前言

当今世界正处于智能革命的历史性转折点。2018年，教育部印发的《高等学校人工智能创新行动计划》

指出“将人工智能纳入大学计算机基础教学内容”，“探索‘人工智能+X’的人才培养模式”。2025年

，《教育部等部门发布关于加快推进教育数字化的意见》明确提出“全面推进智能化，促进人工智能助力教育变革”。至此，人工智能已不再

是计算机学科的专有领域，而是所有现代人才必备的通识素养。正是在这样的时代背景下，我们编写了这本面向高等院校多学科的人工智能通识教材，试图为不同专业背景的大学生搭建一座通向AI世界的桥梁。

人工智能通识教育往往面临两难困境： 要么过于专注技术细节，令非计算机专业学习者望而却步； 要么流于表面概念，

难以形成真正的能力迁移。尤其对于多学科人才培养，需要的是计算机科学与人工智能的双重

支撑，而非以人工智能专业课的简化版来替代大学计算机通识课。为此，本书致力于

在有限篇幅与学时内，平衡计算机科学和人工智能前沿技术的教学内容布局。

本书在内容布局上遵循“基础先行、应用驱动、前沿拓展”的原则，精心设计了

9章内容，分为三篇。

第一篇： 人工智能基础，包括第1~4章。本篇旨在筑牢根基，实现从计算机思维到AI思维的过渡。开篇从计算机科学的发展脉络讲起，引出人工智能的定义、发展史及核心能力，并前瞻性地探讨了通用人工智能。鉴于生成式人工智能（AIGC）的爆发式发展，本篇打破传统教材架构，在第2章即重点介绍多模态大模型、提示工程及智能体技术，让读者第一时间掌握

与大模型协作的方法。同时，本章还讨论人工智能伦理与安全问题，在技术入门之前先树立安全意识与学术规范。随后的第3、4章，系统讲解Python数据处理基础与人工智能算法基础，为后续深入学习技术原理提供必要的编程工具与数学逻辑支撑。

第二篇： 人工智能应用技术，包括第5~7章。本篇旨在授人以渔，通过具体的技术范例，帮助学习者掌握AI应用的通用方法。本篇涵盖了深度学习基础（第5章）、自然语言处理与知识图谱（第6章）以及视听智能基础（第7章）。在讲解过程中

注重原理与应用的结合，既剖析神经网络、卷积神经网络、循环神经网络等核心算法，又引入RAG、视觉生成等前沿技术，帮助读者理解AI如何读文字、看世界、听声音。

第三篇： 人工智能新型应用，包括第8、9章。本篇聚焦于AI技术的落地与实体化融合。第8章介绍人工智能的平台环境与行业应用，展示AI在智能制造、智慧城市等领域的赋能作用。第9章以智能机器人为载体，重点介绍具身智能这一新兴领域，结合学校的科研特色与竞赛成果，探讨机器人如何通过感知、决策与控制，从虚拟世界走向物理世界，成为真正的智能实体。

本书特色在于将最新的AIGC技术与传统的计算机基础教育有机结合，既注重基础知识的夯实，又紧跟技术前沿。书中配有丰富的案例，鼓励读者在实践中发现问题、解决问题。希望本书能为读者打开一扇通往人工智能世界的大门，激发探索热情，为未来的科研创新与职业发展奠定坚实基础。考虑到学生

专业背景多样，本书内容较为丰富，教师可根据不同的教学目标与专业

方向灵活选择与组合。

本书设计了模块化的教学方案。建议总学时为32学时，其中理论教学16~20学时，实践教学12~16学时。针对文科、理科、工科不同专业背景学生的认知特点与培养目标，建议对教材内容进行差异化取舍，具体方案如表0.1所示。

表0.1模块化的教学方案

专业类别教学目标侧重重点学习章节教 学 要 点

理工类(理、工、农、医等)侧重系统架构、工程实践与技术开发必学： 第1、2、4、8章； 

结合实训学习： 第3、5、6、7、9章讲解算法原理，通过在线实验加强理解； 结合实训项目或竞赛拓展学习

经管类

(经济、管理、金融等)侧重数据分析、决策智能与商业应用必学： 第1、2、3、4章； 

结合实训选学： 第5、6、7章； 

简单了解： 第8、9章讲解Python数据处理、常见算法及行业应用（如回归预测）

人文社科类

(文史哲、法学、外语等)侧重应用体验与工具赋能必学： 第1、2、3章； 

结合实训选学： 第4、5、6、7章； 

简单了解： 第8、9章算法基础、深度学习原理等仅作概念性介绍； 

重点讲解提示工程与AIGC工具使用，开展AI艺术创作、文案生成、办公自动化等实训

体育与艺术类

(体育、音乐、美术、设计等) 侧重感知交互、动作捕捉与创意生成

必学： 第1、2、7章； 

结合实训选学： 第3、4、5、6、8、9章重点讲解利用AI生成海报、视频、创意素材等实际AIGC工具应用； 

了解视听智能基础及相关算法模型

本书是北京市高等教育学会课题立项成果，同时也获得了中国地质大学（北京）教改立项支持。人工智能学院

“人工智能通识课”教研团队周长兵、王振华、王玉柱、李小翠、赵登等老师共同讨论了全书的实验案例，

并对教材内容给予宝贵反馈； 王振华及创新实验室团队共同编写了第9章。在此表示衷心感谢！

编者在编写过程中深度融合了人工智能技术。书中的部分插图由夸克、豆包等AI绘图工具辅助生成； 部分插图通过DeepSeek、智谱清言等大模型生成Python代码后运行导出； 文字内容与习题亦有多处经由

AIGC工具润色与辅助生成。可以说，本书本身就是人机协作探索知识创新的一次生动实践。

本书适合作为高校人工智能通识及相关课程教材，也可以作为人工智能初学者的参考书。

限于编者水平，书中难免存在不足之处，敬请读者批评指正。

 编者

2026年5月