第1章 人工智能是什么

1.1人工智能的界定与分类

1.1.1人工智能的核心定义及学术争议

1.1.2强人工智能与弱人工智能的理论分野

1.1.3通用人工智能与专用人工智能的工程实现路径

1.1.4分类的交叉与关系

1.2人机智能的本质比较

1.2.1智能构成要素的解构

1.2.2人类认知过程与机器学习机制对比

1.2.3智能差异性分析

1.3人工智能的核心特征与能力边界

1.3.1从环境响应到任务学习的演进路径

1.3.2数据驱动决策的机制与局限性

1.3.3多模态融合的跨模态关联挑战

【本章实训】 人工智能教学场景体验

第2章 为何学习人工智能

2.1技术革命的阶梯式演进逻辑

2.1.1工业革命的代际跃迁特征

2.1.2智能革命的划时代意义

2.2职业生态的结构性变革与素养升级

2.2.1职业形态的转型路径

2.2.2人机协同的素养范式重构

2.2.3全球智能素养政策的典型实践

2.3智能素养的四维能力建构框架

2.3.1技术认知能力

2.3.2工具应用能力

2.3.3创新开发能力

2.3.4伦理治理能力

【本章实训】 人工智能认知地图制作/46

第3章 人工智能如何演进至今

3.1智能思想的哲学奠基与数理准备

3.1.1亚里士多德形式逻辑的理性启蒙

3.1.2莱布尼茨通用符号演算的蓝图构想

3.1.3布尔代数的计算机逻辑实现路径

3.2计算理论与硬件体系的双重突破

3.2.1图灵机模型与可计算性理论

3.2.2冯·诺依曼体系架构的技术实现

3.2.3香农信息论对通信本质的揭示

3.3达特茅斯会议与人工智能学科诞生

3.4技术演进的波浪式发展规律

3.4.1逻辑推理主导的早期繁荣期（1956—1974）

3.4.2人工智能的第一次发展低谷（1974—1980）

3.4.3专家系统驱动的复兴浪潮（1980—1987）

3.4.4人工智能的第二次发展低谷（1987—1993）

3.5深度学习革命与大模型范式崛起

3.5.1神经网络的技术复兴与突破

3.5.2深度学习的技术跃迁

3.5.3大模型时代范式的确立

【本章实训】 人工智能发展历程可视化时间线

第4章 人工智能如何工作

4.1人工智能系统的核心要素构成

4.1.1应用场景的业务驱动逻辑

4.1.2算法模型的技术实现路径

4.1.3数据资源的治理与数据工程

4.1.4算力基础设施的支撑体系

4.2经典机器学习的方法论原理

4.2.1机器学习的基本工作范式

4.2.2监督学习与非监督学习的分类实践

4.3深度学习技术的革命性突破

4.3.1神经网络的基础架构与训练机制

4.3.2深度学习的突破路径

【本章实训】 神经网络可视化实验

第5章 大模型为何能够重构人工智能范式

5.1大模型的本质属性与技术演进路径

5.1.1从传统机器学习到基础模型的范式跃迁

5.1.2大模型的革命性特征体系

5.1.3大模型的技术谱系及演进脉络

5.2大模型的核心技术突破机制

5.2.1预训练与后训练的双阶段范式

5.2.2多模态融合的跨模态对齐技术

5.3技术范式的结构性转移

5.3.1缩放定律与涌现现象的实证验证

5.3.2通用人工智能的渐进式逼近路径

5.3.3“技术—社会—治理”的三重挑战

【本章实训】 大模型技术赋能智慧教学设计/132

第6章 人工智能怎样重塑社会

6.1社会运行机制的系统性重构

6.1.1个人服务生态的智能化升级

6.1.2城市治理体系的智慧化转型

6.1.3健康医疗服务的精准化革新

6.2社会科学研究范式的数字化转型

6.2.1经济模型的智能计算范式

6.2.2社会治理的数据驱动机制

6.2.3人文学科的计算方法论变革

6.3自然科学研究的智能范式革命

6.3.1科学研究的第五范式确立

6.3.2新物质发现的智能加速路径

6.3.3生态系统的智能监测与预测模型

【本章实训】 人工智能在教育领域应用情况调研报告

第7章 教育如何应对人工智能革命

7.1教育智能化转型的必然逻辑

7.1.1教育系统适应性滞后的结构性挑战

7.1.2智能技术重塑教育生态的历史机遇

7.1.3教育数字化发展的战略价值锚点

7.2教育全链条智能重构的实施框架

7.2.1数据驱动的个性化学习路径生成

7.2.2人机协同的双师课堂教学范式

7.2.3智能教育的数据治理与伦理机制

7.3智能教育范式的创新实践探索

7.3.1智能教育平台的架构革新案例

7.3.2学科教学模式的智能融合实践

【本章实训】 人工智能教学工具设计与开发

第8章 如何治理人工智能

8.1人工智能的治理挑战与风险谱系

8.1.1劳动力市场的结构性失衡与职业替代焦虑

8.1.2法律体系的适应性滞后与监管真空

8.1.3算法偏见与对抗攻击的技术安全威胁

8.1.4生成式内容的认知污染与信任危机

8.1.5数字鸿沟加剧与隐私边界的消解

8.1.6技术本体论的人文价值冲击

8.2伦理规范与法律监管的协同框架

8.2.1全球人工智能伦理原则的核心共识

8.2.2分级分类的法律规制体系构建

8.2.3伦理合规与法律执行的衔接机制

8.3负责任人工智能的实践路径

8.3.1多元主体协同治理的生态架构

8.3.2算法透明与可解释性技术机制

8.3.3预见性风险评估与弹性应对策略

【本章实训】 人工智能的局限性与风险评估

第9章 人工智能将迈向何种未来

9.1大模型技术的能力边界与演进瓶颈

9.1.1数据依赖性与泛化能力的根本矛盾

9.1.2物理世界认知的常识性缺失

9.1.3高阶思维的机制局限

9.1.4情感交互的价值对齐困境

9.2通用人工智能的理论路径与现实障碍

9.2.1人工智能能力层级的分类谱系

9.2.2强人工智能的哲学论争与技术路线

9.3人机共生文明的演进维度与关系重构

9.3.1人类中心工具范式的智能增强

9.3.2责任共担伙伴范式的决策机制构建

9.3.3人机融合范式的认知边界拓展

【本章实训】 未来教育场景畅想