本书为满足高等院校人工智能通识教育的基本要求而编写。全书分为三部分共八章，通过“基础理论—核心技术—前沿探索”这一渐进式结构，为读者构建完整的人工智能知识体系，帮助读者从基础到应用，逐步掌握人工智能的全貌与应用技能。第一部分涉及人工智能概论和人工智能开发工具，是学习人工智能课程的基础；第二部分围绕搜索技术、机器学习、深度学习和强化学习等核心技术来展开，帮助读者掌握人工智能系统的构建方法及其在不同领域的应用；第三部分聚焦人工智能大模型技术和人工智能伦理与安全，帮助读者了解人工智能的最新发展方向，树立使用人工智能的伦理意识。本书力求通过丰富的案例分析和程序实践，引导读者将所学知识应用于实际场景中，培养解决复杂问题的能力。
本书适合作为高等学校人工智能通识课程教材，也可满足工程技术人员以及跨领域学习者的自学需求。

党的二十大报告指出：“当前，世界百年未有之大变局加速演进，新一轮科技革命和产业变革深入发展，国际力量对比深刻调整，我国发展面临新的战略机遇。”以人工智能为代表的新一代信息技术作为推动新一轮科技革命和产业变革的重要力量，愈发凸显其国家战略地位的重要性。在21世纪的科技浪潮中，人工智能无疑是最具变革性的技术之一。从最初的简单规则系统到如今能够自主学习、自我优化的复杂系统，人工智能的发展不仅重塑了人们的生活方式，而且更深刻地改变了人们对未来的想象。从智能家居到自动驾驶，从医疗诊断到金融分析，人工智能的应用已经渗透到人们生活、工作的方方面面，成为推动社会进步与产业升级的关键力量。为了适应人工智能技术变革带来的挑战和机遇，大学生需要系统地学习人工智能知识，掌握其应用技能，以适应未来专业发展的需求和变化趋势。
为了契合“人工智能+”时代背景下人才培养的现实需求，编者组织编写了《人工智能通识教程》，旨在为高等院校教学提供一本全面、深入且注重实践应用的人工智能通识教材。本书分为三部分共八章，内容编写遵循“基础理论—核心技术—前沿探索”这一渐进式结构，逻辑清晰，条理分明。各部分的具体内容如下：
第一部分涉及人工智能的基本概念和开发工具，这些内容是学习人工智能的基础，帮助读者为后续章节的学习做好准备。该部分包括第1章和第2章，其中第1章介绍人工智能的起源、发展历程、应用领域及发展趋势，帮助读者了解人工智能的概况；第2章介绍Python的基本语法和应用生态，帮助读者掌握利用Python语言搭建和实现人工智能算法与模型的方法。
第二部分围绕人工智能的核心技术展开，包括搜索技术、机器学习、深度学习和强化学习，帮助读者掌握人工智能系统的构建方法及其在不同领域的应用。这一部分是全书的主体内容，系统展示了人工智能的不同实现方法，有助于培养读者构建人工智能系统的关键能力。该部分包括第3章~第6章，其中第3章论述图搜索策略、盲目搜索、启发式搜索、博弈搜索和群智能等，帮助读者理解人工智能在路径规划和策略选择中的实现方式；第4章论述机器学习基础、机器学习模型与算法，并结合金融、社交、安全、医疗等领域的应用案例，帮助读者掌握从数据到模型的学习过程；第5章论述深度学习基础、神经网络基础、深度学习模型与算法，结合应用实例增强读者的实践能力；第6章论述强化学习基础、强化学习模型与算法，并通过游戏程序和自动驾驶等应用案例展示其在动态环境中的自学习能力。
第三部分聚焦人工智能的前沿技术和社会影响，帮助读者了解人工智能的最新发展方向及其面临的社会挑战，帮助读者全面理解人工智能的责任担当。该部分包括第7章和第8章，其中第7章论述基于Transformer架构的大模型技术，分析自注意力机制、模型压缩及其在机器翻译、蛋白质结构预测等领域的应用，帮助读者掌握当前人工智能领域的前沿成果；第8章论述人工智能在隐私保护、决策偏见、对抗攻击等方面的挑战，提升读者在开发和使用人工智能技术时的社会责任感和伦理意识。
理论知识是基础，只有将其转化为解决实际问题的能力，才能真正发挥人工智能的价值。因此，在内容设计上，本书遵照应用导向的编写思路，注重应用人工智能方法与技术来解决实际问题。全书采用Python技术路线，以实例说明概念、算法和基本原理，通过应用案例体现算法和原理的实际应用，以体现“应用导向”的编写思路。本书力求通过丰富的案例分析和程序实践，引导读者将所学知识应用于实际场景中，培养解决复杂问题的能力。
本书充分考虑了不同读者的需求。对于初学者，本书力求用通俗易懂的语言和生动的实例来解释复杂的概念和算法；对于有一定基础的读者，本书则提供了更深入的理论探讨和前沿技术的介绍。同时，还特别注重了内容的实用性和可操作性，通过大量的程序示例和项目实践，让读者能够真正动手操作，体验人工智能技术的魅力。书中每章均配有基础习题和实验项目，并提供完整的代码示例与数据集，可以到中国铁道出版社教育资源数字平台https://wwwtdpresscom/51eds下载。
本书由漆华妹、刘卫国任主编，戴成秋、唐飞、葛方振、洪留荣、刘强、龙慧任副主编。第1章和第5章由漆华妹编写，第2章由刘卫国编写，第3章由戴成秋编写，第4章由唐飞编写，第6章由葛方振和洪留荣编写，第7章由刘强编写，第8章由龙慧编写。
人工智能不仅是技术的演进，更是人类智慧的延伸。希望本书能成为读者探索AI世界的桥梁。书中不妥之处，恳请读者批评指正。

编者2025年2月

第一部分基 础 理 论
第1章人工智能概论2
11人工智能的概念及其起源3
111人工智能的概念3
112人工智能的起源6
12人工智能的发展历程7
121人工智能的起步期7
122人工智能发展的低谷期9
123人工智能的复兴与发展期10
124人工智能的飞速发展期13
13人工智能的应用领域及发展趋势16
131人工智能的应用领域16
132人工智能的发展趋势18
习题与实验20
第2章人工智能编程语言——Python语言21
21Python与人工智能应用22
211Python语言的特点22
212Python在人工智能中的应用23
213Python编程的基本规则23
22Python的数据描述24
221变量与赋值25
222Python数据类型26
223常用系统函数29
224基本运算与表达式30
23Python程序流程控制32
231顺序结构32
232选择结构34
233循环结构36
24序列38
241序列的共性操作39
242字符串的常用方法41
243列表的操作43
25字典与集合45
251字典的操作45
252集合的操作48
26函数49
261函数的定义与调用49
262匿名函数和递归函数50
27文件操作52
271文件的打开与关闭52
272文本文件的操作54
习题与实验55
第二部分核 心 技 术
第3章搜索技术59
31概述60
311搜索的基本概念60
312状态空间法求解问题的基本过程61
313状态空间法求解问题实例61
32图搜索策略62
321图搜索过程中的数据结构63
322图搜索策略的分类63
33盲目搜索66
331宽度优先搜索66
332深度优先搜索68
333等代价搜索70
334盲目搜索方法比较71
34启发式搜索71
341启发性信息和评估函数71
342有序搜索72
343A*算法73
35博弈搜索75
351极小极大算法77
352αβ剪枝算法78
36群智能78
361遗传算法79
362蚁群算法79
363粒子群优化算法80
364人工蜂群算法80
365鲸鱼优化算法81
37搜索应用案例82
371八皇后问题82
372五子棋 AI83
373旅行商问题（TSP）85
习题与实验88
第4章机器学习92
41概述93
411机器学习的定义93
412机器学习与人工智能的关系93
413机器学习的发展历程94
414机器学习的应用领域95
42机器学习基础96
421机器学习的类型96
422机器学习的工作流程98
423机器学习的指标解释99
43机器学习模型与算法100
431回归算法100
432分类算法108
433聚类算法118
44机器学习应用案例120
441金融领域120
442社交网络126
443安全监控133
444医疗领域137
习题与实验138
第5章深度学习139
51概述139
511深度学习的定义与基本特征140
512深度学习的发展历程141
513深度学习与传统机器学习的区别142
52神经网络基础143
521神经网络概述143
522反向传播算法147
53深度学习模型与算法151
531卷积神经网络151
532循环神经网络157
533生成对抗网络160
54深度学习应用实例162
541MNIST手写数据集162
542深度学习实例及其代码实现163
习题与实验169
第6章强化学习172
61概述173
611强化学习的定义173
612强化学习与监督学习、无监督学习的区别174
613强化学习的发展历程175
62强化学习基础176
621强化学习的关键概念176
622强化学习智能体的组成和类型178
623学习与规划180
624探索与利用182
625强化学习的应用领域183
63强化学习模型与算法184
631马尔可夫决策过程184
632Qlearning与深度Q网络187
633策略梯度算法197
634近端策略优化算法198
64强化学习应用案例200
641游戏与娱乐200
642自动驾驶与机器人201
643投资与定价204
习题与实验211
第三部分前 沿 探 索
第7章大模型技术214
71大模型的概念与背景215
711大模型的概念215
712大模型的发展历程217
713常见的大模型219
72大模型的技术基础221
721深度学习与大规模数据集221
722算力与分布式训练222
723自然语言处理中的大模型223
73大模型的优势与挑战224
731大模型技术的风险与挑战224
732性能与效果提升225
733数据和算力需求226
734可解释性与透明性227
74大模型的架构与技术228
741Transformer架构228
742自注意力机制231
743Encoder与Decoder的作用原理233
75模型优化与压缩技术235
751知识蒸馏235
752模型剪枝与量化235
753稀疏化与低秩分解236
76DeepSeek的技术原理及应用237
761DeepSeek的技术原理237
762DeepSeek的应用239
77大模型应用案例241
771基于Transformers的机器翻译241
772基于AlphaFold的蛋白质结构预测246
习题与实验250
第8章人工智能伦理与安全252
81人工智能伦理概述252
811人工智能伦理概念和发展253
812数据隐私与伦理问题255
813决策偏见与算法的公平258
82人工智能的安全挑战261
821对抗攻击与模型的鲁棒性261
822人工智能在安全系统中的应用与风险264
823人工智能失控的可能性267
83人工智能伦理与安全的典型案例分析269
831面部识别滥用与伦理问题269
832自动驾驶技术与伦理问题271
833深度伪造技术与伦理问题274
习题与实验276
参考文献278

漆华妹，中南大学电子信息学院副教授，硕士生导师，中南大学第三届课程思政教指委秘书，教师教学发展中心培训师、国际咨询委员会认证教学技能引导员（FDW），电子信息学院教指委副主任，通信工程系教工党支部书记。主讲数据结构、计算机程序设计基础(C)、无线网络与移动计算等课程。曾获全国高等院校计算机基础教育研究会优秀课程思政教学案例奖、湖南省普通高校教师课堂教学竞赛一等奖、湖南省教学能手称号、湖南省研究生课程思政教学竞赛一等奖第一名；湖南省高校“双带头人”教师党支部书记工作室负责人；湖南省研究生课程思政示范课程；湖南省线下一流课程负责人；国家教学成果二等奖、湖南省教学成果一等奖、中南大学教学成果二等奖、湖南省高校计算机学科课程思政优秀教学团队主要成员。主持中南大学研究生、本科生课程思政建设项目、中南大学研究生及本科生教改、教学学术、优秀案例库等校级教改课题20余项；发表CSSCIEI等收录的教改论文10余篇。刘卫国，中南大学计算机学院教授，教育部高等学校大学计算机课程教学指导委员会委员，中南大学课程思政教学指导委员会主任委员。首批国家级一流本科课程(线上一流课程)负责人，教育部国际M00C平台课程负责人，省级一流课程负责人:获国家级教学成果二等奖1项，省级教学成果奖2项:主编出版普通高等教育国家级规划教材3部，获省级普通高等学校优秀教材奖，全国高校出版社优秀畅销书一等奖;获中南大学茅以升铁路教育专项奖，中南大学课程思政示范课程及教学团队负责人。美国加州大学圣地亚哥分校(UCSD)访问学者。主要研究领域为网络与信息安全、软件工程、教育信息化。

本书充分考虑了不同读者的需求。对于初学者，本书力求用通俗易懂的语言和生动的实例来解释复杂的概念和算法；对于有一定基础的读者，本书则提供了更深入的理论探讨和前沿技术的介绍。同时，还特别注重了内容的实用性和可操作性，通过大量的程序示例和项目实践，让读者能够真正动手操作，体验人工智能技术的魅力。