前言

人工智能正在改变工作的入口。过去，完成一个数据分析、识别模型、专业小工具或设备连接项目，往往要先掌握软件、编程和工程环境；现在，学生可以先用自然语言说明任务，让大语言模型协助分析材料、生成完整代码、解释日志并提出修改。这降低了开始实践的门槛，却没有取消人的责任。任务是否值得做，材料能否使用，模型为什么失败，系统能否重复运行，成果是否可以交给别人继续维护，仍然需要人来判断和负责。

本书主要面向高职、中职和技工教育各专业学生，尤其适合没有人工智能和编程基础的学习者。它不是Python语法课，也不是把若干聊天、文案和图片功能排列成工具清单。全书从真实工作的生命周期出发，依次学习怎样定义任务，怎样建立可靠的数据和证据，怎样用生成、预测与优化形成专业方案，怎样训练视觉、声音和传感小模型并让它们在本地运行，最后怎样把模型、规则、程序、设备和人连接成可验收、可交接、可维护的工作成果。

学生在每章都会完成一个有明确输入、输出、测试和交付物的公共核心项目，并遇到两种人工智能。“应用中的AI”承担识别、检索、生成、预测或异常发现等专业任务；“协助开发的AI”帮助学生追问需求、规划文件、生成和解释完整实现、分析错误并补充测试。学生不用从空白手写所有程序，但必须提供真实上下文，亲自运行和观察，修改一个关键变量，审查AI改动的文件差异，并用固定样例决定成果应当采用、限用、退回还是停止。

本书为商业贸易、设计、数字媒体、智能制造、交通、生物和风景园林等专业提供迁移方向。各专业共享人工智能的基本机制，却会因材料、规范、错误后果和交付责任不同而形成不同应用。书中的公共项目用于看清本质，迁移任务则把创造空间留给学生和教师。

人工智能技术仍在快速变化，因此纸书不把某个模型、平台或编辑器当作学习目标。我们更关心相对稳定的内容：问题怎样表示，数据怎样进入模型，模型怎样产生输出，规则怎样守住边界，人怎样测试、接管和交付。具体产品、版本、安装方法与完整工程将由配套数字资源持续更新。

希望读者学完本书后，不只是“用过AI”，而是能够与AI一起接住一项工作，把它做出来、测清楚，并负责任地交给下一位使用者。