新一代信息技术迅猛发展，人工智能正深刻重塑社会与教育形态，变革知识获取及教学模式。本书据此编写，旨在响应时代发展需求、服务国家战略布局、助力学生全面发展，并推动教学创新实践。本书共10章，系统覆盖人工智能的核心领域与前沿进展：从绪论、搜索、知识表示和推理，到机器学习、神经网络与深度学习、大模型技术，再到自然语言处理、智能体与智能规划、机器人，最后探讨人工智能伦理与安全等议题。附录部分提供实验指导书与实用工具。

本书特色在于：培养学生的数据思维、计算思维、智能思维，在人工智能通识、技能训练与应用实践等方面提升学生的人工智能素养与应用能力；从知识传授、能力培养、价值引领、伦理塑造四个维度开展教学，探索人工智能与教学深度融合的实践路径。

本书注重通识性与引导性，力求以深入浅出的方式阐释复杂概念，并通过二维码等形式嵌入拓展资源，以丰富学习体验，适合作为普通高等院校理工科学生的人工智能通识课程教材，也可供广大人工智能爱好者参考。

       我们正身处一场由人工智能驱动的历史性变革之中。从AlphaGo的落子惊世到生成式大模型的百模大战，AI技术以前所未有的速度重塑着社会的生产逻辑与生活方式。在这一宏大背景下，国家层面进行了高瞻远瞩的布局。2017年，《新一代人工智能发展规划》将AI发展提升至国家战略；2024年，教育部启动人工智能赋能教育行动；特别是2026年4月，教育部等五部门联合印发《“人工智能+教育”行动计划》，明确将“打造覆盖全学段的人工智能通识教育”列为“十五五”重点任务。这标志着人工智能教育从“零散探索”正式迈入“国家统筹”的新阶段。
       面对这一国家战略，高校教育面临一个核心问题：如何面向非专业学生，培养其具备与“读写算”同等重要的“人工智能素养”？为了给全国高校提供科学、规范的课程建设依据，全国高等学校计算机教育研究会于2025年发布了《计算机核心课程规范人工智能》。该规范由本书第一主编牵头制定，明确了人工智能通识课程的基本目标与扩展目标，从智能本质认知、核心算法掌握、应用能力培养到伦理安全意识，为本书的编写提供了直接的标准框架与教学指南。
       人工智能通识教育要培养能够理解智能本质、善用智能工具，并能批判性评估其社会影响的“智能时代合格公民”。为此，本书确立了“去畏难、重思维、强伦理”的编写原则，刻意淡化了繁复的数学证明，转而强化“问题求解”的逻辑链条。例如，在讲解搜索算法时，不仅给出公式，更通过“上海马拉松地标游览”“兵棋推演路径规划”等生动案例，让学生理解启发式函数背后的“人类直觉”。本书试图回答一个根本问题：当机器越来越聪明时，人应该具备怎样的智慧？这种智慧，就是本书致力培养的“智能思维”。
       本书内容分为10章，逻辑上遵循“感知—推理—学习—生成—行动—治理”的智能闭环。第1章为绪论，建立对AI全貌的认知，辨析弱AI与强AI的终局；第2章探讨搜索，这是智能体求解问题的基石，涵盖盲目搜索、启发式A*及博弈树；第3章介绍知识表示与推理，回归符号主义本源，涵盖逻辑、产生式与知识图谱；第4、5章构成学习模块，从传统的机器学习过渡到神经网络与深度学习；第6章聚焦大模型技术，解析Transformer架构与提示学习，这是当前技术爆发点；第7、8章延伸至自然语言处理与智能体（Agent）规划，展现AI如何理解与协作；第9章探讨机器人技术，连接虚拟智能与物理实体；第10章落脚于伦理与安全，探讨AI治理、偏见与对齐问题。为让读者深入了解人工智能的相关技术，编者精心整理了59篇拓展阅读内容，读者可扫描书中二维码获取。目录中带*号的章节为选学内容，请根据实际需求安排学习。为确保学生理论学习与实践操作不脱节，本书附录Ａ精心设计了11个实验，从搜索算法实现到DeepSeek本地部署，并给出了实验的操作步骤（可扫书中二维码获取）。附录B列出了AI开发环境、主流深度学习框架（如PyTorch、MindSpore）及大模型应用工具，方便师生快速搭建实验环境。
       本书构建了“知识、能力、价值、伦理”四位一体的教学体系，梳理了从图灵机到Transformer的技术演进脉络，通过案例教学实现从“知识本位”向“构建式能力”转变，引导学生进行内容重构与创造性思考。每章后设有素养园地，探讨技术背后的社会责任。此外，本书采用“纸质教材+二维码拓展”的立体化形态，扫码即可阅读前沿论文、算法动画与拓展阅读。
       本书配有教学大纲、教学课件、案例素材、习题解答等教学资源，读者可登录中国铁道出版社教育资源数字化平台（http://www.tdpress.com/51eds）下载。
       本书由贲可荣、谢少荣、王军任主编，倪波、何智勇、张献、魏娜任副主编，张远健、李恒宇、边宁、由韶泽参与编写。具体编写分工为：第1、3章由贲可荣编写，第2、8章由谢少荣、张远健、李恒宇编写，第4章由张献、倪波编写，第5章由倪波编写，第6章由贲可荣、王军编写，第7、9章由王军、边宁、由韶泽编写，第10章由何智勇编写，附录由魏娜编写。张献撰写了各章拓展阅读及素养园地。全书由贲可荣统稿。
       人工智能是一门充满活力且快速发展的学科，其技术日新月异，应用场景不断拓展。学习AI不仅是为了掌握一项工具，更是为了理解未来社会的技术基础。希望本书能为你打开一扇窗，让你看到AI的无限可能，并激发你进一步探索的热情。本书适合作为普通高等院校理工科本科生的人工智能通识课程教材，也可作为人工智能爱好者的参考学习资料。
       由于编者水平、时间和精力有限，书中难免存在疏漏之处，衷心欢迎专家和读者给予批评指正。

       编  者
       2026 年6月

第1章 绪论
1.1人工智能问题概述
1.1.1人工智能的概念
1.1.2智能问题
1.1.3图灵测试——如何界定机器具有智能
1.2智能体概述
1.2.1智能体的定义及结构
1.2.2智能体的主要特征
1.2.3智能体的分类
1.3人工智能的研究与应用领域
1.3.1智能感知
1.3.2智能推理
1.3.3智能决策
1.3.4智能行动
1.3.5智能生成
1.4人工智能哲学问题
1.4.1人工智能哲学的主要问题
1.4.2人工智能三个主要学派的认知观
1.4.3专用人工智能与通用人工智能
1.5人工智能的发展展望
1.5.1新一代人工智能发展规划
1.5.2新一轮人工智能的发展特征
1.5.3人工智能的终局：通用人工智能
*1.6人工智能的发展历史
小结
素养园地：以先锋之名聚力，以团队之范领航
习题

第2章 搜索
2.1问题的状态空间表示
2.1.1状态空间的形式化表示
2.1.2通用图搜索算法流程
2.2盲目搜索
2.2.1问题求解的盲目图搜索
2.2.2深度优先搜索
2.2.3广度优先搜索
2.2.4图搜索算法的空间复杂度和时间复杂度
2.2.5案例：基于搜索算法的物资配送策略
2.3启发式搜索
2.3.1启发式策略
2.3.2爬山法
2.3.3最佳优先搜索
2.3.4A*算法
2.3.5案例：基于A*算法的路径规划在兵棋推演中的应用
2.4博弈中的搜索
2.4.1二人对抗博弈
2.4.2最小最大搜索
2.4.3案例：五子棋
2.5随机搜索
2.5.1遗传算法
2.5.2模拟退火算法
2.5.3案例：旅行商问题
*2.6约束满足搜索
*2.7蒙特卡罗树搜索
小结
素养园地：悖论暗藏创新契机，破局方显思维锋芒
习题

第3章 知识表示和推理
3.1知识表示和推理概述
3.1.1知识和知识表示的基本概念
3.1.2典型的知识表示方法
3.1.3推理的基本概念和方法
3.2命题逻辑
3.2.1语法
3.2.2语义
3.2.3命题演算中的归结推理
3.3谓词逻辑
3.3.1谓词逻辑的基本概念
3.3.2谓词演算中的归结推理
3.3.3基于谓词归结的问题求解
3.3.4案例：一个基于逻辑的财务顾问
3.4产生式系统
3.4.1产生式系统的表示
3.4.2案例：九宫图
3.4.3产生式系统的控制策略
3.5知识图谱
3.5.1语义网络的表示
3.5.2语义网络的推理
3.5.3知识图谱的基本概念
3.5.4知识图谱的构建方法
3.5.5案例：知识图谱在互联网金融中的应用
3.6概率推理
3.6.1贝叶斯网络方法
3.6.2主观贝叶斯方法
3.7案例：Prolog推理实现专家系统
*3.8模糊推理
小结
素养园地：方法铸就思维利剑，逻辑引领理性之光
习题

第4章 机器学习
4.1机器学习简介
4.1.1机器学习的定义和发展史
4.1.2机器学习的基本要素
4.1.3机器学习的分类
4.1.4机器学习系统的基本结构
4.2有监督学习
4.2.1回归学习
4.2.2分类学习
4.2.3案例：线性回归预测房价
4.3无监督学习
4.3.1聚类学习
4.3.2降维学习
4.3.3案例：基于PCA的图像压缩与重建
4.4强化学习
4.4.1强化学习概述
4.4.2马尔可夫决策过程
4.4.3最优策略的求解
4.4.4QLearning算法
4.4.5案例：使用QLearning算法进行机器人路径规划
*4.5游戏领域的强化学习
小结
素养园地：动态试错寻优策，环境反馈砺智能
习题

第5章 神经网络与深度学习
5.1神经网络与深度学习概述
5.1.1神经网络的生物基础
5.1.2人工神经网络
5.1.3神经网络发展简史
5.2前馈神经网络
5.2.1神经元模型
5.2.2感知机模型
5.2.3多层前馈网络
5.2.4参数学习
5.2.5反向传播算法
5.3卷积神经网络
5.3.1网络整体架构
5.3.2卷积运算
5.3.3池化运算
5.3.4经典网络结构
5.3.5案例：基于卷积神经网络的图像风格迁移
5.4循环神经网络
5.4.1基本原理
5.4.2简单循环网络
5.4.3基于门控的循环网络
5.4.4深层循环神经网络
5.4.5应用模式分类
5.4.6案例：基于循环神经网络的天气预测
*5.5注意力机制网络
*5.6深度强化学习
小结
素养园地：万象数据藏妙理，千行场景破玄机
习题

第6章 大模型技术
6.1大模型的概念与背景
6.1.1语言模型的概念
6.1.2上下文编码器
6.1.3从预训练语言模型到大语言模型
6.1.4案例：DeepSeek
6.2Transformer模型
6.2.1输入编码
6.2.2多头自注意力机制
6.2.3前馈网络层
6.2.4编码器
6.2.5解码器
6.2.6主流架构
6.3语言大模型核心技术
6.3.1模型预训练
6.3.2适配微调
6.3.3提示学习
6.3.4知识增强
6.3.5工具学习
6.4多模态大模型技术
6.4.1多模态大模型的技术体系
6.4.2多模态大模型的网络结构设计
6.4.3多模态大模型的自监督学习优化
6.4.4多模态大模型的下游任务微调适配
6.5大模型应用
6.5.1推理规划
6.5.2智能体
*6.6大语言模型评估
小结
素养园地：智算千谋大模型，运筹帷幄助军机
习题

第7章 自然语言处理
7.1自然语言理解的一般问题
7.1.1自然语言理解的概念
7.1.2自然语言处理研究的发展
7.1.3词法分析
7.1.4句法分析
7.1.5语义分析
7.2信息搜索
7.2.1搜索引擎的输入方式
7.2.2搜索结果的输出呈现
7.2.3搜索引擎的工作原理
7.2.4智能搜索引擎技术
7.3机器翻译
7.3.1机器翻译的基本模式和方法
7.3.2统计机器翻译
7.3.3利用深度学习改进统计机器翻译
7.3.4端到端神经机器翻译7.4机器阅读理解
7.4.1机器阅读理解任务的类型和评价指标
7.4.2机器阅读理解的深度学习建模
7.4.3对话理解与情感对话
7.4.4面向推理的阅读理解
7.4.5常识问答
7.4.6开放域问答
7.5案例：聊天机器人
7.5.1聊天机器人应用场景
7.5.2聊天机器人系统的组成结构及关键技术
*7.6语音识别
*7.7案例：深度学习在语音情感识别中的应用
小结
素养园地：能力对齐智造鸿绩，价值对齐守正安邦
习题

第8章 智能体与智能规划
8.1智能体概述
8.1.1智能体的定义
8.1.2智能体的要素与特性
8.1.3智能体的结构特点
8.1.4智能体的结构分类
8.1.5智能规划
8.1.6智能体应用
8.2智能体通信
8.2.1智能体通信方式
8.2.2智能体通信语言
8.2.3智能体通信网络
8.3智能体协作
8.3.1合同网协议
8.3.2协作规划与任务分配
8.3.3案例：基于CNP的无人机集群任务分配
8.4智能规划的主要方法
8.4.1经典规划方法
8.4.2运动规划方法
8.4.3不确定性规划
8.5规划语言PDDL
8.5.1PDDL
8.5.2PDDL在智能规划中的应用
8.6智能规划系统
8.6.1STRIPS
8.6.2OPLAN
8.6.3GraphPlan
*8.7多智能体规划
*8.8多智能体系统开发框架JADE
*8.9智能体案例：Manus
小结
素养园地：动态开放人机协同，具身智能知行合一
习题

第9章 机器人
9.1机器人概述
9.1.1机器人的分类
9.1.2机器人的特性
9.1.3机器人学的研究领域
9.1.4机器人系统的组成
9.1.5机器人的工作空间
9.2机器人运动控制技术
9.2.1定位与建图
9.2.2导航和控制
9.2.3正向和反向运动学
9.2.4运动规划与轨迹优化
9.2.5联合控制与动力学
9.3机器人视觉及应用
9.3.1机器人视觉的基本概念
9.3.2机器人视觉关键技术
9.3.3机器人视觉的应用场景
9.3.4技术挑战与发展趋势
9.4机器人具身协同
9.4.1同构协同
9.4.2异构协同
9.4.3随遇协同
9.5案例：智能无人艇
9.5.1无人艇系统定义及特点
9.5.2先进海上无人艇
9.5.3无人艇系统组成
9.5.4智能无人艇关键技术
9.6案例：养老机器人热点技术
*9.7机器人听觉、触觉与嗅觉
*9.8大模型驱动的具身智能
小结
素养园地：群体智能聚伟力，跨域协同破鸿沟
习题

第10章 人工智能伦理与安全
10.1人工智能的社会影响
10.1.1教育领域
10.1.2工业领域
10.1.3农业领域
10.1.4科学发现领域
10.1.5人工智能的风险与挑战
10.2人工智能伦理
10.2.1人工智能伦理概念
10.2.2人工智能伦理问题
10.3人工智能安全
10.3.1人工智能安全概念
10.3.2人工智能安全问题
10.3.3人工智能安全属性
10.4人工智能治理
10.4.1治理原则与规范
10.4.2治理体系与政策
10.4.3治理技术与工具
小结
素养园地：智鉴迷雾开真境，明辨幻象守心源
习题

附录A 人工智能实验指导书
实验1 使用搜索算法求解路径规划问题
实验2 使用遗传算法求解旅行商问题
实验3 基于产生式系统求解N数码问题
实验4 基于Neo4j构建一个武器装备知识图谱
实验5 基于决策树的鸢尾花分类器构建
实验6 基于KMeans的手写数字聚类
实验7 基于BP神经网络的函数拟合
实验8 文本分类与情感分析
实验9 DeepSeek的本地部署及应用
实验10 基于大模型的个人知识库构建
实验11 城市河道清洁无人系统创意设计
附录B 人工智能工具
B.1 AI开发环境
B.2 深度学习框架
B.3 大模型应用
参考文献

贲可荣，海军工程大学教授，在软件工程和人工智能等方向先后主持和参加了国家自然科学基金、军队科研等30余个项目。发表学术论文160余篇，出版教材、译著18部。主编《人工智能》一、二、三版先后评为“十一五”“十二五”普通高等教育本科国家级规划教材、全国优秀教材二等奖、“十四五”普通高等教育本科国家级规划教材。CCF理论计算机科学专委原副主任、CCF软件工程专委委员、CCF杰出会员。《海军新军事变革丛书》编委会主任，《人工智能应用丛书》编委会执行副主任，《计算机科学与探索》《指挥控制与仿真》编委。电子科技大学、中国地质大学、中国矿业大学客座教授。军队AI专家组成员，海军AI专家组副组长，军队院校人工智能虚拟教研室执行主任。评为教育部骨干教师、首届湖北省优秀研究生导师、海军名师工作室领衔名师、第三届大学教学名师，获军队院校育才奖金奖。

谢少荣，二级教授，上海大学计算机工程与科学学院院长，国家万人计划科技创新领军人才，教育部“海洋智能无人系统装备”工程研究中心主任、上海市“智能网联汽车网络安全”重点实验室主任。在自主智能无人系统等方向主持了国家自然科学基金委杰出青年科学基金项目（结题优秀）、重大项目（结题优秀）、创新研究群体项目等，发表（含合作）SCI论文208篇，出版编著、译著4部，授权中国美国发明专利28217件，获国家技术发明二等奖（序1）、省部级一等奖6项（4项序1）、中国青年科技奖、首届ACM China杰出学者奖等。装发无人系统专业组、海军智能应用专业组成员。

王军，教授，中国矿业大学科研院副院长，控制科学与工程、应急技术与管理等学科博士生导师，是科技部科技创新2030“新一代人工智能”重大项目主持人、工信部“人工智能产业创新重点任务揭榜挂帅项目”牵头人、江苏省高校“青蓝工程”优秀教学团队带头人、国家级一流本科课程负责人，入选江苏省“333高层次人才培养工程”中青年科技领军人才等，获得国家级教学成果奖1项、省部学会级教学科研奖5项等。

（1）内容符合全国高等学校计算机教育研究会发布的《计算机核心课程规范人工智能》的要求。
（2）架构合理，内容难易适中，注重实践教学，每章均有案例介绍本章内容的实际应用场景，并在附录中给出10余个人工智能实验的指导书，是人工智能入门教材。
（3）在多处知识点处附有扩展阅读，内容涉及人工智能历史、应用场景视频、发展动态等，带领学生开拓思维，深入理解人工智能的世界。
（4）设有思政拓展模块，融入楷模引领、典型应用、大国工匠、使命担当、批判思维、敢为人先、风险管控等德育元素，结合人工智能学科特点，因势利导，培养学生高尚道德情操，达到立德树人的教育根本任务。
（5）为方便教学，编者团队提供教学大纲、教学设计、教学课件、习题及答案、实验操作、教学视频等丰富的教学资源。