本书是响应国家新一代人工智能发展战略、面向高校通识教育与跨学科人才培养的迫切需求而编写的“理论—技术—应用”一体化教材，旨在构建一个从基础原理、核心技术到前沿应用的完整知识框架。本书巧妙地将Python语言与人工智能知识相结合，使读者既能初步学习Python编程语言，又能系统地了解人工智能基本原理，并较好掌握人工智能特别是新一代人工智能的关键技术。本书同时配有丰富的教学案例和前沿热点应用。 
本书内容包括人工智能概述、大数据与人工智能、人工智能编程语言Python、机器学习、深度学习、自然语言处理、计算机视觉、AI大语言模型、机器人技术和人工智能的发展。 
本书适合作为普通高等院校“人工智能通识”课程的教材，也可作为对人工智能相关领域感兴趣的读者的参考书。

       曾经，人工智能离人们那么遥远。但是，近年来各种智能化应用，如自动驾驶、扫地机器人、自然语言对话机器人、人脸识别、视频理解、移动支付、信息智能化推送、VR/AR/MR 应用等进入人们的生活，让人目不暇接，人们感叹于科技的力量。人工智能时代已经来临，科幻电影中的场景将成为现实，在将来，不懂人工智能的人就像现在不懂操作计算机一样，在工作与生活中会有很多不便，而掌握人工智能技术的人，则能更好地适应当今时代。 
       如今，人工智能正处于高速发展时期，世界各国相继出台一系列政策支持人工智能的发展。我国是人口大国，拥有大量数据资源，在发展人工智能方面具有得天独厚的优势。2017年7月8日，国务院印发《新一代人工智能发展规划》，明确将人工智能发展放在国家战略层面，系统布局、主动谋划，力图牢牢把握人工智能发展新阶段国际竞争的战略主动。目前，社会对人工智能的期望与人工智能技术的实际能力之间存在着巨大的差距，特别是近年来人工智能概念本身的急剧泛化，导致其理论和方法都发生了重大变化。因此，编写与时俱进、内容反映当前研发与应用现状的人工智能通识课程教材，成为一项迫切的任务。 
       本书是响应国家新一代人工智能发展战略、面向高校通识教育与跨学科人才培养的迫切需求而编写的“理论—技术—应用”一体化教材，旨在构建一个从基础原理、核心技术到前沿应用的完整知识框架。本书巧妙地将Python语言与人工智能知识结合在一起，使读者既能初步学习Python编程语言，又能系统了解人工智能基本原理，并较好掌握人工智能，特别是新一代人工智能的关键技术。本书同时配有丰富的教学案例和前沿热点应用。本书主要内容包括人工智能概述、大数据与人工智能、人工智能编程语言Python、机器学习、深度学习、自然语言处理、计算机视觉、AI大语言模型、机器人技术和人工智能的发展。 
       本书适合作为普通高等院校“人工智能通识”课程的教材。教师使用本书进行教学时，可根据学习进度与需求对内容进行适当取舍。本书提供教学用电子教案，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）下载。
       感谢上海思博职业技术学院黄正校长、张学龙副校长对本书编写提出的指导意见，也感谢对本书的编写出版给予支持的朋友、同仁和学生们。 
       由于编写时间仓促，本书难免有疏漏和不妥之处，欢迎广大读者批评指正。 

       编 者 
       2025年8月

第 1 章 人工智能概述 1 
1.1 人工智能简介 1 
1.1.1 “人工”与“智能” 1 
1.1.2 人工智能的定义  2 
1.1.3 人工智能的实现途径 3 
1.2 人工智能的发展历史 5 
1.3 人工智能的学科基础 12 
1.4 人工智能关键技术  17 
小结  27 
习题  28 

第 2 章 大数据与人工智能 30 
2.1 模糊逻辑 30 
2.1.1 模糊逻辑概述 30 
2.1.2 模糊逻辑的概念 32 
2.1.3 模糊理论的发展 33 
2.2 模糊逻辑系统 34 
2.2.1 三种模糊逻辑系统  34 
2.2.2 数据思维与变革 35 
2.2.3 三个思维转变 36 
2.3 人工智能与大数据  38 
2.3.1 人工智能与大数据的联系  38 
2.3.2 人工智能与大数据的区别  39 
2.3.3 人工智能深化大数据应用  39 
小结  40 
习题  40 

第 3 章 人工智能编程语言 Python 43 
3.1 Python 简介  43II 
人工智能技术基础教程 
3.1.1 Python 语言概述 43 
3.1.2 Python 开发环境的安装 44 
3.1.3 Python 语言的特点  46 
3.2 Python 语言基本语法与数据类型  47 
3.2.1 Python 程序基本语法 47 
3.2.2 常用函数 49 
3.2.3 Python 基本数据类型 51 
3.2.4 Python 组合数据类型 61 
3.3 Python 程序结构 71 
3.3.1 顺序结构 71 
3.3.2 选择结构 73 
3.3.3 循环结构 75 
3.4 Python 函数与模块化编程  78 
3.4.1 Python 函数  78 
3.4.2 变量的作用域 80 
3.4.3 代码复用与模块化编程 82 
3.5 Python 面向对象编程 84 
3.5.1 类的定义与使用 85 
3.5.2 属性和方法  85 
3.5.3 继承  87 
3.5.4 Python 文件操作与图形化编程 87 
小结  91 
习题  91 

第 4 章 机器学习 93 
4.1 机器学习概述 93 
4.1.1 机器学习的发展 94 
4.1.2 机器学习的概念 95 
4.1.3 机器学习的研究 96 
4.2 基于学习方式的分类 99 
4.2.1 监督学习 99 
4.2.2 无监督学习 100 
4.2.3 强化学习 102
4.2.4 机器学习的其他分类  104 
4.3 机器学习算法  106 
4.3.1 机器学习的基本结构  106 
4.3.2 专注于学习能力 108 
4.3.3 常用机器学习算法 109 
4.4 机器学习的应用 113 
4.4.1 数据挖掘 113 
4.4.2 模式识别 116 
4.4.3 物联网117 
4.4.4 聊天机器人 117 
小结 118 
习题 118 

第 5 章 深度学习 121 
5.1 神经系统概述  121 
5.1.1 神经系统的结构 121 
5.1.2 神经系统的学习机制  122 
5.2 人工神经网络  123 
5.2.1 人工神经网络的研究  123 
5.2.2 典型的人工神经网络  124 
5.2.3 类脑计算机 125 
5.3 卷积神经网络  125 
5.3.1 为什么选择卷积 126 
5.3.2 卷积神经网络结构 127 
5.3.3 卷积神经网络与人工神经网络的关联 128 
5.4 深度学习概述  129 
5.4.1 深度学习的优势与意义 129 
5.4.2 训练神经网络  131 
5.4.3 神经网络的图像识别  132 
5.4.4 深度学习的应用示例  133 
小结 136 
习题 137 

第 6 章 自然语言处理139 
6.1 自然语言处理概述 139 
6.1.1 语言问题和可能性 139 
6.1.2 自然语言处理问题 141 
6.1.3 语言模型 144 
6.2 语法类型与语义分析  145 
6.2.1 语法类型 145 
6.2.2 语义分析 146 
6.2.3 IBM 机器翻译系统 146 
6.3 处理数据与处理工具  147 
6.3.1 统计 NLP 语言数据集 147 
6.3.2 自然语言处理工具 147 
6.3.3 自然语言处理的技术难点 148 
6.4 语音处理 148 
6.4.1 语音处理的发展 148 
6.4.2 语音理解 149 
6.4.3 语音识别 150 
6.4.4 应用案例 151 
小结 153 
习题 153 

第 7 章 计算机视觉 155 
7.1 计算机视觉概述 155 
7.1.1 模式识别 156 
7.1.2 图像识别 157 
7.1.3 图形识别的模型 159 
7.1.4 计算机视觉的概念 161 
7.2 智能图像处理技术 162 
7.2.1 图像采集 162 
7.2.2 图像预处理 162 
7.2.3 图像分割 162 
7.2.4 目标处理 163 
7.3 计算机视觉系统的功能与应用 164 
7.3.1 计算机视觉系统的功能 164 
7.3.2 计算机视觉技术的应用 165 
7.3.3 应用案例 170 
小结 172 
习题 172 

第 8 章 AI 大语言模型174 
8.1 AI 大语言模型概述  174 
8.1.1 大语言模型的发展 174 
8.1.2 GPT 系列模型的发展  176 
8.1.3 大语言模型的关键技术 177 
8.1.4 大语言模型的能力 178 
8.2 大语言模型基础技术  179 
8.2.1 语言表示分析  179 
8.2.2 经典结构 Transformer 184 
8.2.3 预训练语言模型 189 
8.3 大语言模型的应用 192 
8.3.1 大语言模型需要提示工程 192 
8.3.2 提示词  194 
8.3.3 推理引导 195 
8.3.4 案例分析 201 
8.4 AIGC 概述 206 
8.4.1 AIGC 的概念 206 
8.4.2 AIGC 的工作原理 207 
8.4.3 AIGC 的核心能力和关键特征  209 
8.4.4 AIGC 的主要平台 211 
小结 214 
习题 214
 
第 9 章 机器人技术 217 
9.1 机器人技术概述 217 
9.1.1 建立包容体系结构 218 
9.1.2 包容体系结构的实现  220
9.1.3 包容体系结构创建的机器人  220 
9.2 机器感知 221 
9.2.1 机器智能与智能机器  222 
9.2.2 机器思维与思维机器  222 
9.2.3 机器行为与行为机器  222 
9.2.4 机器人的三原则 223 
9.3 机器人的技术问题 225 
9.3.1 机器人的组成  225 
9.3.2 机器人的运动  227 
9.3.3 四足机器人 227 
小结 229 
习题 229 

第 10 章 人工智能的发展 232 
10.1 人工智能发展与社会影响 232 
10.1.1 人工智能的发展现状 232 
10.1.2 人工智能发展的启示 234 
10.1.3 人工智能社会影响 235 
10.2 人工智能架构 238 
10.2.1 传感器与执行器  239 
10.2.2 通用人工智能 239 
10.2.3 人工智能工程 240 
10.3 未来的人工智能  241 
10.3.1 人工智能的机遇与挑战  241 
10.3.2 意识与感质 241 
10.3.3 未来与展望 242 
小结 243 
习题 244 
参考文献 246

王玲，副教授，上海思博职业技术学院，主讲“大学信息技术”“数据库基础”“Python程序语言”“数字媒体技术”“生成式人工智能AIGC”等课程。2023年获评“上海高等职业教育市级精品在线开放课程”，在智慧树平台建成融合信息技术基础与前沿发展的综合素养类共享课程，辐射全国多所本专科院校，广受师生好评；该课程入选“上海市课程思政示范课”，带领团队获评“市级课程思政教学团队”，实现知识传授与价值引领的深度融合。科研领域，主编教材2部、参编3部，发表核心期刊论文3篇，省级论文1篇，获授软件著作权1项，带领团队做校企深度融合，连续两年成功进阶优选级华为ICT学院，2020年荣获“市级教学创新团队”等荣誉，并助力学院于2024年入选“教育部中德先进职业教育合作项目”及“上海高水平高职专业群建设立项”。
崔海霞，讲师，上海思博职业技术学院。主讲“大学信息技术”“C#程序设计”“数字媒体技术”等课程。参编《软件测试人员(.NET)(高级)教程》。完成“面向对象程序设计C#”校级精品课程网站建设工作。参与上海市优青项目“程序设计基础”课程教学改革与研究，发表课题相关论文2篇，开发课程学习网站。获全国大学生计算机应用能力与信息素养大赛（第六、七、八届）优秀指导教师二等奖，2025年上海市职业院校技能大赛教学能力比赛（高职组）三等奖。
印润远，教授，硕士生导师，上海海洋大学。20世纪90年代进入上海高校从事教学和科研工作，主要研究方向为网络技术应用及信息安全，在信息安全领域颇有研究。在国家兵器工业部门从事计算机技术的应用与开发多年，曾获多项优秀软件设计奖。曾承担“数据通信与计算机网络”“软件工程”“管理信息系统”“信息安全”“网络攻防”“操作系统”“数据库应用”“计算机组成原理”“多媒体技术”“程序设计语言”等十余门计算机专业课程的教学工作，主持学校重点课程建设多项，主编及参编专业教材十余项，发表相关研究论文三十余篇。

本书巧妙地将Python语言与人工智能知识结合在一起，使读者既能初步学习Python编程语言又能系统了解人工智能基本原理并较好掌握人工智能，特别是新一代人工智能的关键技术，同时配有丰富的教学案例和前沿热点应用。