本书从人工智能应用视角系统阐释计算科学的核心知识，其内容组织既符合当前大学计算机教育的实际，又能满足高等学校人工智能通识课程的基本要求。全书分为八章，分别是计算与人工智能概述、人工智能计算平台、人工智能编程语言——Python语言、人工智能的数据要素、机器学习、深度学习、大模型技术、人工智能伦理与安全。
本书以通俗易懂的语言介绍计算与人工智能的基本概念和技术框架，遵循应用导向、问题驱动的编写理念，以实际案例说明概念、算法和基本原理。通过丰富的案例分析和项目实践，引导读者应用人工智能方法与技术去解决实际问题，培养解决复杂问题的能力以及学科交叉融合与应用能力。
本书适合作为高等学校“人工智能通识”课程或“大学计算机”课程的教材，也可供计算机科学或人工智能爱好者和专业技术人员阅读参考。

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我们生活、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，编者组织编写了本书，旨在为高等学校教学提供一本能较好衔接当前大学计算机课程教学体系，且能满足高等学校人工智能通识教育基本要求的教材。本书从人工智能应用视角，系统地将计算科学的核心知识与人工智能基础知识相融合，实现计算思维与人工智能素养有机结合的课程学习目标，进而为读者架起贯通计算科学与人工智能的跨学科认知桥梁。
本书分为8章，各章的具体内容如下：
第1章计算与人工智能概述，介绍计算的含义、图灵机、计算思维的特征与本质、人工智能的起源与概念、人工智能的发展历程与趋势、人工智能的研究内容与主要技术。
第2章人工智能计算平台，从人工智能应用视角来理解利用计算机解决复杂问题的技术演进，介绍计算机系统的组成与工作原理、计算机中数据的表示方法、计算机网络的基础知识、局域网的基础知识、Internet基础知识以及云计算和物联网的概念与应用。
第3章人工智能编程语言——Python语言，介绍Python的数据描述、程序流程控制、函数定义与调用、文件操作、Python应用生态等内容，帮助读者利用Python语言来构建算法模型、处理数据，为人工智能系统开发奠定坚实基础。
第4章人工智能的数据要素，介绍数据的价值与类型、数据分析的流程与方法、数据可视化、网络数据的采集与处理方法、大数据处理关键技术及框架平台、大数据与人工智能的关系以及数据安全，并结合实际案例说明数据分析方法的具体应用。
第5章机器学习，以应用为出发点，立足传统机器学习的理论基础与实践应用，介绍机器学习的概念与分类、机器学习基本流程与模型评估、常见机器学习算法的基本思想与实现方法、机器学习的应用案例。
第6章深度学习，介绍深度学习的概念与基本特征、神经元模型与神经网络的基本结构、反向传播算法、多层感知机的应用，最后通过MNIST手写数字识别应用案例演示深度学习模型的实现方法。
第7章大模型技术，介绍大模型的基本概念与关键特征、大模型的架构及优化方法、大模型的优势与挑战，还介绍了两个大模型的应用，即DeepSeek大模型和内嵌在WPS Office的WPSAI大模型。
第8章人工智能伦理与安全，介绍人工智能伦理的基本概念、隐私泄露和算法偏见的成因与治理方案、人工智能安全的概念、对抗攻击的原理及人工智能在系统安全中的应用方式，最后分析面部识别、自动驾驶和深度伪造的伦理问题。
本书立足人工智能通识教育的普适性要求，遵循初学者的认知规律与学习特点，以通俗易懂的语言阐释计算与人工智能的基本概念和技术框架，着力降低学习门槛、激发探索兴趣、培养应用能力；本书遵循应用导向、问题驱动的编写理念，通过丰富的程序示例与项目实践，引导读者应用人工智能方法与技术去解决实际问题，培养解决复杂问题的能力以及学科交叉融合的应用能力；本书构建了“基本原理—算法流程—项目实践”的递进式学习路径，助力读者构建从理论认知到落地应用的人工智能思维素养与实战技能；本书每章均配备基础习题与实验项目，并提供完整代码示例，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）下载获取。
本书由吕格莉、刘卫国任主编，参编人员有严晖、曹岳辉、何小贤、刘丽敏、康松林、刘泽星、漆华妹、刘强、龙慧等。在本书编写过程中，我们得到了许多教师的大力支持和协助，在此，一并表示诚挚的感谢！
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。

1.1计算与计算思维
1.1.1计算的含义
1.1.2图灵机
1.1.3计算思维
1.2人工智能的起源与概念
1.2.1人工智能的起源
1.2.2人工智能的三大学派
1.2.3人工智能的概念
1.3人工智能的发展历程与趋势
1.3.1人工智能的发展阶段
1.3.2人工智能的发展趋势
1.4人工智能的研究内容与主要技术
1.4.1人工智能的研究内容
1.4.2人工智能主要技术
习题与实验
第2章人工智能计算平台
2.1单机系统
2.1.1计算机系统的组成
2.1.2计算机的工作原理
2.1.3人工智能计算架构
2.2计算机中数据的表示
2.2.1数制与二进制运算
2.2.2数值数据的表示
2.2.3字符编码
2.2.4声音和图像编码
2.3网络系统
2.3.1计算机网络概述
2.3.2局域网基础
2.3.3Internet基础
2.4云计算服务
2.4.1云计算的概念
2.4.2云计算服务模式
2.4.3典型的云计算平台
2.5物联网技术
2.5.1物联网的概念
2.5.2物联网体系架构
2.5.3物联网关键技术
习题与实验
第3章人工智能编程语言——Python语言
3.1Python与人工智能应用
3.1.1Python语言的特点与编程规则
3.1.2Python问题求解范式
3.1.3Python在人工智能中的应用
3.2Python的数据描述
3.2.1Python对象及其引用
3.2.2Python数据类型
3.2.3常用系统函数
3.2.4基本运算与表达式
3.3Python程序流程控制
3.3.2实现选择判断
3.3.3控制重复操作
3.4函数
3.4.1函数的定义与调用
3.4.2匿名函数和递归函数
3.5文件操作
3.5.1文件的打开与关闭
3.5.2文本文件的操作
3.6Python人工智能应用生态
3.6.1NumPy库的应用
3.6.2Matplotlib绘图
3.6.3SciPy库的应用
习题与实验
第4章人工智能的数据要素
4.1数据的价值与类型
4.1.1数据的价值
4.1.2数据的类型
4.2数据分析
4.2.1数据分析的基本流程
4.2.2常用数据分析方法
4.2.3数据可视化
4.2.4数据分析应用案例
4.3网络数据采集与信息提取
4.3.1网络数据采集
4.3.2信息提取
4.3.3网络数据分析应用案例
4.4大数据处理
4.4.1大数据关键技术
4.4.2常用大数据框架
4.4.3大数据与人工智能的关系
4.5数据安全
4.5.1数据加密技术
4.5.2区块链技术
习题与实验
第5章机器学习
5.1机器学习概述
5.1.1机器学习的概念
5.1.2机器学习与人工智能的关系
5.1.3机器学习的应用领域
5.2机器学习基础
5.2.1机器学习的类型
5.2.2机器学习的基本流程
5.2.3机器学习的性能评估指标
5.3机器学习算法
5.3.1回归算法
5.3.2分类算法
5.3.3聚类算法
5.4强化学习
5.4.1强化学习原理
5.4.2Q学习算法
5.4.3强化学习应用案例
习题与实验
第6章深度学习
6.1深度学习概述
6.1.1深度学习的概念与基本特征
6.1.2深度学习的发展历程
6.1.3深度学习与传统机器学习的区别
6.2神经元与神经网络
6.2.1人工神经元
6.2.2人工神经网络
6.2.3反向传播算法
6.2.4神经网络应用案例
6.3深度学习模型
6.3.1卷积神经网络
6.3.2循环神经网络
6.3.3生成对抗网络
6.4用PyTorch实现MNIST手写数字识别
6.4.1常用深度学习框架
6.4.2PyTorch框架的应用
6.4.3MNIST手写数字识别的实现
习题与实验
第7章大模型技术
7.1大模型概述
7.1.1大模型的概念
7.1.2大语言模型
7.1.3常见的大模型
7.2大模型的架构与技术
7.2.1Transformer架构
7.2.2自注意力机制
7.2.3编码器和解码器的作用原理
7.3模型优化与压缩技术
7.3.1知识蒸馏
7.3.2模型剪枝与量化
7.3.3稀疏化与低秩分解
7.4DeepSeek的技术原理与应用
7.4.1DeepSeek的技术原理
7.4.2DeepSeek的应用
7.5WPSAI智能办公应用
7.5.1智能文档处理
7.5.2智能数据分析
7.5.3智能演示文稿制作
习题与实验
第8章人工智能伦理与安全
8.1人工智能伦理概述
8.1.1人工智能伦理的概念和发展
8.1.2数据隐私与伦理问题
8.1.3算法偏见与公平
8.2人工智能的安全挑战
8.2.1对抗攻击与模型的鲁棒性
8.2.2人工智能在安全系统中的应用与风险
8.2.3人工智能失控的可能性
8.3典型案例分析
8.3.1面部识别滥用与伦理问题
8.3.2自动驾驶技术与伦理问题
8.3.3深度伪造技术与伦理问题
习题与实验
参考文献

吕格莉，博士，中南大学计算机学院副教授。研究方向为网络与信息安全、计算机教育；主要讲授《大学计算机基础》《计算机程序设计基础（C）》、《科学计算与MATLAB语言》等课程；曾获湖南省普通高校青年教师教学能手称号、湖南省普通高校教师课堂教学竞赛三等奖、中南大学第四届青年教师“三十佳”教学竞赛“十佳讲课”奖；多次获得中南大学本科教学质量优秀奖；主持或参与省部、校级教学改革项目20余项；主编或参编计算机系列教材20余部；参与国家级一流课程建设1项，省级一流课程建设2项。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。

本书立足人工智能通识教育的普适性要求，遵循初学者的认知规律与学习特点，以通俗易懂的语言阐释计算与人工智能的基本概念和技术框架，着力降低学习门槛、激发探索兴趣、培养应用能力。