投影上的这本书
讲义版与正文十四章对应，可以直接放映，也可以打印成 PDF，附逐页讲者备注。
放映时：← → 翻页，O 缩略总览，N 讲者备注，F 全屏，P 打印或导出 PDF。默认点一下走一整页，按 S 可以改成一步一点。手机上也能放：竖着拿会自动把版面转过来，点右半边或上滑翻页。
讲义版 · 2026 秋十四章，每章一套
与正文同源：同一套配色、同一批示意图，术语与「深入」段落都对得上。整套共 471 页。
01
38 页
你已经在用 AI 了
一个诚实的定义，一张不会过时的地图，以及为什么「AI」这个词总在往后退。
02
35 页
七十年，三次浪潮
AI 的历史不是一条上升的直线，而是几次高潮与几次寒冬。每次转折都有一个具体的原因，而且原因往往不是「更聪明的算法」。
03
41 页
不只是神经网络
搜索、规则与试错。这三种「老式」AI 至今仍在你的导航软件、下棋程序和游戏角色里工作，而且它们是理解后面所有内容的必要背景。
04
41 页
规则不是写出来的，是学出来的
机器学习的全部核心思想，其实只有一句话。这一章用一笔网约车订单把它讲透。
05
37 页
真正的考试在训练集之外
一个模型在见过的数据上表现好，不说明任何事。这一章讲泛化、过拟合、评估，以及数据里最常见的几个陷阱。
06
31 页
一层一层看出一只猫
神经网络不是大脑的复制品，而是一种能把「该看什么」也学出来的模型。这一章从一个神经元讲到手机相册里的猫。
07
29 页
文字怎样变成数字
一个大语言模型从来没有见过一个「字」。它见到的是 token，处理的是向量。这一章讲这两步转换，它们决定了模型能做什么、不能做什么。
08
26 页
每个词都能看见其他词
注意力机制是整门课的心脏。这一章把 Transformer 拆开，看它怎样让一个词根据上下文改变自己的含义，以及它怎样一个 token 一个 token 地写出文字。
09
31 页
从续写机到助手
一个只会预测下一个词的模型，怎样变成会回答问题、会拒绝不当请求、会先思考再作答的助手？三个训练阶段，加上两个仍然没人完全解释的现象。
10
27 页
它为什么会一本正经地胡说
幻觉不是故障，而是「预测下一个词」这种工作方式的必然产物。这一章讲它从哪来、长什么样、能怎么办，以及一个诚实的能力边界。
11
30 页
模型长出了眼睛和手
2023 年之后最重要的两个变化：模型开始看图、听声、画画、说话，以及模型开始自己调用工具、执行多步任务。这一章讲它们怎么发生，以及带来了什么新问题。
12
42 页
智能体的一天
一个任务进去之后，Claude Code 和「龙虾」到底做了什么？拆开它们的驾具，你会发现里面没有魔法，只有一个循环、一堆规矩和很多工程。
13
34 页
AI 做科学：从 AlphaFold 说起
一个困扰生物学五十年的问题被一个神经网络在两年内解决了大半，然后同样的事在气象、材料、数学、药物上接连发生。这篇写给不做 AI 的科学与工程研究者：它在你的领域能做什么，怎样开始，哪里要小心。
14
29 页
与 AI 共事
前十一章讲它是什么。最后一章讲你该怎么办：怎样提问，怎样分工，怎样验证，怎样保护自己和别人，以及这个时代真正需要的素养是什么。