本书严格遵循高等教育教学规律与技术发展脉络，以 “立德树人” 为根本，以“学生中心、产出导向、 持续改进”为理念进行编写。本书以人工智能技术的发展与应用为主线，系统构建了从思维基础、 核心原理到前沿应用的完整知识体系。 全书共分四篇：基础素养篇阐述智能、 数据、系统、 计算与网络五大基础思维，以及人工智能基础概述；核心技术篇解析机器学习、神经网络与深度学习原理；大模型应用篇聚焦Transformer架构与大模型训练，探讨大语言模型、多模态模型应用与开发；前沿应用篇展示具身智能及“人工智能+” 在林业、农业、金融、医疗、教育、交通等领域的融合创新方法。 全书旨在帮助读者建立人工智能的整体性认知。

本书逻辑清晰、循序渐进，兼具理论系统性与实践导向性; 强调实践应用与前沿探索，核心章节均设计学习引例与真实案例，并纳入大模型、具身智能等前沿技术；注重融入课程思政，巧妙融合隐私保护、算法伦理、科技自立与可持续发展等议题，通过案例引导读者树立正确的科技价值观与伦理观。

本书适合作为普通高等院校计算机类、电子信息类、自动化类等专业“人工智能通识”课程的教材，也可作为对人工智能感兴趣的读者，以及从事人工智能应用开发的工程技术人员的参考书。

       人工智能是引领新一轮科技革命和产业变革的战略性技术，正深刻改变着人类的生产生活方式和思维模式。人工智能通识课程，旨在系统介绍人工智能的基本原理、核心技术与前沿应用，培养高等院校学生的人工智能思维与人工智能技术运用能力，适应智能时代对复合型人才的需求。 当前，人工智能已从理论探索走向大规模产业化应用，成为国家科技竞争的重要焦点。该课程不仅关注技术本身，更强调其与社会、 伦理、 产业的交叉融合， 为高等院校学生构建完整、立体的人工智能知识体系，为其在未来科研、工程与管理等领域的发展奠定坚实基础。
       本书严格遵循高等教育教学规律与技术发展脉络，以“立德树人”为根本，以 “学生中心、产出导向、持续改进”为理念进行编写，强调 “思维引领、技术为基、应用驱动、价值塑造” 的写作思想。
       （1）思维引领：构建人工智能思维体系， 引导学生从智能、数据、系统、计算、网络等多维度理解人工智能，领悟人工智能发展的内在逻辑，形成系统性认知框架。
       （2）技术为基：剖析机器学习、 神经网络、 深度学习等现代人工智能核心技术的原理，通过技术间的逻辑性，清晰地展示技术实践应用方法，为学生打下坚实的技术根基。
       （3）应用驱动：强调大模型、 具身智能等人工智能前沿技术的应用与发展， 通过丰富的多领域案例， 培养学生运用人工智能技术和方法解决领域交叉问题的能力。
       （4）价值塑造：将科技伦理、 法治意识、 创新精神、 家国情怀等思政元素有机融入各篇章，引导学生树立技术向善的价值观， 肩负起科技报国的时代责任。
本书特色主要体现在以下三方面：
       （1）逻辑清晰、内容循序渐进。构建了 “思维—基础—技术—应用” 四层递进的内容体系，从基础思维素养出发， 经核心技术深入， 至大模型与前沿应用拓展， 符合认知与学习规律， 兼顾理论系统性与实践导向性。
       （2）强调实践应用与前沿探索。核心技术篇的每章都给出了案例引导和具体应用实例；同时，对人工智能技术的应用场景和方法进行了详细阐述； 将大模型技术和具身智能技术等前沿技术纳入核心教学内容，突出人工智能新技术的发展和应用。
       （3） 有机融入思政元素。各篇章结合隐私保护、 算法偏见、 科技自立、 生态可持续等主题设计案例与论述， 引导学生树立正确的科技价值观与伦理观。
       本书共四篇九章： 第一篇“基础素养篇”（第 1 ~ 2 章）阐释支撑人工智能发展的智能、数据、 系统、 计算与网络五大基础思维，以及人工智能发展的历程、概念、要素、核心技术体系、应用和伦理等知识；第二篇 “核心技术篇”（第 3~5 章）深入介绍机器学习、 神经网
络与深度学习等现代人工智能技术的基本原理与方法；第三篇“大模型应用篇”（第 6~7 章）聚焦 Transformer 架构、大模型训练优化技术， 并详细探讨大语言模型、 多模态模型的应用范式； 第四篇 “前沿应用篇 （第 8 ~ 9 章）介绍具身智能及 “人工智能+” 在林业、农业、金融、医疗、教育、交通等领域的融合创新方法。 其中， ？号部分为选学内容。
       本书建议授课学时为 40~56 学时 （含实验）。
       本书由长期从事人工智能教学与科研的一线教师团队合作完成， 由崔晓晖、罗传文、孙俏任主编，徐红艳、罗丹、范新任副主编。 其中，第 1 章、 第 2 章由孙俏编写； 第 3 章、第7 章 （部分内容） 由崔晓晖编写； 第 4 章、 第 9 章 （部分内容） 由罗传文编写； 第 5 章由罗丹编写； 第 6 章、第 7 章 （部分内容） 由徐红艳编写； 第 8 章、 第 9 章 （部分内容）由范新编写。 崔晓晖、罗传文负责全书统稿与校订工作，对整体结构、技术准确性与教学适用性等方面进行把关， 并统筹全书的思政元素融合与体例统一。
       本书适合作为高等院校计算机类、电子信息类、自动化类等专业的“人工智能通识”课程的教材， 也可作为对人工智能感兴趣的读者， 以及从事人工智能应用开发的工程技术人员的参考书。 为方便教学，编写团队提供配套的电子教案、 PPT 课件等资源， 读者可登录中国铁道出版社教育资源数字化平台 （https：∕∕www. tdpress. com∕51eds） 获取。
       在本书编写过程中，编者参考了大量国内外优秀的教材、 论文和技术文档，受益匪浅，谨向相关作者致以诚挚谢意。感谢中国铁道出版社有限公司编辑团队的专业指导和辛勤付出。 感谢北京林业大学信息学院 （人工智能学院） 提供的政策支持和条件保障。
       人工智能领域发展日新月异，尽管编写团队竭力确保内容的准确性、 前沿性与科学性，但疏漏与不妥之处仍在所难免。衷心欢迎各位同行专家、教师、同学及广大读者提出宝贵意见与建议， 您的反馈将是本书未来修订完善的直接动力。

       编 者
       2026年1月

第一篇 基础素养篇 
第1章 人工智能思维体系  2 
1. 1 智能思维：人类智能和人工智能  3 
    1. 1. 1 人类智能 3 
    1. 1. 2 人工智能 4 
    1. 1. 3 人类智能和人工智能的对比 4 
    1. 1. 4 人工智能体系：数据、 算法、 算力视角下的智能协同 4 
1. 2 数据思维：信息与大数据  6 
    1. 2. 1 信息的本质 6 
    1. 2. 2 大数据 8 
    1. 2. 3 数据思维  10 
1. 3 系统思维：计算机系统 11 
    1. 3. 1 计算机系统的组成及其层次结构  12 
    1. 3. 2 计算机的硬件系统  12 
    1. 3. 3 计算机的软件系统  14 
1. 4 计算思维：程序设计与算法 14 
    1. 4. 1 程序与程序设计语言  15 
    1. 4. 2 算法  15 
    1. 4. 3 算法策略  16 
    1. 4. 4 计算思维  17 
1. 5 网络思维：互联与物联 18 
    1. 5. 1 互联网  18 
    1. 5. 2 物联网  20 
    1. 5. 3 网络思维  22 
小结  23 
习题  23 

第2章 人工智能基础 26 
2. 1 人工智能发展历程 27 
    2. 1. 1 萌芽期与达特茅斯会议  27 
    2. 1. 2 第一次浪潮：早期技术探索与发展挫折  28 
    2. 1. 3 第二次浪潮：专家系统的崛起与局限  29 
    2. 1. 4 第三次浪潮：深度学习与大模型时代  29 
2. 2 人工智能概念与分类 31 
    2. 2. 1 人工智能的概念  31 
    2. 2. 2 人工智能的分类  32 
2. 3 人工智能流派 33 
2. 4 人工智能核心技术体系 35 
    2. 4. 1 基础层  36 
    2. 4. 2 技术层  36 
    2. 4. 3 应用层  36 
2. 5 人工智能应用 37 
2. 6 人工智能伦理 42 
    2. 6. 1 人工智能伦理的理论基础  42 
    2. 6. 2 人工智能伦理的主要议题  42 
    2. 6. 3 构建人工智能伦理体系的路径  44 
    2. 6. 4 走向负责任的人工智能未来  44 
小结  44 
习题  45 

第二篇 核心技术篇 
第3章 机器学习  48 
3. 1 机器学习概述 49 
    3. 1. 1 机器学习的概念  49 
    3. 1. 2 机器学习的步骤  51 
    3. 1. 3 机器学习的分类  55 
3. 2 监督学习 58 
    3. 2. 1 监督学习概述  58 
    3. 2. 2 监督学习典型算法  60 
3. 3 无监督学习 62 
    3. 3. 1 无监督学习概述  62 
    3. 3. 2 无监督学习典型算法  64 
3. 4 强化学习 65 
    3. 4. 1 强化学习概述  65 
    3. 4. 2 强化学习典型算法  65 
小结  67 
习题  67 

第4章 神经网络  71 
4. 1 神经网络概述 72 
    4. 1. 1 产生背景与核心思想  72 
    4. 1. 2 神经网络中的分类问题与回归问题  74 
4. 2 神经元模型 76 
    4. 2. 1 从生物神经元到人工神经元  76 
    4. 2. 2 人工神经元的计算过程  78 
    4. 2. 3 从神经元到网络层  83 
4. 3 多层感知机 88 
    4. 3. 1 单层感知机的局限性  88 
    4. 3. 2 隐藏层的引入与作用  90 
    4. 3. 3 多层感知机的网络结构  93 
4. 4 神经网络的学习方法 97 
    4. 4. 1 神经网络如何学习  97 
    4. 4. 2 前向传播  99 
    4. 4. 3 反向传播 101 
    4. 4. 4 神经网络的学习循环 104 
4. 5 神经网络应用概述  105 
    4. 5. 1 最优预测 105 
    4. 5. 2 模式识别  106 
小结 107 
习题 107 

第5章 深度学习  110 
5. 1 深度学习概述  111 
    5. 1. 1 深度学习的概念与组成要素 111 
    5. 1. 2 深度学习的基本流程 113 
    5. 1. 3 深度学习的分类 117 
5. 2 卷积神经网络  119 
    5. 2. 1 卷积神经网络概述 119 
    5. 2. 2 卷积神经网络的结构 122 
    5. 2. 3 卷积神经网络经典网络架构演进 127 
5. 3 循环神经网络  129 
    5. 3. 1 循环神经网络概述 129 
    5. 3. 2 循环神经网络典型算法与结构 131 
    5. 3. 3 循环神经网络经典网络架构演进 135 
5. 4 深度学习应用概述  137 
    5. 4. 1 预测类应用 137 
    5. 4. 2 ？ 感知类应用  138 
小结 138 
习题 139 

第三篇 大模型应用篇 
第6章 大模型技术  142 
6. 1 大模型概述  143 
    6. 1. 1 大模型的概念 143 
    6. 1. 2 大模型的特点 144 
    6. 1. 3 传统机器学习、 小模型与大模型对比 145 
    6. 1. 4 大模型产生与发展 146 
    6. 1. 5 大模型分类 149 
6. 2 大语言模型核心技术  151 
    6. 2. 1 Transformer 架构  151 
    6. 2. 2 模型训练 153 
    6. 2. 3 模型评估 158 
6. 3 大语言模型的效率优化与模型压缩  160 
    6. 3. 1 模型量化 160 
    6. 3. 2 模型剪枝 161 
    6. 3. 3 知识蒸馏 162 
小结 164 
习题 164 

第7章 大模型应用  166 
7. 1 大语言模型  167 
    7. 1. 1 自然语言处理概述 167 
    7. 1. 2 大语言模型分类 169 
    7. 1. 3 大语言模型交互 171 
7. 2 多模态大模型  178 
    7. 2. 1 计算机视觉概述 178 
    7. 2. 2 视觉—语言模型 179 
    7. 2. 3 语音模型 184 
    7. 2. 4 视频模型 187 
7. 3 大模型应用范式  191 
    7. 3. 1 大模型本地部署 191 
    7. 3. 2 大模型能力拓展 193 
    7. 3. 3 智能体 195 
小结 197 
习题 197 

第四篇 前沿应用篇 
第8章 具身智能  200 
8. 1 具身智能概述  201 
    8. 1. 1 具身智能的起源与概念 201 
    8. 1. 2 具身智能与传统人工智能的区别 202 
    8. 1. 3 具身智能在机器人上的实现 204 
8. 2 具身智能核心技术  206 
    8. 2. 1 技术框架 206 
    8. 2. 2 感知方法 207 
    8. 2. 3 认知方法 209 
    8. 2. 4 决策方法 211 
    8. 2. 5 执行方法 212 
8. 3 具身智能应用案例  214 
    8. 3. 1 家庭服务机器人 214 
    8. 3. 2 自动驾驶汽车 215 
    8. 3. 3 工业机器人协作 217 
    8. 3. 4 救援机器人 218 
小结 220 
习题 220 

第9章 人工智能的行业应用  223 
9. 1 智慧林业：从粗放管理到智慧守护  224 
    9. 1. 1 痛点问题 224 
    9. 1. 2 解决方案 224 
    9. 1. 3 应用领域 225 
    9. 1. 4 发展趋势 227 
9. 2 智慧农业：从传统耕作到智慧计算  227 
    9. 2. 1 痛点问题 227 
    9. 2. 2 解决方案 228 
    9. 2. 3 应用领域 228 
    9. 2. 4 发展趋势 230 
9. 3 智慧金融：从经验授信到智能决策  230 
    9. 3. 1 痛点问题 230 
    9. 3. 2 解决方案 231 
    9. 3. 3 应用领域 232 
    9. 3. 4 发展趋势 234 
9. 4 智慧医疗：从经验诊疗到精准计算  234 
    9. 4. 1 痛点问题 234 
    9. 4. 2 解决方案 235 
    9. 4. 3 应用领域 235 
    9. 4. 4 发展趋势 238 
9. 5 智慧教育：从标准化供给到精准化适配  238 
    9. 5. 1 痛点问题 238 
    9. 5. 2 解决方案 239 
    9. 5. 3 应用领域 239 
    9. 5. 4 发展趋势 242 
9. 6 智慧交通：从经验决策到数据决策  243 
    9. 6. 1 痛点问题 243 
    9. 6. 2 解决方案 243 
    9. 6. 3 应用领域 244 
    9. 6. 4 智慧交通发展趋势 245 
小结 246 
习题 246 
参考文献  248

崔晓晖，博士，教授，博士生导师，北京林业大学信息学院（人工智能学院）副院长，大数据专业负责人，大数据中心主任，兼任中国自然资源学会资源大数据与人工智能分会，副秘书长，全国高等院校计算机基础教育研究会人工智能通识教育分委会秘书长，中国软件行业协会和北京市高等教育学会计算机教育研究会理事。研究方向为林草智能信息处理。主持国家级和省部级项目20余项，发表论文40余篇，出版专著2部，教材6本，申请发明专利10项。建设的课程获批国家级一流线上课程，北京市优质本科课程，林草局优质资源A等级，主编教材获评十二五和十四五国家级规划教材（公示），北京市优质本科教材。获评梁希科技奖、北京高校优秀教学管理人员、校级立德树人教师和校级教学名师等称号。

罗传文，博士，副教授，研究生导师，院长助理，北京林业大学信息学院（人工智能学院）。主讲“离散数学”“NoSQL数据库原理与技术”等课程。参与编写《数据库原理及应用教程（MySQL版）》教材，主持包括教育部计算机教学指导委员会教改、中国教育发展战略学会重点教改、北京林业大学重点教改等项目5项。入选第九届中国科协“青年托举人才工程”人才项目，担任物联网专委会执行委员、ACM SIGBED China委员。研究方向包括无线传感器网络，边缘智能，无人机通信网络。以第一作者/通信作者已发表相关学术论文30余篇。担任MSN2023, ICPAD2023, WASA 2021等多个国际会议的程序委员会成员。获得北京林业大学青年教师比赛三等奖，北京林业大学社会实践先进工作者，北京林业大学优秀班主任，北京林业大学本科毕设优秀指导教师，第二十六届中国机器人及人工智能大赛优秀指导教师，参与编著教材1部。主持国家自然科学基金1项，国家自然基金联合重点课题1项，中央高校基本业务经费项目1项、横向课题7项，参与国家自然科学基金面上项目2项。

孙俏，博士，教授，研究生导师，北京林业大学信息学院（人工智能学院）。毕业于北京航空航天大学，英国曼彻斯特大学访问学者，国家线上一流课程负责人、国家级规划教材主编、全国普通高等学校本科教育教学评估专家、教育部特殊教育教材评审专家、全国高等院校计算机基础教育研究会人工智能通识教育专委会主任、北京市优秀课程主讲教师、校教学名师。主编及参编教材8部，承担教育部产学合作等教改项目9项，承担科研项目10余项，取得发明专利2项、发表科研论文20余篇。（1）逻辑清晰、内容循序渐进。构建了“思维—基础—技术—应用”四层递进的内容体系，从基础思维素养出发，经核心技术深入，至大模型与前沿应用拓展，符合认知与学习规律，兼顾理论系统性与实践导向性。

（2）强调实践应用与前沿探索。核心技术篇的每章都给出了案例引导和具体应用实例；同时，对人工智能技术的应用场景和方法进行了详细阐述；将大模型技术和具身智能技术等前沿技术纳入核心教学内容，突出人工智能新技术的发展和应用。

（3）有机融入思政元素。各篇章结合隐私保护、算法偏见、科技自立、生态可持续等主题设计案例与论述，引导学生树立正确的科技价值观与伦理观。

（1）逻辑清晰、内容循序渐进。构建了“思维—基础—技术—应用”四层递进的内容体系，从基础思维素养出发，经核心技术深入，至大模型与前沿应用拓展，符合认知与学习规律，兼顾理论系统性与实践导向性。

（2）强调实践应用与前沿探索。核心技术篇的每章都给出了案例引导和具体应用实例；同时，对人工智能技术的应用场景和方法进行了详细阐述；将大模型技术和具身智能技术等前沿技术纳入核心教学内容，突出人工智能新技术的发展和应用。

（3）有机融入思政元素。各篇章结合隐私保护、算法偏见、科技自立、生态可持续等主题设计案例与论述，引导学生树立正确的科技价值观与伦理观。