本书依据《高等学校人工智能创新行动计划》编写，从数字技术与思维变革、人工智能的概念与发展、人工智能的算力网络、人工智能的数据获取与利用、机器学习及其应用、深度学习及其应用、大模型工具及其应用、具身智能与机器人共八个方面布局内容。本书内容与时俱进，从信息、计算与人工智能的技术与应用视角，构建教材内容；守正创新，在强化学生计算思维能力培养的同时，增强学生利用人工智能技术解决实际问题的能力；强化智能思维培养，将数据“喂养”与人工智能模型训练有机结合，通过大量实例增强学生利用数据解决 AI 问题的能力；加强价值引领，聚焦创新素养、工匠精神与家国情怀的养成。

本书适合作为高等学校“人工智能基础”“计算思维与人工智能”等通识课程的教材；也适合作为高等学校现有“大学计算机基础”“信息技术基础”课程的过渡教材；同时，也可作为广大人工智能爱好者的参考书。

       人工智能是国家竞争力的关键要素之一，各国都在积极布局人工智能发展战略。开展人工智能通识教育必须从大学一年级开始。通过培养学生的人工智能基础能力，可为高等教育阶段各专业奠定“人工智能 + 专业”的认知基础，让学生既能用人工智能思维优化学习与研究，也能为未来储备底层能力。 
       人工智能是多学科知识的融合，包括数学、计算机、心理学等。学习人工智能通识课程，不仅可以拓宽个人的知识面，还能激发创新思维，提高学生未来解决专业问题的效率和质量。本书依据《高等学校人工智能创新行动计划》和《新时代大学计算机基础课程教学基本要求》，遵循教育部“积极推进人工智能赋能高校人才培养模式创新，打造体系化人工智能通识课程体系”这一目标，从计算思维、数据思维、智能思维三个维度构建人工智能通识课程内容，使学生具备基本的计算系统、数据获取和人工智能的知识和应用能力，为未来的职业发展和社会需求打下坚实基础。 
       本书旨在为读者提供一条系统学习人工智能知识的路径，内容覆盖基础理论、关键技术及前沿应用，建议在32学时至48学时内完成授课，核心内容及建议学时（以32学时为例）如下：
       章名                  主要教学内容                建议学时 
       数字技术与思维变革——数字技术与数字革命，信息的数字化，计算思维、数据思维到智能思维的变革——4 
       人工智能的概念与发展——人工智能的基本概念与发展，人工智能的关键技术，人工智能的社会伦理和典型应用等——4 
       人工智能的算力网络——人工智能的硬件设施和软件环境，计算系统模型与组成，超级计算系统，并行计算系统，“东数西算”和端边云协同计算——4 
       人工智能的数据获取与利用——人工智能的数据采集与存储方法，知识图谱，数据分析与专家系统——3 
       机器学习及其应用——机器学习的定义，监督学习和无监督学习，神经网络，BP 神经网络，机器学习的训练过程——6 
       深度学习及其应用——深度学习的概念，深度神经网络的发展，卷积神经网络、循环神经网络和残差神经网络，深度学习的典型应用，联邦学习的工作过程——5 
       大模型工具及其应用——大模型的概念与发展历程，典型大模型系统，大模型的应用技术（文生文、文生图、图生图等），几种大模型工具的使用方法——4 
       具身智能与机器人——具身智能的概念与特征，机器人分类，具身智能关键技术，典型机器人与无人系统——2
       本书有以下特色： 
       （1）与时俱进，从信息、计算与人工智能的技术与应用视角，构建教材内容。 
       （2）守正创新，在强化学生计算思维能力培养的同时，增强学生利用人工智能技术解决实际问题的能力。 
       （3）强化智能思维培养，将数据“喂养”与人工智能模型训练有机结合，通过大量实例增强学生利用数据解决人工智能问题的能力。 
       （4）加强价值引领，聚焦创新素养、工匠精神与家国情怀的养成。 
       本书适合作为高等学校“人工智能基础”“计算思维与人工智能”等通识课程的教材；也适合作为高等学校现有“大学计算机基础”“信息技术基础”课程的过渡教材；同时，也可作为广大人工智能爱好者的入门参考书。 
       本书在编写过程中，参考了许多文献资料，引用了部分网络资源，在此深表谢意。为方便教学，本书还配有课程大纲、电子教案、习题解答、PPT 课件等教学资源，读者可以通过教材作者的个人网站或中国铁道出版社教育资源数字化平台（https://www.tdpress.com/51eds）下载。 
       由于编者的技术、文字表达水平有限，书中难免存在疏漏或不妥之处，敬请读者指出，并期望读者提出宝贵意见。  

       编 者
       2025年6月于西安交通大学

第1章 数字技术与思维变革 1 
1.1 信息技术与信息革命  1 
1.1.1 信息与信息革命  1 
1.1.2 新一代信息技术  3 
1.2 数字技术与数字革命  4 
1.2.1 数字技术  4 
1.2.2 数字技术赋能各类学科发展  5 
1.3 信息的数字化编码  7 
1.3.1 信息的数制表示  7 
1.3.2 进制数的转换  9 
1.3.3 字符编码 11 
1.3.4 字形编码 16 
1.4 从计算思维到智能思维  18 
小 结 20 
习 题 20 

第2章 人工智能的概念与发展  21 
2.1 人工智能的基本概念  21 
2.1.1 人工智能的概念 21 
2.1.2 人工智能的特征 23 
2.2 人工智能的产生与发展  24 
2.2.1 人工智能的发展历程 24 
2.2.2 人工智能的三大学派 27 
2.3 人工智能的关键技术  28 
2.3.1 传统的人工智能技术 28 
2.3.2 现代人工智能技术 29 
2.4 人工智能的社会伦理  31 
2.4.1 人工智能的社会责任 31 
2.4.2 人工智能的权利与义务 32 
2.4.3 人工智能对就业的影响 32人工智能通识教程 
2.4.4 AI 幻觉 33 
2.5 人工智能的典型应用  34 
小 结 36 
习 题 36 

第3章 人工智能的算力网络  38 
3.1 人工智能的算力设施  38 
3.1.1 硬件基础设施 38 
3.1.2 软件开发环境 41 
3.2 通用算力系统  42 
3.2.1 单计算机系统模型 42 
3.2.2 单计算机系统的组成 46 
3.3 超级计算系统  49 
3.3.1 并行计算系统 49 
3.3.2 网络计算系统 52 
3.4 GPU 并行计算系统  56 
3.4.1 GPU 体系架构 56 
3.4.2 GPU 工作流程与应用 57 
3.5 人工智能的算力网络  58 
3.5.1 算力网络概述 58 
3.5.2 “东数西算”战略 59 
3.5.3 端边云协同计算 62 
小 结 63 
习 题 63
 
第4章 人工智能的数据获取与利用  65 
4.1 人工智能与大数据  65 
4.1.1 人工智能的数据采集 65 
4.1.2 人工智能的大数据特征 66 
4.1.3 大数据对人工智能的支撑 67 
4.2 人工智能的数据存储方法  68 
4.2.1 关系数据库存储 68 
4.2.2 数据分块与云存储 72 
4.3 知识图谱与数据分析  72 
4.3.1 知识图谱与知识森林 73 
4.3.2 数据分析基础算法 75目    录 
4.4 专家系统  80 
4.4.1 专家系统的概述 80 
4.4.2 专家系统的构成 81 
4.4.3 专家系统的应用 82 
小 结 84 
习 题 84 

第5章 机器学习及其应用  86 
5.1 机器学习概述  86 
5.1.1 机器学习的概念 86 
5.1.2 深度学习与机器学习 87 
5.2 机器学习的分类  88 
5.2.1 无监督学习 88 
5.2.2 有监督学习 96 
5.2.3 强化学习 99 
5.3 神经网络  100 
5.3.1 生物神经网络  100 
5.3.2 人工神经网络  101 
5.4 BP神经网络  104 
5.4.1 BP神经网络的结构与工作过程  104 
5.4.2 BP神经网络的激活函数  106 
5.4.3 BP神经网络的损失函数  109 
5.4.4 BP神经网络的权重更新  111 
5.5 机器学习的模型训练与应用  114 
5.5.1 模型训练的目的和方式  114 
5.5.2 机器学习的模型训练过程  116 
5.6 手写体数字的识别  118 
5.6.1 手写体数字识别的方法和过程  118 
5.6.2 基于BP神经网络的手写体数字识别  120 
小 结  121 
习 题  121 

第6章 深度学习及其应用  123 
6.1 深度学习的基本概念  123 
6.1.1 深度学习的产生与发展  123 
6.1.2 深度神经网络的概念  125 
6.2 典型的深度神经网络  125 
6.2.1 卷积神经网络  126 
6.2.2 循环神经网络  130 
6.2.3 残差神经网络  133 
6.3 深度学习的典型应用  137 
6.3.1 基于CNN的手写数字识别  137 
6.3.2 动物猫狗识别  143 
6.4 联邦学习及其应用  151 
6.4.1 联邦学习的概念与分类  151 
6.4.2 联邦学习的工作过程  152 
6.4.3 联邦学习的全局模型聚合方法  154 
小 结  155 
习 题  155 

第7章 大模型工具及其应用  157 
7.1 大模型的概念与发展历程  157 
7.1.1 大模型技术的概念与特征  157 
7.1.2 大模型的发展历程  158 
7.2 典型大模型系统  159 
7.2.1 自然语言处理大模型  159 
7.2.2 计算机视觉大模型  164 
7.3 大模型的应用技术  168 
7.3.1 文生文  169 
7.3.2 文生图  172 
7.3.3 图生图  177 
7.3.4 提示性工程  178 
7.4 大模型工具的使用  179 
7.4.1 文心一言  179 
7.4.2 DeepSeek  182 
7.4.3 字节豆包  186 
7.4.4 WPS AI 192 
7.4.5 Kimi  193 
7.4.6 其他大模型工具简介  195 
小 结  197 
习 题  198
 
第8章 具身智能与机器人  200 
8.1 具身智能与智能体  200 
8.1.1 具身智能概述  200 
8.1.2 智能体的概念与发展  201 
8.1.3 机器人技术的产生与发展  203 
8.1.4 机器人的社会伦理  205 
8.2 具身智能的机器人关键技术  207 
8.2.1 自动控制与智能控制  207 
8.2.2 机器人的闭环控制模型  210 
8.2.3 机器人的感知技术  212 
8.2.4 机器人的运动控制技术  215 
8.2.5 机器人的语音识别与合成技术  216 
8.2.6 机器人的控制算法  217 
8.3 典型机器人  219 
8.3.1 工业机器人  219 
8.3.2 人形机器人  220 
8.3.3 仿真人  221 
8.3.4 机器人士兵  222 
8.4 无人驾驶系统与设备  223 
8.4.1 无人机  224 
8.4.2 无人车  225 
8.4.3 无人船  226 
8.4.4 机器狗  227 
小 结  228 
习 题  229

桂小林，工学博士，教授（二级），博士生导师。西安交通大学领军学者，国家级实验教学示范中心主任，物联网与信息安全研究所所长，陕西省计算机网络重点实验室主任。国家一流专业（物联网工程）、一流课程（物联网技术概论）负责人，陕西省一流课程（物联网信息安全）负责人。入选国家级教学名师（WR计划）、教育部新世纪优秀人才、陕西省教学名师、高校计算机专业优秀教师奖励计划（优秀教师）。荣获宝钢优秀教师奖、王宽诚育才奖。担任教育部高等学校大学计算机课程教学指导委员会秘书长，教学信息化与教学方法创新指导委员会委员，全国高校计算机基础教育研究会副会长，全国高校人工智能与大数据创新联盟副理事长，信息技术新工科联盟物联网工委主任，中国工程教育认证资深专家。

（1）与时俱进，从信息、计算与人工智能的技术与应用视角，构建教材内容。 
（2）守正创新，在强化学生计算思维能力培养的同时，增强学生利用人工智能技术解决实际问题的能力。 
（3）强化智能思维培养，将数据“喂养”与人工智能模型训练有机结合，通过大量实例增强学生利用数据解决人工智能问题的能力。 
（4）加强价值引领，聚焦创新素养、工匠精神与家国情怀的养成。 
（5）配有教学课件、习题答案等丰富的数字化教学资源，有效辅助教学。