本书通过深入浅出的方式，系统介绍了人工智能的基本概念、发展历程、主要流派和关键技术，使读者能够快速了解人工智能的全貌，为后续深入学习打下基础。全书共十二章，内容涵盖人工智能的基本理论和核心技术，以及人工智能在各领域的应用。具体包括概述、表示与理解、机器学习、深度学习、计算机视觉、自然语言处理、大语言模型、知识图谱、智能语音、无人驾驶与无人机、智能穿戴和人工智能安全与伦理。
本书是人工智能学科的“零基础”入门级教材，可以作为高等院校人工智能专业、计算机科学与技术专业、大数据专业、软件工程专业等相关专业的教材和参考书，也可以作为人工智能爱好者及相关研究人员、企事业单位相关专业人员进行人工智能开发研究工作的参考资料。

第1章 人工智能概述
1.1 人工智能的定义与范畴
1.1.1 人工智能的定义
1.1.2 人工智能的三大流派
1.1.3 人工智能的研究领域
1.2 人工智能的历史与发展
1.2.1 人工智能的起源与早期发展
1.2.2 人工智能的“寒冬”与复兴
1.2.3 人工智能的挑战与机遇
1.3 人工智能发展趋势
1.3.1 技术发展趋势
1.3.2 应用发展趋势
习题
第2章 表示与理解
2.1 知识表示及方法
2.1.1 知识与知识表示的概念
2.1.2 语义网络
2.1.3 一阶谓词逻辑
2.1.4 产生式表示法
2.1.5 框架表示法
2.2 推理方法及实现
2.2.1 推理方式及分类
2.2.2 确定性推理
2.2.3 非确定性推理
2.3 搜索策略及算法
2.3.1 状态空间表示法
2.3.2 盲目搜索
2.3.3 启发式搜索
习题
第3章 机器学习
3.1 机器学习概念与分类
3.1.1 有监督学习
3.1.2 无监督学习
3.1.3 弱监督学习
3.1.4 集成学习
3.1.5 迁移学习
3.1.6 强化学习
3.2 群体智能
3.2.1 群体智能概述
3.2.2 群体智能算法
习题
第4章 深度学习
4.1 神经网络概述
4.1.1 神经网络的基本原理
4.1.2 激活函数的作用与种类
4.1.3 损失函数与优化算法
4.2 深度学习算法
4.2.1 反向传播算法
4.2.2 卷积神经网络
4.2.3 循环神经网络
4.2.4 长短期记忆网络
4.2.5 生成对抗网络
4.2.6 注意力机制
4.3 深度学习框架
4.3.1 TensorFlow
4.3.2 Keras
4.3.3 MXNet
4.3.4 PyTorch
4.4 库管理工具：Anaconda
习题
第5章 计算机视觉
5.1 计算机视觉的基本原理
5.1.1 智能视觉技术
5.1.2 传统的数字图像处理技术
5.1.3 智能视觉系统
5.2 智能视觉模型和关键技术
5.2.1 深度学习模型
5.2.2 特征提取与物体识别
5.2.3 YOLO 模型
5.2.4 三维视觉技术
5.3 智能视觉典型应用案例
5.3.1 文本生成图像
5.3.2 三维场景重建
习题
第6章 自然语言处理
6.1 语言学基础
6.1.1 语言学的核心概念
6.1.2 语法与句法结构
6.1.3 语义与语用分析
6.1.4 词汇学与词典学简介
6.1.5 语言多样性
6.2 文本预处理
6.2.1 文本清洗与规范化
6.2.2 分词与词性标注
6.2.3 停用词与词干提取
6.2.4 文本向量化与特征工程
6.2.5 数据增强与平衡策略
6.3 相关模型与技术
6.3.1 词嵌入技术
6.3.2 注意力机制
6.3.3 文本生成技术
6.4 下游任务
6.4.1 命名实体识别
6.4.2 文本分类与情感分析
6.4.3 问答系统
6.4.4 机器翻译
习题
第7章 大语言模型
7.1 大语言模型概述
7.1.1 什么是大语言模型？
7.1.2 LLMs 的历史与发展
7.2 主流大语言模型概览
7.2.1 GPT 系列大语言模型
7.2.2 BERT 及其衍生模型解析
7.2.3 T5、ERNIE、ViT 等先进模型介绍
7.2.4 国内外大语言模型的特点对比
7.3 大语言模型的训练与优化
7.3.1 数据准备与预处理
7.3.2 损失函数与优化算法
7.3.3 分布式训练与模型并行化
7.3.4 模型压缩与轻量化技术
7.3.5 评估方法与指标
7.4 大语言模型的应用案例
7.4.1 对话系统
7.4.2 信息检索
7.4.3 文本生成
习题
第8章 知识图谱
8.1 知识图谱的演变
8.2 图结构与图查询
8.2.1 RDF 图
8.2.2 属性图
8.2.3 图查询语言
8.3 知识图谱构建技术
8.3.1 信息抽取
8.3.2 知识融合
8.3.3 知识加工
8.3.4 跨语言知识图谱构建
8.4 知识图谱表示学习
8.4.1 知识图谱嵌入的概念
8.4.2 知识图谱嵌入的主要方法
8.4.3 知识图谱嵌入的下游任务
8.5 知识图谱推理
8.5.1 基于图结构的推理
8.5.2 基于规则学习的推理
8.5.3 基于表示学习的推理
8.6 知识图谱的应用 159　 　
8.6.1 智能语义搜索问答系统
8.6.2 基于知识图谱的个性化推荐
8.6.3 多模态与跨语言知识图谱
8.6.4 知识图谱增强AI 系统的语义理解
习题
第9章 智能语音
9.1 智能语音概述
9.2 智能语音关键技术
9.2.1 智能语音识别技术
9.2.2 语音合成技术
9.3 语音增强方法
9.3.1 语音信号增强
9.3.2 语音质量评价
9.4 智能语音发展趋势
习题
第10章 无人驾驶与无人机
10.1 无人驾驶系统概述
10.1.1 无人驾驶的起源与发展背景
10.1.2 无人驾驶的定义
10.1.3 无人驾驶应用场景
10.2 无人驾驶关键技术
10.2.1 无人驾驶中的环境感知
1