目錄
理論篇
第1章 人工智慧發展概述
1.1 人工智慧的定義與日常應用實例
1.2 從圖靈測試到DeepSeek
1.2.1 圖靈測試
1.2.2 人工智慧的第一次興起和低谷
1.2.3 人工智慧的第二次興起和低谷
1.2.4 人工智慧的第三次興起
1.2.5 人工智慧的當代發展
1.3 人工智慧的支撐體系
1.3.1 演算法的作用
1.3.2 數據的重要性
1.3.3 算力的進步
1.4 當代人工智慧突破的關鍵要素
1.5 本章小結
1.6 習題
第2章 機器學習的基礎知識
2.1 機器學習的定義、分類與基本概念
2.1.1 機器學習的定義
2.1.2 機器學習的分類
2.1.3 機器學習中的基本概念
2.2 經典機器學習演算法
2.2.1 線性模型
2.2.2 決策樹與集成演算法
2.2.3 支持向量機
2.2.4 聚類演算法
2.2.5 降維方法
2.3 神經網路與深度學習
2.3.1 神經網路的基本結構
2.3.2 深度學習框架
2.3.3 卷積神經網路
2.3.4 循環神經網路和自然語言處理
2.4 強化學習的反饋訓練機制
2.4.1 強化學習的基本概念
2.4.2 經典強化學習演算法
2.4.3 應用場景與案例
2.4.4 強化學習的挑戰與未來方向
2.5 本章小結
2.6 習題
第3章 生成式人工智慧
3.1 生成對抗網路與擴散模型原理
3.2 大語言模型架構與對話機制
3.2.1 大語言模型的結構
3.2.2 對話系統的實現原理
3.3 多模態生成技術的實現
3.3.1 多模態生成的基礎
3.3.2 多模態生成的應用
3.4 生成系統的可靠性驗證方法
3.5 本章小結
3.6 習題
第4章 智能體系統與實體應用
4.1 軟體智能體的工作機制
4.1.1 軟體智能體的定義與特點
4.1.2 智能體的感知、決策與執行過程
4.1.3 基於規則與學習的智能體系統
4.1.4 常見的軟體智能體架構與應用場景
4.1.5 通用型AI智能體Manus
4.2 具身智能體的感知與交互系統
4.2.1 具身智能體的概念與發展背景
4.2.2 感知系統
4.2.3 具身智能體的應用
4.3 群體智能協同演算法研究
4.3.1 群體智能的基本概念與應用場景
4.3.2 群體智能中的個體行為與集�
[