生成式人工智慧基礎(雙色印刷新形態教材高等院校數字化人才培養創新教材)/人工智慧通識課系列

作者：孫丹楓//周蘇|責編:郝建偉//解芳
出版社：機械工業
ISBN：9787111783503

出版日期：2025/06/01
裝幀：平裝
頁數：239

人民幣：RMB 59.9 元售價：元

內容大鋼

生成式人工智慧是當今科技領域的前沿熱點技術。本書分為四個部分，共15章，全面系統地介紹了生成式AI的基礎理論、核心技術、應用場景以及社會影響，既突出生成式AI技術，又重視AIGC應用，旨在為讀者提供一個全面、深入且實用的學習平台，幫助讀者快速掌握生成式AI和AIGC的精髓及其在各領域的應用實踐。
本書內容豐富、結構清晰、理論與實踐相結合，既適合本科院校、職業院校相關專業的師生作為教材使用，也適合AI領域從業者、研究人員以及對AI技術感興趣的讀者自學參考。通過閱讀本書，讀者將能夠全面了解生成式AI的核心技術與應用實踐，掌握其在各領域的創新應用，為未來的職業發展和個人成長奠定堅實的基礎。

作者介紹

孫丹楓//周蘇|責編:郝建偉//解芳

前言
第1章  人工智慧基礎
  1.1  電腦的淵源
    1.1.1  通用電腦
    1.1.2  電腦的定義
  1.2  大數據基礎
    1.2.1  大數據的定義
    1.2.2  大數據的3V特徵
  1.3  AI時代
    1.3.1  圖靈測試及其發展
    1.3.2  AI的定義
    1.3.3  實現AI的三種途徑
  1.4  機器學習與深度學習
    1.4.1  機器學習
    1.4.2  深度學習
    1.4.3  機器學習與深度學習的關係
  1.5  人工智慧發展中的「中國風」
    1.5.1  世界AI發展的排頭兵
    1.5.2  AI領域的「東方神秘力量」
    1.5.3  基於量化「幻方」的深度求索
    1.5.4  宇樹科技與四足機器人
    1.5.5  遊戲科學與《黑神話：悟空》
    1.5.6  全球最大可交互三維能力的群核科技
    1.5.7  中國AI企業應有的自信
  【作業】
  【研究性學習】探索AI在日常生活中的應用
第2章  生成式AI與AIGC
  2.1  Blockhead思維實驗
  2.2  從自然語言處理起步
    2.2.1  NLP研究內容
    2.2.2  深度學習的影響
    2.2.3  LLM崛起
    2.2.4  LLM特徵
  2.3  生成式人工智慧
    2.3.1  什麼是判別式AI
    2.3.2  定義生成式AI
    2.3.3  生成式AI的層次
    2.3.4  定義AIGC
    2.3.5  生成式AI與AIGC的關係
  2.4  智能內容生成
    2.4.1  內容孿生
    2.4.2  內容編輯
    2.4.3  內容理解
  2.5  生成式AI應用場景
  【作業】
  【研究性學習】熟悉阿里雲大模型「通義千問」
第3章  大語言模型技術
  3.1  演算法、算力與算料
    3.1.1  演算法：人工智慧的智慧之源
    3.1.2  算力：人工智慧的動力引擎

    3.1.3  算力中的GPU
    3.1.4  DeepSeek帶來的啟迪
    3.1.5  算料：人工智慧的燃料之源
  3.2  LLM的工作原理
    3.2.1  詞元及其標記化
    3.2.2  基礎模型
    3.2.3  詞嵌入及其含義
    3.2.4  生成和理解
    3.2.5  預訓練與微調
  3.3  生成對抗網路
    3.3.1  GAN的基本原理
    3.3.2  GAN的訓練過程
    3.3.3  不同類型的GAN
  3.4  變分自編碼器
    3.4.1  VAE的工作機制
    3.4.2  潛在空間探索
  3.5  流模型
    3.5.1  流模型應用場景
    3.5.2  流模型應用案例
  3.6  語言模型基礎
  3.7  接入LLM的幾種方法
    3.7.1  個人直接使用平台功能
    3.7.2  通過平台搭建智能體
    3.7.3  通過API調用
    3.7.4  私有化本地部署
    3.7.5  通過雲服務商間接部署
    3.7.6  漸進式接入
  3.8  LLM的幻覺
    3.8.1  產生幻覺的原因
    3.8.2  減輕幻覺
  【作業】
  【研究性學習】LLM典型案例分析
第4章  提示工程與技巧
  4.1  提示工程的定義
  4.2  提示的原理
    4.2.1  提示詞分類
    4.2.2  提示構成
    4.2.3  提示調優
  4.3  提示工程技術
    4.3.1  鏈式思考提示
    4.3.2  生成知識提示
    4.3.3  少樣本提示
    4.3.4  自一致提示
    4.3.5  思維樹提示
  4.4  提示學習和語境學習
    4.4.1  提示學習
    4.4.2  語境學習
  4.5  提示詞寫作技巧
    4.5.1  提示詞框架推薦
    4.5.2  提示詞實踐技巧

  【作業】
  【研究性學習】練習撰寫提示詞
第5章  文本生成技術
  5.1  典型的語言模型方法
    5.1.1  基於規則的方法
    5.1.2  統計語言模型
    5.1.3  循環神經網路及其變體
  5.2  Transformer模型
    5.2.1  位置編碼機制
    5.2.2  自注意力機制
    5.2.3  Transformer過程
    5.2.4  Transformer結構
    5.2.5  Transformer模塊
  5.3  混合模型
  5.4  典型的文本生成技術
    5.4.1  文本摘要技術
    5.4.2  詩歌生成
    5.4.3  簡單對話系統
    5.4.4  翻譯任務中的應用
  【作業】
  【研究性學習】熟悉AI助手Kimi
第6章  圖像生成技術
  6.1  圖像生成的模型
    6.1.1  擴散模型
    6.1.2  自回歸模型
    6.1.3  圖像生成的代表性模型
  6.2  圖像生成的應用場景
  6.3  圖像風格遷移
    6.3.1  基本原理
    6.3.2  代表性演算法
  6.4  超解析度重建
    6.4.1  基本原理
    6.4.2  傳統方法
    6.4.3  基於學習的方法
  6.5  視頻生成
    6.5.1  主要方法
    6.5.2  代表性演算法
  6.6  醫療影像合成
    6.6.1  主要方法
    6.6.2  代表性演算法
  6.7  挑戰與未來發展
  【作業】
  【研究性學習】基於深度學習的圖像生成
第7章  音頻生成技術
  7.1  定義音頻生成技術
    7.1.1  音頻與音樂
    7.1.2  核心生成技術
  7.2  波形建模
  7.3  音樂旋律生成
  7.4  語音合成

    7.4.1  基本原理
    7.4.2  主要方法
    7.4.3  合成質量
    7.4.4  用戶定製
  7.5  音頻增強與修復
    7.5.1  雜訊減少
    7.5.2  回聲消除
    7.5.3  音頻修復
    7.5.4  動態範圍壓縮
    7.5.5  等化
    7.5.6  時間拉伸與音高轉換
    7.5.7  用戶交互與自動化
  【作業】
  【研究性學習】探索音樂旋律生成模型
第8章  多模態生成技術
  8.1  多模態生成概述
    8.1.1  技術基礎
    8.1.2  模型結構融合策略
  8.2  視覺與文本結合
    8.2.1  圖像字幕生成
    8.2.2  視覺問答
    8.2.3  文生圖的合成與編輯
    8.2.4  生成中的情感一致性
    8.2.5  案例：Muse文生圖模型
  8.3  跨媒體內容生成
    8.3.1  圖像到文本生成
    8.3.2  跨媒體翻譯
    8.3.3  多模態對話系統
  8.4  智能感知與響應
    8.4.1  技術基礎
    8.4.2  制定響應決策
  8.5  應用與發展
    8.5.1  多模態生成的應用場景
    8.5.2  技術挑戰與發展趨勢
  【作業】
  【研究性學習】多模態生成技術應用—「情感音樂可視化」
第9章  AIGC促進文化創意
  9.1  文化創意應用場景
  9.2  文學創作
    9.2.1  AIGC用於文學創作
    9.2.2  自動化寫作工具
    9.2.3  激發創意靈感
  9.3  視覺藝術
    9.3.1  圖像生成與編輯
    9.3.2  風格遷移
    9.3.3  VR與AR
    9.3.4  AI繪圖工具
    9.3.5  AIGC生成視頻
  9.4  音樂與音頻製作
    9.4.1  自動作曲

    9.4.2  效果遷移與融合
    9.4.3  音頻處理與配樂
    9.4.4  智能混音與母帶處理
    9.4.5  互動式音樂體驗
  9.5  影視娛樂
    9.5.1  劇本開發與優化
    9.5.2  視覺效果生成
    9.5.3  智能剪輯與敘事結構
    9.5.4  互動式影視體驗
  9.6  AIGC帶來新商業模式
    9.6.1  基於訂閱的內容即服務
    9.6.2  微內容與短格式媒體
    9.6.3  版權保護與交易機制
  【作業】
  【研究性學習】文生圖：註冊使用Midjourney繪圖工具
第10章  AIGC改善醫療健康
  10.1  關於循證醫學
  10.2  AIGC在醫療行業中的應用
    10.2.1  主要應用場景
    10.2.2  展望與挑戰
  10.3  AIGC加速藥物發現
    10.3.1  AIGC用於藥物發現
    10.3.2  為流程各階段增加價值
    10.3.3  AIGC助力藥物研究
  10.4  AIGC應用在健康領域
    10.4.1  個性化健康管理
    10.4.2  健康教育與咨詢
    10.4.3  康復與治療支持
  10.5  醫療健康應用案例
    10.5.1  醫學影像診斷系統
    10.5.2  智能病歷管理系統
  【作業】
  【研究性學習】AIGC輔助臨床醫學決策
第11章  AIGC造就智慧城市
  11.1  智能交通概述
    11.1.1  智能交通要素
    11.1.2  關鍵技術
    11.1.3  主要應用
  11.2  AIGC用於智能交通
  11.3  AIGC與自動駕駛
    11.3.1  車聯網技術概述
    11.3.2  AIGC應用於自動駕駛
  11.4  智能城市與AIGC
    11.4.1  智慧城市關鍵特點
    11.4.2  智慧城市主要組成
    11.4.3  AIGC應用於智慧城市
  【作業】
  【研究性學習】AIGC智能交通應用案例分析
第12章  AIGC提升金融服務
  12.1  金融服務概述

  12.2  AIGC應用於金融服務
    12.2.1  智能客服
    12.2.2  風險評估
    12.2.3  個性化推薦
    12.2.4  智能投顧
    12.2.5  反欺詐系統
  12.3  案例：智投寶智能投顧平台
  12.4  案例：智安盾金融反欺詐系統
  【作業】
  【研究性學習】AIGC在金融服務中的應用探索
第13章  AIGC提高科研水平
  13.1  AIGC應用於設計
    13.1.1  AIGC的設計應用場景
    13.1.2  AIGC與設計師的協同模式
  13.2  數據增強與模擬
    13.2.1  數據增強
    13.2.2  科學模擬
    13.2.3  自動化實驗設計
    13.2.4  模型訓練與改進
    13.2.5  理論驗證與假設測試
  13.3  合作與共享
    13.3.1  跨學科合作
    13.3.2  科研文獻管理
    13.3.3  開放科學與共享平台建設
  13.4  AIGC科研應用案例
    13.4.1  生命科學案例
    13.4.2  材料科學案例
    13.4.3  環境科學案例
    13.4.4  社會科學案例
    13.4.5  物理科學案例
  【作業】
  【研究性學習】AIGC在科研中的應用探索
第14章  倫理與法律考量
  14.1  AIGC面臨的倫理挑戰
  14.2  數據隱私保護對策
    14.2.1  數據主權和數據權問題
    14.2.2  數據利用失衡問題
    14.2.3  構建隱私保護倫理準則
    14.2.4  健全道德倫理約束機制
  14.3  AI倫理原則
    14.3.1  職業倫理準則的目標
    14.3.2  創新發展道德倫理宣言
    14.3.3  歐盟可信賴的倫理準則
    14.3.4  封禁存在「不可接受風險」AI系統
  14.4  LLM的知識產權保護
    14.4.1  LLM的訴訟案例
    14.4.2  尊重隱私，保障安全，促進開放
    14.4.3  邊緣群體的數字平等
  【作業】
  【研究性學習】AI獨立完成的視覺藝術品無法獲得版權

第15章  面向AGI
  15.1  生成式AI進步
  15.2  AGI的湧現
    15.2.1  AGI的定義
    15.2.2  龍頭企業對AGI的認識
  15.3  LLM與AGI
  15.4  生成式AI與AGI
  15.5  從生成式AI邁向AGI
    15.5.1  邁向AGI的關鍵要素
    15.5.2  面臨的挑戰
    15.5.3  潛在的發展路徑
  15.6  AI的未來發展
  【作業】
  【課程學習與實踐總結】
參考文獻

同類熱銷排行榜

最近瀏覽的商品

生成式人工智慧基礎(雙色印刷新形態教材高等院校數字化人才培養創新教材)/人工智慧通識課系列