        1.2.1 人类智能 ……………………… 3
        1.2.2 人工智能 ……………………… 4
    1.3 人工智能的由来 …………………… 4
        1.3.1 电子计算机的出现 …………… 4
        1.3.2 达特茅斯会议 ………………… 5
    1.4 人工智能的发展历程 ……………… 6
        1.4.1 人工智能发展过程的标志性节点 …………………………… 6
        1.4.2 人工智能发展简史 …………… 6
        1.4.3 DeepSeek 给出的关于人工智能发展史的回答 ………………… 7
    1.5人工智能的多样性 ………………… 8
小 结 …………………………………… 9
习 题 …………………………………… 9
第 2 章 人类智能与人工智能的物理基础…………………………… 10
    2.1 人类智能的物理基础 ……………… 11
        2.1.1 人脑的基本结构 ……………… 11
        2.1.2 神经元与神经网络 …………… 12
        2.1.3 人脑思考的机理启发人工神经网络 …………………………… 12
    2.2 人工智能的物理基础 ……………… 13
        2.2.1 电子计算机出现的历史背景 … 13
        2.2.2 电子计算机与传统工具的区别 …………………………… 14
        2.2.3 软件的重要性 ………………… 15
        2.2.4程序为何会自动运行 ………… 16
    2.3  由 0 和 1 构成的世界 ……………… 18
        2.3.1 信息的简明史 ………………… 18
        2.3.2 由 0 和 1 构成的现代信息基础 …………………………… 19
        2.3.3 由 0 和 1 构成的世界如何“思考” ……………………… 19
    2.4 计算机语言举例：Python ………… 20
        2.4.1 Python 开发环境安装与配置 … 20
        2.4.2 运行 Python 第一个实例……… 24
        2.4.3 认识 Python 语言中的对象…… 29
        2.4.4 Python 窗体工程框架及常用控件实例 ……………………… 34
小 结 …………………………………… 43
习 题 …………………………………… 43
第 3 章 人工智能基本原理 ………… 44
    3.1 人工神经网络 ……………………… 45
        3.1.1生物神经网络与计算机模拟 … 45
        3.1.2BP 神经网络…………………… 46
        3.1.3深度神经网络 ………………… 48
        3.1.4 人工智能流派 ………………… 49
    3.2 卷积神经网络 ……………………… 50
        3.2.1 图像的矩阵表示 ……………… 50
        3.2.2 卷积运算 ……………………… 51
        3.2.3 卷积神经网络特点 …………… 52
        3.2.4 卷积神经网络基本结构 ……… 53
        3.2.5 常见卷积神经网络 …………… 56
    3.3 其他典型图像处理神经网络 ……… 58
        3.3.1 物体检测神经网络 …………… 58
        3.3.2 图像分割神经网络 …………… 59


        3.3.3 生成对抗网络 ………………… 59
    3.4 算法评估 …………………………… 60
        3.4.1 可视化评估 …………………… 60
        3.4.2 算法评价客观指标 …………… 60
小 结 …………………………………… 61
习 题 …………………………………… 61
第 4 章 常用 AI 工具 ………………… 63
    4.1 文本类工具 ………………………… 64
        4.1.1 自然语言处理 ………………… 64
        4.1.2 自然语言处理技术 …………… 68
        4.1.3 文本分析与挖掘 ……………… 72
        4.1.4 文本生成 ……………………… 75
    4.2 人机交互工具 ……………………… 77
        4.2.1 人机交互框架 ………………… 78
        4.2.2 对话管理 ……………………… 79
        4.2.3 对话式 AI ……………………… 81
    4.3 识别类工具 ………………………… 82
        4.3.1 OCR 识别工具 ………………… 83
        4.3.2 生物特征识别 ………………… 85
        4.3.3 语音识别与合成 ……………… 87
    4.4 辅助学习类工具 …………………… 89
        4.4.1 智能辅导与答疑 ……………… 89
        4.4.2 个性化学习路径推荐 ………… 90
        4.4.3 教学管理与评价 ……………… 90
        4.4.4 AI 教育工具 …………………… 90
    4.5 案例实践 …………………………… 91
        4.5.1 智能语音助手——导航语音交互 …………………………… 91
        4.5.2 机器翻译工具——有道翻译 … 91
小 结 …………………………………… 92
习 题 …………………………………… 92
第 5 章 常用大模型 ………………… 95
    5.1 大模型概况 ………………………… 96
        5.1.1 大模型的定义 ………………… 96
        5.1.2 大模型的发展历程 …………… 96
        5.1.3 大模型的分类 ………………… 99
        5.1.4 大模型的特征 ……………… 100
    5.2 大模型数据与存储 ……………… 104
        5.2.1 数据集构建 ………………… 105
        5.2.2 数据的处理 ………………… 105
        5.2.3数据质量与多样性 ………… 106
        5.2.4数据存储 …………………… 107
    5.3 大模型的架构 …………………… 108
        5.3.1 主流大模型的架构演化 …… 108
        5.3.2 Transformer 架构 …………… 110
        5.3.3 编码器结构——BERT 家族… 116
        5.3.4 解码器结构——GPT 家族 … 117
        5.3.5 DeepSeek 大模型 …………… 118
    5.4 大模型提示工程 ………………… 119
        5.4.1 提示工程简介 ……………… 119
        5.4.2 零样本提示 ………………… 119
        5.4.3 少样本提示 ………………… 119
        5.4.4 链式思考提示 ……………… 120
        5.4.5 提示词 ……………………… 120
    5.5 大模型训练与部署 ……………… 121
        5.5.1 大模型训练 ………………… 121
        5.5.2 训练的基本步骤 …………… 123
        5.5.3 大模型训练方法 …………… 126
        5.5.4 大模型部署 ………………… 127
    5.6 大模型的应用 …………………… 131
        5.6.1 智能客服与对话系统 ……… 131
        5.6.2 生成式 AI …………………… 132
        5.6.3 跨语言与跨文化传播 ……… 133
    5.7 案例实践 ………………………… 134
        5.7.1 生成文本 …………………… 134
        5.7.2 生成摘要 …………………… 134
        5.7.3生成图片 …………………… 134
        5.7.4生成视频 …………………… 135
小 结 ………………………………… 136
习 题 ………………………………… 136
第 6 章 常用小模型 ……………… 138
    6.1 小模型概述 ……………………… 139
        6.1.1 小模型的定义与特点 ……… 139
        6.1.2 小模型的发展历程 ………… 140
        6.1.3 小模型的分类 ……………… 141
        6.1.4 小模型和大模型的区别 …… 142
        6.1.5 小模型与边缘计算的结合 … 143
        6.1.6 小模型与端侧模型 ………… 144
    6.2 小模型的架构 …………………… 145
        6.2.1 主流小模型的架构演化 …… 145
        6.2.2 MobileNet …………………… 146
        6.2.3 MobileBERT………………… 146
        6.2.4 Baby LLama ………………… 147
    6.3 模型压缩技术 …………………… 148
        6.3.1 模型量化 …………………… 148
        6.3.2 模型剪枝 …………………… 149
        6.3.3 知识蒸馏 …………………… 150
        6.3.4 低秩分解 …………………… 151
    6.4 小模型训练与部署 ……………… 151
        6.4.1小模型训练 ………………… 151
        6.4.2小模型部署 ………………… 151
    6.5 面向小模型的芯片 ……………… 152
        6.5.1 专用 AI 芯片介绍 ………… 152
        6.5.2 芯片与软件协同设计 ……… 153
        6.5.3 芯片选型与优化 …………… 153
    6.6 小模型的应用 …………………… 154
        6.6.1 物联网与智能家居 ………… 154
        6.6.2 移动应用与可穿戴设备 …… 155
        6.6.3 边缘计算 …………………… 156
        6.6.4 低资源环境下的 AI 应用 … 156
小 结 ………………………………… 157
习 题 ………………………………… 157
第 7 章 通用人工智能实例 ……… 159
    7.1 通用人工智能概述 ……………… 160
        7.1.1通用人工智能的定义 ……… 160
        7.1.2通用人工智能的目标 ……… 162
        7.1.3 通用人工智能的评价标准 … 163
    7.2 通用人工智能关键技术路径 …… 165
        7.2.1 感知和认知模型 …………… 165
        7.2.2 学习与自适应能力 ………… 166
        7.2.3 跨领域知识整合与应用 …… 166
        7.2.4 情感与社交智能 …………… 166
    7.3 通用人工智能应用开发挑战 …… 167
        7.3.1 理解人类智能的挑战 ……… 167
        7.3.2 自主学习的挑战 …………… 168
        7.3.3 资源需求的挑战 …………… 169
        7.3.4 安全性和可靠性 …………… 169
    7.4 通用人工智能应用举例 ………… 170
        7.4.1 教育领域应用举例 ………… 170
        7.4.2 医疗领域应用举例 ………… 172
        7.4.3 工业领域应用举例 ………… 172
        7.4.4 娱乐与游戏领域应用举例 … 174
小 结 ………………………………… 175
习 题 ………………………………… 175
第 8 章 嵌入式人工智能实例 …… 176
    8.1 为什么需要嵌入式人工智能 …… 177
        8.1.1 工业智能化的需求 ………… 177
        8.1.2 工业智能化的本质 ………… 178
    8.2 生产智能化的技术基础 ………… 178
        8.2.1 传感器 ……………………… 179
        8.2.2 嵌入式系统 ………………… 179
        8.2.3 通信技术 …………………… 179
        8.2.4 人工智能算法 ……………… 179
    8.3 嵌入式人工智能应用开发方法 … 180
        8.3.1 通用嵌入式计算机 ………… 180
        8.3.2 构件 ………………………… 180
        8.3.3采样与训练 ………………… 181
        8.3.4嵌入式终端的推理 ………… 182
    8.4 物体认知系统 EORS 概述 ……… 182
        8.4.1 物体认知系统 EORS 的概念 ………………………… 183
        8.4.2 物体认知系统 EORS 的目标 ………………………… 183
    8.5 在 PC 上运行 EORS 训练软件 … 183
        8.5.1 物体认知功能的实现流程 … 184
        8.5.2 物体认知系统 EORS 训练软件的下载与安装 ………… 185
        8.5.3 EORS 训练软件的操作步骤 ………………………… 186
        8.5.4 基于 EORS 训练软件进行物体认知的实例 …………… 191
    8.6 EORS 的视频演示 ……………… 193
        8.6.1 了解 EORS 硬件系统 ……… 193
        8.6.2 EORS 的视频演示 ………… 193
小 结 ………………………………… 194
习 题 ………………………………… 194
第 9 章 人工智能伦理 …………… 195
    9.1 人工智能伦理概述 ……………… 196
        9.1.1 人工智能伦理的定义 ……… 196
        9.1.2 人工智能伦理的重要性 …… 197
        9.1.3 人工智能伦理的基本原则 … 199
    9.2 人工智能伦理分类 ……………… 199
        9.2.1 数据伦理 …………………… 200
        9.2.2 算法伦理 …………………… 201
        9.2.3 应用伦理 …………………… 202
        9.2.4 社会伦理 …………………… 203
    9.3 人工智能伦理治理体系 ………… 204
        9.3.1 法律法规与政策 …………… 204
        9.3.2 伦理审查与监管 …………… 206
        9.3.3 社会责任 …………………… 207
        9.3.4公众参与和教育 …………… 208
    9.4人工智能伦理案例分析 ………… 209
        9.4.1 数据隐私泄露事件 ………… 209
        9.4.2 AI 换脸技术案例分析 ……… 211
        9.4.3 AI 造假案例分析 …………… 213
        9.4.4 算法歧视案例分析 ………… 214
        9.4.5 无人驾驶汽车事故案例
分析 ………………………… 216
小 结 ………………………………… 218
习 题 ………………………………… 218
第 10 章 人工智能未来发展展望 … 219
    10.1 人工智能何去何从？——从初级阶段到形态分化 ……………… 219
        10.1.1 人工智能发展概述………… 220
        10.1.2 人工智能处于初级阶段…… 221
        10.1.3 高度融合的机器人系统…… 225
        10.1.4 非机器人形态的人工智能… 230
    10.2 大模型的未来展望 …………… 238
        10.2.1 技术突破与架构创新：从规模竞赛到效率革命 ………… 238
        10.2.2 应用生态的扩展与重构：从通用基座到垂直深耕 ……… 241
        10.2.3 社会影响与全球治理：从技术霸权到生态共建 ………… 242
    10.3 小模型的未来展望 …………… 244
        10.3.1 模型压缩技术：从“瘦身”到“强健” …………………… 244
        10.3.2 架构创新：重新定义“小”的可能性 …………………… 246
        10.3.3 数据效率革命：少数据，多智能 …………………… 248
小 结 ………………………………… 249
习 题 ………………………………… 249
参考文献……………………………… 251

        王宜怀，苏州大学计算机科学与技术学院教授、博士生导师、苏州大学嵌入式系统与物联网研究所所长、江苏省计算机学会嵌入式系统与物联网专业委员会主任、中国软件行业协会嵌入式系统分会理事、苏州市十三、十四届政协常委。曾获福建省八五期间电子信息应用先进个人、全国高等学校计算机教学成果奖一等奖、国家级一流本科课程、江苏省高等教育教学成果一等奖、苏州大学五四青年特别感谢奖、苏州大学高尚师德奖、福建省南平市政协优秀委员、江苏省苏州市政协优秀委员等。出版著作、教材十余部，发表论文20余篇，获得中国发明专利30多项，美国发明专利6项。

       芦碧波，河南理工大学计算机科学与技术学院教授，国家自然科学基金委函评专家、中国计算机学会科普工委执行委员、中国人工智能创新大赛技术委员会主任专家委员会委员、河南省人工智能学会人工智能通识教育专委会常务副秘书长。主持国家自然科学基金2项、参与完成国家自然科学基金3项，主持完成20多项省部级项目。获河南省高等教育教学成果一等奖1项，发表论文100多篇，撰写专著3部。

便于老师教学，定位 “知其然了解其所以然”，注重原理理解与实践结合；在内容组织上，平衡共性与个性、理论与实践，融入作者科研成果；配套丰富电子资源，含视频、源代码、课件等，便于学习实践。