目 录

第1章 人工智能认知…………………………………………………………………… 1

1.1 概念与定义 ……………………………………………………………………… 1

1.1.1 人工智能概念 …………………………………………………………… 1

1.1.2 强人工智能和弱人工智能 ………………………………………………… 3

1.1.3 人工智能的核心目标 ……………………………………………………… 5

1.2 人工智能发展简史………………………………………………………………… 7

1.2.1 萌芽期(1950—1980年)…………………………………………………… 7

1.2.2 低谷期与复兴期(1990—2010年) ………………………………………… 9

1.2.3 爆发期(2020年至今) …………………………………………………… 11

1.3 人工智能基础知识 ……………………………………………………………… 13

1.3.1 机器学习与深度学习的区别 ……………………………………………… 13

1.3.2 人工智能的核心分支 …………………………………………………… 14

1.3.3 人工智能的典型输入与输出 ……………………………………………… 16

第2章 机器学习基础 ………………………………………………………………… 18

2.1 机器学习 ……………………………………………………………………… 19

2.1.1 机器学习概念 …………………………………………………………… 19

2.1.2 监督学习与无监督学习 ………………………………………………… 20

2.1.3 分类问题与回归问题 …………………………………………………… 21

2.2 经典算法 ……………………………………………………………………… 23

2.2.1 决策树与随机森林 ……………………………………………………… 23

2.2.2 K 近邻与聚类 …………………………………………………………… 28

第3章 深度学习 ……………………………………………………………………… 34

3.1 深度学习简述 …………………………………………………………………… 34

3.1.1 神经元的基本概念 ……………………………………………………… 34

3.1.2 多层神经网络 …………………………………………………………… 35

3.1.3 非线性激活函数 ………………………………………………………… 35

3.1.4 神经网络输出 …………………………………………………………… 36

Ⅹ

3.2 深度学习关键技术 ……………………………………………………………… 37

3.2.1 损失函数 ……………………………………………………………… 37

3.2.2 梯度下降优化 …………………………………………………………… 38

3.2.3 反向传播 ……………………………………………………………… 40

3.3 常见的神经网络结构 …………………………………………………………… 41

3.3.1 多层感知机 ……………………………………………………………… 41

3.3.2 卷积神经网络 …………………………………………………………… 42

3.3.3 循环神经网络 …………………………………………………………… 44

第4章 大模型 ………………………………………………………………………… 46

4.1 大模型概述 ……………………………………………………………………… 46

4.1.1 什么是大模型 …………………………………………………………… 46

4.1.2 大模型与小模型的区别 ………………………………………………… 48

4.1.3 大模型的发展历程 ……………………………………………………… 49

4.1.4 人工智能与大模型的关系 ……………………………………………… 49

4.1.5 大模型在人工智能领域的重要性 ………………………………………… 50

4.2 大模型产品 ……………………………………………………………………… 50

4.2.1 国外的大模型产品 ……………………………………………………… 51

4.2.2 国内的大模型产品 ……………………………………………………… 52

4.3 大模型的基本原理 ……………………………………………………………… 52

4.3.1 Transformer架构 ……………………………………………………… 53

4.3.2 预训练与微调 …………………………………………………………… 54

4.3.3 大模型的核心特点 ……………………………………………………… 55

本章小结 ……………………………………………………………………… 56

第5章 AIGC与 DeepSeek应用 ……………………………………………………… 57

5.1 AIGC概述 ……………………………………………………………………… 57

5.1.1 什么是 AIGC …………………………………………………………… 57

5.1.2 AIGC与大模型的关系 …………………………………………………… 58

5.1.3 AIGC的发展历程 ……………………………………………………… 58

5.1.4 常见的 AIGC应用场景 ………………………………………………… 59

5.1.5 AIGC技术对行业发展的影响 …………………………………………… 62

5.1.6 AIGC技术对职业发展的影响 …………………………………………… 63

5.1.7 常见的 AIGC工具 ……………………………………………………… 64

5.1.8 AIGC大模型的提示词 …………………………………………………… 65

5.2 DeepSeek常见应用 ……………………………………………………………… 66

5.2.1 文本类 DeepSeek应用实践:生成学习笔记 ……………………………… 66

5.2.2 图片类 DeepSeek应用实践:设计活动海报 ……………………………… 66

5.2.3 语音类 DeepSeek应用实践:制作有声书片段 …………………………… 67

Ⅺ

5.2.4 视频类 DeepSeek应用实践:制作短视频脚本和素材 ……………………… 67

5.2.5 DeepSeek在辅助编程中的应用实践:生成 BMI计算代码 ………………… 68

本章小结 ……………………………………………………………………… 69

第6章 智能体 ………………………………………………………………………… 70

6.1 智能体概述 ……………………………………………………………………… 70

6.1.1 智能体概念 ……………………………………………………………… 70

6.1.2 智能体的发展历程 ……………………………………………………… 71

6.1.3 智能体的优势与应用 …………………………………………………… 72

6.2 智能体与人工智能的关系 ……………………………………………………… 72

6.2.1 智能体在 AI架构中的定位 ……………………………………………… 72

6.2.2 与其他 AI技术的协同关系 ……………………………………………… 73

6.3 智能体的核心特征 ……………………………………………………………… 73

6.3.1 自主感知与环境交互 …………………………………………………… 74

6.3.2 目标导向与任务执行 …………………………………………………… 74

6.3.3 持续学习与能力演化 …………………………………………………… 74

6.3.4 协作能力与人机互动 …………………………………………………… 74

6.4 智能体的分级与分类体系 ……………………………………………………… 75

6.4.1 能力分级模型 …………………………………………………………… 75

6.4.2 功能结构分类 …………………………………………………………… 76

6.4.3 应用场景维度分类 ……………………………………………………… 77

6.5 智能体的关键技术支撑 ………………………………………………………… 77

6.5.1 感知与识别技术 ………………………………………………………… 77

6.5.2 决策与规划技术 ………………………………………………………… 79

6.5.3 交互与学习能力 ………………………………………………………… 79

6.6 智能体产品与应用 ……………………………………………………………… 79

6.6.1 国外智能体产品 ………………………………………………………… 80

6.6.2 国内智能体产品 ………………………………………………………… 81

6.6.3 案例:扣子智能体搭建实践 ……………………………………………… 82

6.7 智能体的未来趋势 ……………………………………………………………… 90

6.7.1 技术演进方向 …………………………………………………………… 90

6.7.2 面临的挑战与发展瓶颈 ………………………………………………… 91

6.7.3 智能体的未来展望 ……………………………………………………… 91

本章小结 ……………………………………………………………………………… 92

第7章 具身智能 ……………………………………………………………………… 93

7.1 具身智能概述 …………………………………………………………………… 93

7.1.1 什么是具身智能 ………………………………………………………… 93

Ⅻ

7.1.2 具身智能和智能体的关系 ……………………………………………… 94

7.1.3 具身智能的发展历程 …………………………………………………… 94

7.1.4 具身智能在人工智能中的地位与作用 …………………………………… 95

7.2 具身智能的技术支撑 …………………………………………………………… 95

7.2.1 传感器技术:感知世界的触角 …………………………………………… 96

7.2.2 机器学习与强化学习 …………………………………………………… 97

7.2.3 机器人技术:具身的物理载体 …………………………………………… 98

7.3 具身智能的应用领域 …………………………………………………………… 98

7.3.1 人机交互与协作 ………………………………………………………… 98

7.3.2 自主系统与导航 ………………………………………………………… 99

7.3.3 医疗健康 ……………………………………………………………… 100

7.3.4 娱乐与教育 …………………………………………………………… 100

7.4 人形机器人 …………………………………………………………………… 101

7.4.1 人形机器人的内涵……………………………………………………… 101

7.4.2 人形机器人的发展阶段 ………………………………………………… 102

7.4.3 人形机器人的分类……………………………………………………… 103

7.4.4 典型人形机器人 ……………………………………………………… 104

7.5 具身智能的挑战与限制 ………………………………………………………… 107

7.5.1 技术挑战 ……………………………………………………………… 107

7.5.2 伦理与法律问题 ……………………………………………………… 107

7.5.3 社会接受度与影响……………………………………………………… 108

本章小结 …………………………………………………………………………… 108

第8章 深度学习实践………………………………………………………………… 110

8.1 图像分类实践 ………………………………………………………………… 110

8.1.1 MNIST手写数字分类实践……………………………………………… 110

8.1.2 CIFAR-10分类实践 …………………………………………………… 114

8.2 语义分割实践 ………………………………………………………………… 118

8.2.1 U-Net医学图像分割实践 ……………………………………………… 118

8.2.2 DeepLabV3铁轨缺陷分割实践 ………………………………………… 122

8.3 目标跟踪实践 ………………………………………………………………… 125

8.3.1 深度学习单目标跟踪算法实践 ………………………………………… 125

8.3.2 深度学习多目标跟踪算法实践 ………………………………………… 127

第9章 人工智能的伦理、法律和安全问题 ………………………………………… 130

9.1 人工智能伦理、法律与安全的基础认知 ………………………………………… 130

9.1.1 核心概念界定 ………………………………………………………… 130

9.1.2 研究价值 ……………………………………………………………… 131

􀃼

9.1.3 发展脉络:从萌芽到爆发的演进历程 …………………………………… 132

9.2 人工智能的核心伦理困境与应对思路 …………………………………………… 133

9.2.1 算法公平性问题:偏见的表现、成因与伦理准则 ………………………… 133

9.2.2 数据隐私保护:AI应用中的隐私风险与伦理边界 ……………………… 135

9.2.3 责任归属争议:AI决策失误的道德困境与界定逻辑 …………………… 135

9.3 人工智能的法律规制现状与关键议题 …………………………………………… 136

9.3.1 全球立法图景:主要国家和地区的差异化规制实践 ……………………… 136

9.3.2 核心法律争议:AI主体资格与责任划分的法律难题 …………………… 136

9.3.3 场景化法律边界:重点领域的规制要点 ………………………………… 137

本章小结 …………………………………………………………………………… 137

第10章 大模型应用 ………………………………………………………………… 138

10.1 大模型基础认知 ……………………………………………………………… 138

10.1.1 大模型的核心能力与局限性 ………………………………………… 138

10.1.2 DeepSeek结合本地知识库方法 ……………………………………… 141

10.2 提示词写作技巧精要 ………………………………………………………… 142

10.2.1 基础原则 …………………………………………………………… 143

10.2.2 高阶技巧 …………………………………………………………… 143

10.3 个人效率提升实践 …………………………………………………………… 145

10.3.1 办公场景 …………………………………………………………… 145

10.3.2 学习场景 …………………………………………………………… 153

10.4 行业赋能案例 ………………………………………………………………… 155

10.4.1 法律行业 …………………………………………………………… 155

10.4.2 电商行业 …………………………………………………………… 156

10.4.3 制造业 ……………………………………………………………… 158

10.5 DeepSeek与职业发展 ………………………………………………………… 160

10.5.1 新兴岗位图谱 ……………………………………………………… 160

10.5.2 技能成长路径 ……………………………………………………… 161

参考文献………………………………………………………………………………… 164