目    录

第1章  信息技术基础 1

1.1  计算机系统 2

1.1.1  计算机的发展历程 2

1.1.2  计算机的工作原理 6

1.1.3  计算机硬件系统 6

1.1.4  计算机软件系统 8

1.2  计算机数据的存储 9

1.2.1  进位计数制的概念 9

1.2.2  各种数制间的转换 11

1.2.3  信息编码 13

1.3  WPS文字软件的应用 15

1.3.1  WPS文字的简单应用 16

1.3.2  WPS文字的高级应用 17

1.3.3  WPS AI在WPS文字中的应用 20

1.4  WPS表格软件的应用 21

1.4.1  WPS表格的简单应用 21

1.4.2  WPS表格的高级应用 23

1.4.3  WPS AI在WPS表格中的应用 25

1.5  WPS演示软件的应用 26

1.5.1  WPS演示的简单应用 27

1.5.2  WPS演示的高级应用 29

1.5.3  WPS AI在WPS演示中的应用 31

1.6  实战练习 32

1.7  实战训练 33

本章小结 34

第2章  人工智能基础 35

2.1  什么是人工智能 36

2.1.1  人工智能的概念 36

2.1.2  人工智能的基本特征 37

2.2  人工智能的发展历程 37

2.2.1  起步发展期(20世纪50年代至20世纪60年代初) 39

2.2.2  反思发展期(20世纪60年代至20世纪80年代初) 39

2.2.3  应用发展期(20世纪80年代初至20世纪80年代中期) 40

2.2.4  低迷发展期(20世纪80年代中期至20世纪90年代中期) 40

2.2.5  复苏发展期(20世纪90年代中期至2010年) 40

2.2.6  蓬勃发展期(2010年至今) 41

2.3  主流的人工智能学派 41

2.3.1  符号主义 42

2.3.2  连接主义 42

2.3.3  行为主义 43

2.4  人工智能的应用领域 45

2.5  实战练习 48

2.6  实战训练 49

本章小结 50

第3章  人工智能三要素 52

3.1  数据 53

3.1.1  认识AI世界里的数据 53

3.1.2  数据的常见分类 54

3.1.3  AI数据来源 56

3.1.4  AI数据的基本要求 58

3.1.5  数据处理基础流程 60

3.2  算法 62

3.2.1  初识人工智能算法 62

3.2.2  人工智能算法的基本思维逻辑 66

3.2.3  人工智能算法三大类别 66

3.2.4  主流人工智能算法 68

3.3  算力 70

3.3.1  认识算力：AI 的动力源泉 70

3.3.2  算力的分类 72

3.3.3  承载算力的常见硬件设备 75

3.3.4  算力的三大应用形态 77

3.4  实战练习 79

本章小结 80

第4章  自然语言处理 81

4.1  自然语言处理概述 83

4.1.1  什么是自然语言处理 83

4.1.2  自然语言处理的发展历程 84

4.1.3  自然语言处理的主要任务 85

4.1.4  自然语言处理的技术难点 87

4.1.5  自然语言处理与人工智能的关系 88

4.2  语音识别 89

4.2.1  什么是语音识别 89

4.2.2  语音识别的工作流程 90

4.2.3  语音识别技术的发展 91

4.2.4  生活中的语音识别案例 93

4.2.5  语音识别的局限性与未来趋势 94

4.3  自然语言理解 94

4.3.1  什么是自然语言理解 94

4.3.2  自然语言理解的核心任务 95

4.3.3  自然语言理解的技术原理 96

4.3.4  生活中的自然语言理解案例 97

4.3.5  自然语言理解的难点与未来趋势 98

4.4  语音合成 98

4.4.1  什么是语音合成 98

4.4.2  语音合成技术的发展历程 99

4.4.3  生活中的语音合成案例 99

4.4.4  语音合成的核心技术细节 100

4.4.5  看图写诗——体验NLP文本生成能力 101

4.4.6  情感分析——体验NLP数据分析能力 103

4.4.7  前沿讨论：AI语音克隆——是便利还是隐患？ 106

4.5  实战练习 108

4.6  实战训练 109

本章小结 110

第5章  计算机视觉——让AI拥有“眼睛” 111

5.1  计算机视觉概述 112

5.1.1  什么是计算机视觉 112

5.1.2  计算机视觉的核心任务 113

5.1.3  计算机视觉正在改变哪些行业 114

5.1.4  计算机视觉与多模态学习的融合 115

5.2  人脸识别原理 115

5.2.1  人脸识别概述 115

5.2.2  人脸识别全流程 115

5.2.3  活体检测技术 117

5.2.4  人脸识别落地应用 117

5.2.5  人脸识别安全与隐私规范 118

5.3  图像分类——让AI认出万物 119

5.3.1  图像分类的核心任务 119

5.3.2  卷积神经网络：计算机的图像视觉逻辑 120

5.3.3  迁移学习：无须从零开始训练的高效学习方式 121

5.3.4  【项目实训1】生活垃圾分类识别 122

5.4  目标检测——让AI定位画面中的目标物体 124

5.4.1  目标检测：兼具分类与定位功能的进阶视觉技术 124

5.4.2  目标检测的生活化应用场景 125

5.4.3  【项目实训2】行人车辆检测与计数 126

5.5  光学字符识别——让AI读懂文本信息 131

5.5.1  光学字符识别：赋予AI文本读取能力 131

5.5.2  【项目实训3】证件信息自动提取 132

5.6  图像生成——赋能AI创意创作 133

5.6.1  图像生成技术发展与原理 134

5.6.2  主流图像生成工具与调用方法 134

5.6.3  图像生成技术的应用场景与规范边界 135

5.6.4  【项目实训4】AI辅助节日海报设计 136

5.7  前沿探索：视觉大模型与多模态智能应用 137

5.7.1  视觉大模型的核心概念与经典模型 137

5.7.2  多模态视觉应用实践初探 138

5.8  实战练习 139

5.9  实战训练 140

本章小结 141

第6章  生成式人工智能 142

6.1  AI与AIGC概述 143

6.2  AIGC的相关技术原理 144

6.2.1  Transformer架构 144

6.2.2  大语言模型 144

6.2.3  多模态大模型 145

6.2.4  扩散模型 145

6.3  AIGC平台及工具 146

6.4  AIGC文案创作 146

6.5  AIGC图像创作 150

6.6  AIGC音频创作 153

6.6.1  AI配音 154

6.6.2  AI音乐生成 154

6.6.3  声音克隆 154

6.7  AIGC视频创作 157

6.8  AIGC应用综合实训 161

6.8.1  实训目标 161

6.8.2  实训任务 161

6.8.3  实训步骤 161

6.8.4  实训总结 162

6.9  实战练习 162

6.10  实战训练 163

本章小结 163

第7章  AI智能体搭建与应用 165

7.1  认识智能体 166

7.1.1  智能体的基本概念及工作原理 166

7.1.2  智能体的特点 166

7.1.3  智能体的功能 166

7.1.4  智能体开发平台 167

7.2  扣子编程开发环境 167

7.2.1  智能体和AI应用 167

7.2.2  扣子编程的平台架构 167

7.2.3  注册与登录扣子编程 168

7.2.4  扣子编程开发界面与功能模块 168

7.3  搭建智能体 170

7.3.1  搭建页面 170

7.3.2  设计提示词 172

7.3.3  配置能力 174

7.3.4  预览与调试 176

7.3.5  发布智能体 178

7.4  搭建智能应用平台 180

7.4.1  搭建文案生成智能体 180

7.4.2  搭建图文生成智能体 184

7.4.3  搭建视频生成智能体 188

7.4.4  搭建智能服务智能体 192

7.4.5  搭建旅行规划智能体 196

7.4.6  智能体的多平台分发 200

7.5  基于知识库构建智能体 203

7.5.1  知识库与RAG基础 203

7.5.2  智能体为什么需要知识库 204

7.5.3  创建和管理知识库 204

7.5.4  在智能体中使用知识库 205

7.6  实战练习 206

7.7  实战训练 207

本章小结 207

第8章  人工智能伦理与法律 209

8.1  人工智能伦理与法律概述 210

8.1.1  基本概念 210

8.1.2  人工智能伦理的核心原则 210

8.1.3  人工智能面临的典型伦理风险 211

8.1.4  人工智能法律治理的价值与作用 212

8.2  人工智能核心伦理风险与治理路径 212

8.2.1  算法偏见与公平性治理 212

8.2.2  隐私保护与数据合规治理 213

8.2.3  深度合成与内容安全治理 214

8.2.4  知识产权与AI生成内容治理 214

8.2.5  AI责任归属与风险承担 215

8.3  人工智能法律框架与核心法规 216

8.3.1  我国人工智能法律治理体系 216

8.3.2  核心法律法规要点解读 217

8.3.3  全球人工智能治理模式对比 218

8.4  智能体开发中的伦理与法律实践 220

8.4.1  智能体全生命周期合规框架 220

8.4.2  多模态智能体专项合规要求 223

8.5  负责任AI开发实践与典型案例 224

8.5.1  负责任AI开发五步法 224

8.5.2  合规智能体开发正面案例 225

8.5.3  违规风险警示案例 225

8.6  实战练习 226

8.7  实战训练 227

本章小结 228

参考文献 229