第一章 人工智能基本内涵
第一节 什么是人工智能
一、人工智能的定义与目标
二、人工智能的学科范畴
第二节 人工智能的分类、要素与特征
一、人工智能的分类
二、人工智能的要素
三、人工智能的特征
第三节 人工智能与人类智能
一、AI与人类智能的联系
二、AI与人类智能的区别
第二章 人工智能发展简史
第一节 人工智能孕育与诞生
一、早期思想萌芽
二、达特茅斯会议：AI的诞生
第二节 人工智能黄金时代与第一次低谷
一、早期探索与成就
二、遭遇瓶颈与期望破灭
第三节 人工智能专家系统与第二次繁荣
一、知识工程的兴起
二、专家系统的商业化应用
第四节 人工智能统计学习与深度学习革命
一、机器学习的崛起
二、深度学习带来的突破
三、AlphaGo的里程碑意义
第五节 人工智能大模型时代与未来
一、生成式AI的浪潮
二、生成式AI发展历程的启示
第三章 人工智能核心思想
第一节 人工智能符号主义：基于规则的智能
一、知识表示方法
二、逻辑推理引擎
三、案例：专家系统如何工作
第二节 人工智能连接主义：基于数据的智能
一、神经网络的基本原理
二、从数据中学习模式
三、案例：图像识别中的猫狗分类
第三节 人工智能行为主义：基于交互的智能
一、智能体与环境
二、“试错”与奖励机制
三、案例：游戏AI如何学习通关
第四章 机器学习基础
第一节 机器学习概述
一、什么是机器学习
二、数据、特征与模型
第二节 监督学习
一、基本思想：从有标签的数据中学习
二、典型任务：分类与回归
三、应用案例：垃圾邮件过滤
第三节 无监督学习
一、基本思想：发现数据中的内在结构
二、典型任务：聚类与降维
三、应用案例：用户画像分析
第四节 强化学习
一、基本思想：通过与环境交互学习策略
二、核心要素：智能体、状态、动作、奖励
三、应用案例：机器人路径规划
第五章 生成式人工智能原理
第一节 生成式AI概述
一、生成式AI与判别式AI
二、生成式AI的核心能力：“创造”
第二节 大语言模型（LLM）
一、LLM的基本概念
二、从文本中学习语言规律
第三节 Transformer架构思想
一、注意力机制的通俗理解
二、Transformer如何处理序列数据
第四节 提示工程入门
一、什么是提示（Prompt）
二、如何与AI高效互动
第六章 生成式人工智能应用
第一节 文本生成应用
一、智能写作与内容创作
二、对话式AI与聊天机器人
三、代码生成与编程辅助
第二节 图像生成应用
一、AI绘画与艺术创作
二、图像编辑与设计辅助