人工智能通识

课程编码：B25GX001H 英文名称：General on Artificial Intelligence 课时：32 学分：2.00 课程属性：公共选修课 主讲教师：刘康等

本课程面向不同学科背景的学生，系统讲授人工智能的基本概念、发展历程、核心方法与应用场景。课程共分六大模块：总括篇介绍人工智能的内涵、历史、现状与发展趋势；基础篇涵盖模式识别、机器学习、神经网络、深度学习与强化学习等核心技术；前沿篇聚焦大模型、多模态智能与具身智能的发展；赋能篇展示人工智能在科学研究中的应用（AI for Science）；应用篇结合医疗健康、智慧交通、智能制造、教育和日常生活等产业实践；治理篇讨论人工智能的社会伦理与治理问题。通过学习，学生将系统了解人工智能的理论、技术与应用，培养跨学科理解与应用AI的能力，为未来学习和科研奠定坚实基础。

This course provides a comprehensive overview of artificial intelligence (AI) for students from diverse academic backgrounds. It is structured into six modules: The Overview module introduces the foundations of AI, its history, current progress, and future trends. The Fundamentals module covers classical pattern recognition, machine learning, neural networks, deep learning, and reinforcement learning. The Frontier module explores large-scale models, multimodal intelligence, and embodied AI. The AI for Science module highlights applications of AI in mathematics, physics, astronomy, biology, chemistry, and materials science. The Applications module presents practical use cases across healthcare, transportation, manufacturing, education, and daily life. Finally, the Governance module addresses social, ethical, and regulatory issues of AI.

本课程作为科学素养类公共选修课，旨在帮助学生系统了解人工智能的基本概念、发展历程、核心技术及应用前景。通过学习，学生应在知识层面掌握人工智能的基本原理、典型方法和前沿进展；在能力层面具备运用人工智能思维分析问题的意识，能够理解并评价人工智能在科学研究、产业实践和社会生活中的应用；在素质层面增强跨学科融合意识，提升信息素养、科学精神与社会责任感。

无

第一章 人工智能发展概述（2学时   刘康）了解  

1.1 人工智能的基本概念与研究范围（内涵、外延、基本术语、期刊会议）
1.2 人工智能发展历程（1956年达特茅斯会议，三起两落，三大学派，深度学习爆发，大模型）
1.3 人工智能发展现状（理论：感知机、CNN、注意力网络、大模型；应用：身份识别、自动驾驶、自然语言理解、生成技术；前沿：多模态、世界模型、具身智能、科学智能）
1.4 发展趋势展望（通用智能、虚实融合、安全可信、人机共生）
 

第二章 经典模式识别与机器学习（4学时   吴书）理解

2.1 案例分析：手写数字识别方法演进（规则、统计、深度学习）
2.2 经典监督学习方法（KNN、决策树、SVM，重点SVM）
2.3 无监督学习基础（K-means聚类、PCA降维）
2.4 模型泛化与优化（过拟合、交叉验证）

第三章 人工神经网络与深度学习（4学时    刘康）理解

3.1 案例分析：端到端表示学习与人工设计特征对比
3.2 神经网络基础（感知机、激活函数、反向传播）
3.3 主流网络结构（CNN、RNN、GNN的原理与应用）
3.4 深度学习训练技巧（正则化、优化器选择）

第四章 深度强化学习（2学时   吴书）理解

4.1 深度强化学习概述（背景、分类、基础方法；案例：Atari游戏）
4.2 深度强化学习代表性工作（AlphaGo、AlphaStar、Gato、Tokamak、Cicero、D2RL、Swift 等）

第五章 大模型与具身智能（6学时   刘康）掌握

5.1 大模型基础与技术演进（词向量、Transformer、BERT、GPT）
5.2 大语言模型关键技术（预训练、微调、应用、量化与评测）
5.3 多模态与推理大模型（多模态理解/生成，思维链推理）
5.4 大模型智能体与挑战（框架、多智能体、应用与难点）
5.5 具身智能的发展历程（定义、演进脉络、关键突破）
5.6 具身智能核心技术与应用（感知-认知-行动闭环，家庭、工厂、服务场景，发展趋势）

第六章 AI for Science（8学时  吴书）了解

6.1 AI for Science概述与跨学科意义
6.2 人工智能在数理学科的应用（数学、物理、天文地理）
6.3 人工智能在生化学科的应用（基因组学、蛋白质结构、小分子药物、材料设计）
6.4 AI for Science常用工具（文献与发现工具、代码工具）

第七章 人工智能产业与生活应用（4学时  吴书+刘康）了解

7.1 医疗健康（辅助诊断、影像分析、疾病早筛、药物研发）
7.2 智慧交通（自动驾驶、城市交通智能化）
7.3 智能制造（生产优化、工业质检、仓储物流机器人）
7.4 智能教育（个性化学习、虚拟助教、智能评测）
7.5 日常生活（智能助手、智能家居、智能服务）

第八章 人工智能社会伦理与治理（2学时   刘康）了解

8.1 人工智能治理的概念、主体与原则
8.2 典型风险与案例（数据泄露、偏见与公平性、隐私保护）
8.3 哲学与伦理基础（算法公平、数据隐私、社会责任）
8.4 国内外治理体系与实践（政策法规、治理挑战）

章节/学时分配	讲课	习题课	实验课	上机课	讨论课	其它
1	2
2	4
3	4
4	2
5	6
6	8
7	4
8	2

第一章“人工智能概述”中，介绍中国在人工智能技术发展及应用中取得的重要进展，介绍国内外技术竞争的激烈性，树立学生的自信意识，增强投入到人工智能技术中的热情，为国家的人工智能事业贡献自己的一份力量。
第五章“人工智能应用篇”中，介绍中国在这方面取得的重要进展和突破以及在国际上处于的位置，增强学生的自信心和自豪感，鼓励学生奋发图强，为国家在人工智能领域的持续技术突破做出贡献，为人工智能安全技术的发展做出贡献。

无

教学参考书：
《人工智能：一种现代的方法》，Stuart Russell, Peter Norvig 著，ISBN：9787111128069，机械工业出版社，2006.3
《机器学习》，周志华 著，ISBN：9787302423287，清华大学出版社，2016.1
《深度学习》，Ian Goodfellow, Yoshua Bengio, Aaron Courville 著，ISBN：9787115472854，人民邮电出版社，2017.11
《强化学习：原理与方法》，Richard S. Sutton, Andrew G. Barto 著，ISBN：9787111643074，机械工业出版社，2020.8
《大规模预训练模型：原理与应用》，刘知远 等 著，ISBN：9787302619970，清华大学出版社，2022.8

刘康，中国科学院自动化研究所研究员，博士生导师，兼任中国科学院大学岗位教授、北京智源人工智能研究院青年科学家。长期从事自然语言处理、知识工程等方面的研究工作。在TKDE、ACL、NeurIPS等国际重要会议和期刊发表多篇学术论文，Google Scholar引用2.6万余次。曾获COLING-2014 Best Paper Award、ISWC-2023 Best Poster&Demo Award, COLING-2025 Neusymbridge Workshop Best Paper Award、Google Focused Research Award、北京市科学技术进步一等奖等多项学术奖励。相关研究获得国家自然科学基金委优秀青年基金、中科院重点部署、中科院先导A类专项课题、科技部2030重大项目课题支持。
吴书，中国科学院自动化研究所研究员，博士生导师，CCF杰出会员，IEEE/ACM高级会员。主要从事大数据分析和网络内容安全研究，以第一作者或通讯作者身份发表顶级期刊和会议论文60余篇，7篇文章入选最有影响力论文，3篇国际会议论文获最佳论文奖。其研究成果被国内外学者广泛引用和正面评价，谷歌学术总引用一万四千余次，第一作者论文单篇最高引用超两千次。主持新一代人工智能国家科技重大项目，青年和面上项目3项，同时主持京东科技联合实验室等合作项目，获评首届阿里学者。