六大部分，36章。
從理解AI，到研究自己的問題。

從計算機的出現、軟件與算法，到模型與計算資源，認識人工智能怎樣進入真實生活。

1. 人類為什麼希望創造人工智能——從擴展人的能力談起先不談技術，回到人本身：我們為什麼想造一個能替自己動手的東西？從工具到機器，再到會自己判斷的程序，這一章幫你把「AI 是人的能力延伸」這件事想清楚。
2. 計算機是怎樣出現的——計算需求與偉大的發明計算需求從哪來？算盤、機械計算機、電子管，每一步都是被真實問題逼出來的。這一章用最短的線索，把計算機的來歷講明白。
3. 軟件怎樣讓計算機執行人的意圖——程序與算法硬件只會執行指令，是軟件把人的意圖翻譯成它能懂的話。這一章說清程序和算法的區別，讓你知道「讓電腦做事」到底發生了什麼。
4. 人工智能程序如何真正運行——模型與計算資源模型不是飄在雲裡的魔法，它要佔內存、吃算力、跑在具體的機器上。這一章講清楚一次 AI 回答背後，硬件和軟件各自在幹什麼。
5. 從計算結果到人工智能產品——技術怎樣進入生活一個能算的東西，怎麼變成你手機裡能用的產品？這一章講技術落地要過的幾道關：速度、成本、穩定和人的使用習慣。
6. AI就是計算機意味著什麼——認識能力，也認識邊界說「AI 就是計算機」，既是給它定位，也是給它劃界。這一章幫你判斷：哪些事它真的能做，哪些事只是看起來能做。

從十進制和二進制出發，理解數字、向量、神經網絡與大語言模型的計算基礎。

7. 為什麼計算機使用0和1——從十進制故事走向比特人用十個手指計數，計算機只認兩個狀態。這一章從十進制講到二進制，說清為什麼「只有 0 和 1」反而更可靠。
8. 世界怎樣變成數字——文字、聲音、圖像與編碼一句話、一段聲音、一張照片，怎麼變成計算機能存的數字？這一章講編碼：把現實世界翻譯成 0 和 1 的過程。
9. 數據怎樣成為向量——從數字到語義表示光有數字還不夠，機器要理解「意思」。這一章講向量：怎麼把詞和句子變成一串數字，讓相近的意思靠得更近。
10. 神經網絡怎樣計算——權重、訓練與參數神經網絡聽起來玄，其實是一堆乘法和加法。這一章拆開權重、訓練和參數，讓你看懂它「學」的過程。
11. Token怎樣變成一句話——概率與下一個選擇大模型不是一個字一個字「想」出來的，而是一個詞一個詞「猜」出來的。這一章講 token 和概率，解釋它為什麼會說錯話。
12. 從0和1為什麼會出現智能行為——計算與湧現規則很簡單，結果卻很複雜。這一章講湧現：為什麼大量簡單計算疊在一起，會出現看起來像「智能」的行為。

讓語言、文化、專業經驗與社會理解，成為設計人工智能應用的起點。

13. 為什麼許多人過去覺得計算機離自己很遠過去學計算機要先學數學和編程，門檻把人擋在外面。這一章說清這道牆是怎麼形成的，以及它為什麼正在倒下。
14. 大語言模型到底改變了什麼它最大的變化不是算得更快，而是能直接聽懂人話。這一章講這個變化對普通人意味著什麼：誰都能開始用，而不是先學會用。
15. 問題定義為什麼比簡單寫出指令更重要問對問題，比寫對命令更重要。這一章講怎麼把一個模糊的困擾，拆成 AI 能接手的具體任務。
16. 不同專業怎樣使用Agent解決問題法律、醫學、教育、傳媒，各有各的用法。這一章用不同專業的例子，說明 Agent 怎麼接進真實工作，而不是隻做演示。
17. 不會編程的人怎樣設計AI應用不寫代碼，也能設計一個能用的 AI 應用。這一章講清設計的順序：先定目標，再定輸入輸出，最後才輪到工具。
18. 為什麼這是“文科生的春天”當表達、理解和判斷變得比語法更重要，受過人文訓練的人反而有了優勢。這一章解釋這個判斷的依據，也說清它不是什麼保證。

理解工作怎樣變化，認識人的判斷、協調、驗證與專業責任，思考自己的職業方向。

19. 工作為什麼不斷變化工作從來不是固定的。這一章從幾次技術變化講起，說明崗位是怎麼被重新組合出來的：消失的往往不是行業，而是某些環節。
20. 人工智能正在進入哪些工作不是所有工作都被同樣影響。這一章按任務類型拆分，看哪些環節先被接手，哪些還留在人手裡。
21. 人的哪些能力仍然重要AI 能寫能算，但有些事它替代不了。這一章講判斷、責任和人與人之間的信任，為什麼仍然是人站的位置。
22. 人怎樣與AI共同完成任務最好的用法不是「交給它」，而是「和它一起做」。這一章講分工：人定方向，AI 出草稿，人再判斷。
23. 新職業怎樣從新需求中產生新職業不是憑空出現的，是老需求變了樣子。這一章講提示詞工程師、AI 訓練師這類崗位是怎麼長出來的，以及它們可能怎麼變。
24. AI時代怎樣準備自己的就業與事業與其追熱門，不如練可遷移的能力。這一章給出一條準備路徑：先用起來，再找出自己不可替代的那部分。

從提出問題到改變判斷、實驗和失敗，探索AI持續創新還有哪些開放問題。

25. 創新從哪裡開始創新常常不是從「想出一個新點子」開始，而是從「發現哪裡不對勁」開始。這一章講觀察和提問，怎麼把不舒服的感覺變成一個問題。
26. 新信息為什麼不等於創新知道得多，不等於想得新。這一章講信息、知識和創新之間的差別，以及為什麼堆資料堆不出新東西。
27. 創新為什麼需要改變原有判斷真正的創新，往往要推翻一個大家默認的前提。這一章講怎麼找到那個前提，以及怎麼判斷它值不值得推翻。
28. 想法怎樣進入實驗和現實想法不值錢，能驗證的想法才值錢。這一章講怎麼用最小的成本，把一個念頭做成能測試的東西。
29. 失敗為什麼也是創新的一部分失敗不是創新的反面，是它的組成部分。這一章講怎麼從失敗裡提取有用的信息，而不是隻記住教訓。
30. 今天的AI距離持續創新還有多遠AI 很會組合已有知識，但持續提出新問題還很難。這一章講它現在能做什麼，卡在哪裡。

學習六位置過程方法，探索人人擁有智能體、智能體協作，以及生命、自然與宇宙中的未知。

31. 人工智能的高光時刻：重新發現自我的價值AI 越強，人越要回答「我是誰」。這一章講在工具變得強大之後，人的價值該放在哪裡，以及為什麼這個問題反而更清楚了。
32. 為什麼AI需要理解現實變化世界在變，昨天對的答案今天可能不對。這一章講 AI 為什麼要處理「變化」，而不只是處理「事實」。
33. 變化與過程大多數真實任務不是一個瞬間完成的，而是一段過程。這一章講怎麼把「過程」本身當成要處理的對象。
34. 讓人工智能真正做成一件事會回答問題，不等於能辦成一件事。這一章講從頭到尾完成一個任務需要哪些條件：目標、證據、中斷之後還能接上。
35. 看得見的未來——人人都有自己的智能體智能體正在從演示走向日常。這一章講它進入個人生活後，會改變哪些習慣，又會留下哪些老問題。
36. 未知與邊界課程在能確定的地方停下，把不確定留給討論。這一章講 AI 現在的能力邊界，以及哪些問題還開著，值得你自己往下想。