普通人怎么的通过ai赚钱

以下是关于解析视频内容的 AI 相关信息： 将小说制作成视频的流程： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）提取关键场景、角色和情节。 2. 生成角色与场景描述：借助工具（如 Stable Diffusion 或 Midjourney）生成视觉描述。 3. 图像生成：利用 AI 图像生成工具创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成脚本。 5. 音频制作：使用 AI 配音工具（如 Adobe Firefly）转换语音，添加背景音乐和音效。 6. 视频编辑与合成：通过视频编辑软件（如 Clipfly 或 VEED.IO）合成视频。 7. 后期处理：对视频进行剪辑、添加特效和转场以提高质量。 8. 审阅与调整：观看视频并根据需要调整。 9. 输出与分享：完成编辑后输出并在平台分享。 视频解读相关： 在事业低谷期的尝试中，提到了对视频的解读，包括依据画面进行解读，以及对无声音 case 的解读等。还讨论了图像理解相关内容，如要求根据视频链接写小说，提到工作流中的图像理解能力较强，建议尝试智普、通义的 VL 模型等。 MMVid 视频理解系统： 这是一个集成的视频理解系统，能处理和理解长视频内容并进行问答。应用场景包括快速的视频剪辑、图生视频、快速诊断等。由 Microsoft Azure AI 开发，结合了 GPT4V 的能力和其他视觉、音频和语音处理工具，能将视频中的多模态信息转录成详细的文本脚本，方便大语言模型理解视频内容。 请注意，具体的操作步骤和所需工具可能会因项目需求和个人偏好有所不同，AI 工具的可用性和功能也可能会变化，建议直接访问相关工具网址获取最新信息和使用指南。

AI（人工智能）是一门令人兴奋的科学，它是指某种模仿人类思维，可以理解自然语言并输出自然语言的东西。 对于没有理工科背景的人来说，可将其视为一个黑箱，只需知道它是能理解自然语言的存在即可。其生态位是一种似人而非人的存在，即便技术再进步，这一生态位也不会改变。 从历史角度看，最初计算机由查尔斯·巴贝奇发明，用于按照明确的程序进行数字运算，现代计算机虽更先进，但仍遵循相同的受控计算理念。然而，对于像根据照片判断人的年龄这类任务，由于无法明确具体步骤，所以无法直接编程让计算机完成，而这正是人工智能感兴趣的领域。 在应用方面，AI 健身是利用人工智能技术辅助或改善健身训练和健康管理的方法，能根据用户情况提供定制化训练计划和建议。相关的 AI 健身产品有 Keep、Fiture、Fitness AI、Planfit 等。

AIGC 即 AI generated content，又称为生成式 AI，是一种利用人工智能技术生成各种类型内容的应用方式。 这种技术能够通过机器学习和深度学习算法，根据输入的数据和指令生成符合特定要求的内容。AIGC 的应用非常广泛，例如 AI 文本续写、文字转图像的 AI 图、AI 主持人等。 在内容生成方面，AIGC 包括文字生成（如使用大型语言模型 GPT 系列模型生成文章、故事、对话等）、图像生成（如使用 Stable Diffusion、DALLE 等模型生成艺术作品、照片等）、视频生成（如使用 Runway、KLING 等模型生成动画、短视频等）。 AIGC 与 UGC（普通用户生产）、PGC（专业用户生产）都是内容生成的不同方式。UGC 由用户生成内容，优势在于内容丰富多样，能反映用户真实想法和创意，适用于社交媒体、社区论坛等互动性强的平台。PGC 由专业人士或机构生成内容，优势在于内容质量高、专业性强，适用于新闻媒体、专业网站等需要高质量内容的平台。 能进行 AIGC 的产品项目众多，能进行 AIGC 的媒介也很多，包括且不限于： 语言文字类：OpenAI 的 GPT，Google 的 Bard，百度的文心一言，还有一种国内大佬下场要做的的 LLM 都是语言类的。 语音声音类：Google 的 WaveNet，微软的 Deep Nerual Network，百度的 DeepSpeech 等，还有合成 AI 孙燕姿大火的开源模型 Sovits。 图片美术类：早期有 GEN 等图片识别/生成技术，去年大热的扩散模型又带火了我们比较熟悉的、生成质量无敌的 Midjourney，先驱者谷歌的 Disco Diffusion，一直在排队测试的 OpenAI 的 Dalle·2，以及 stability ai 和 runaway 共同推出的 Stable Diffusion。

要通过 AI 解决低效率问题，可以从以下几个方面入手： 1. 搭建 AI 工作流 找到一个熟悉的工作场景，如写文章、做 PPT 等。 拆解工作流程，例如写文章可拆分为选题、写稿、改稿、写标题等步骤。 针对每个小步骤嵌入合适的 AI 工具，想不到时可参考他人做法，注意选择最优解，以提高工作效率为目的，不为了用 AI 而用。 完成搭建后进行测试使用，多尝试以熟练掌握，根据使用体验不断调整和优化。 若遇到工具不好用的情况，分析原因，可能是提示词不好或工具本身不行，可学习写好提示词、更换工具或寻求帮助。 若觉得工作流效率仍低，可考虑搭建 AI 智能体来自动化完成一系列任务，学习如何制作或找人帮忙。 2. 避免过度依赖 AI 在学习新技能时，先依靠自身进行实践和思考，掌握基础后再考虑使用 AI 辅助。例如在写作方面，学生应先自己练习，掌握技巧后再使用 AI 工具。

以下是从头开始学习 AI 的建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可根据自己的兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。 对于中学生学习 AI，还有以下建议： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始学习，学习编程语法、数据结构、算法等基础知识，为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台： 可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识： 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目： 参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题，培养动手能力。 5. 关注 AI 发展的前沿动态： 关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 总之，中学生可以从编程基础、工具体验、知识学习、实践项目等多个方面入手，全面系统地学习 AI 知识和技能，为未来的 AI 发展做好准备。

以下是从头开始学习 AI 的建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可根据自己的兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得自己的成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。 对于中学生学习 AI，建议如下： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始学习，学习编程语法、数据结构、算法等基础知识，为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台： 可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识： 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目： 参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题，培养动手能力。 5. 关注 AI 发展的前沿动态： 关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 总之，中学生可以从编程基础、工具体验、知识学习、实践项目等多个方面入手，全面系统地学习 AI 知识和技能，为未来的 AI 发展做好准备。

普通人可以通过以下方式利用 AI 赚钱： 1. 艺术创作：生成式 AI 使内容创作成为可能，从肖像画开始，涵盖各种媒介。做得好时，可通过创作内容实现盈利。但要注意，目前一些 AI 工具可能存在幻觉或处理请求时间长的问题，对于试图通过内容盈利的高级用户，许多公司会推出如 ChatGPT 那样的“专业版”套餐以提供更高质量服务。 2. 数字克隆体：成为数字克隆体的本体，基于克隆体的费率和被使用时长与平台结算。越多人使用，收益越多。用户还可通过订阅平台使用多个克隆体，月费或额外小时费可与获取的收益相抵扣。这样，每个人都能在体系中既是消费者又是生产者，只要数字克隆体受欢迎，就能实现“数字克隆体自由”。

普通人可以通过以下方式利用 AI 增加收入： 1. 学习 AI 技术，从事相关高薪工作，如成为数据科学家、机器学习工程师等。AI 技术在金融、医疗、制造业等众多行业都有应用，掌握相关技能能增加就业机会和职业发展可能性。 2. 关注技术发展带来的成本降低，例如人工智能降低商品和服务成本，如在供应链中通过机器人降低房屋建造成本等。 3. 若 AI 导致工作机会被部分企业和精英获取，政府可能通过税收平衡差异，全民基本收入（Universal basic income UBI）是一种解决方式。 但需要注意的是，学习了 AI 不一定能保证每个人都赚到钱，是否能赚钱还取决于个人的学习能力、实际应用能力、对市场和商业的理解等因素，需要持续学习和实践。

普通人学习 AI 并找到适合自己发展的路径，可以参考以下步骤： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 如果您想偏向技术研究方向，以下是一些学习路径： 1. 数学基础：线性代数、概率论、优化理论等。 2. 机器学习基础：监督学习、无监督学习、强化学习等。 3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：语言模型、文本分类、机器翻译等。 5. 计算机视觉：图像分类、目标检测、语义分割等。 6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：论文阅读、模型实现、实验设计等。 如果您想偏向应用方向，以下是一些学习路径： 1. 编程基础：Python、C++等。 2. 机器学习基础：监督学习、无监督学习等。 3. 深度学习框架：TensorFlow、PyTorch 等。 4. 应用领域：自然语言处理、计算机视觉、推荐系统等。 5. 数据处理：数据采集、清洗、特征工程等。 6. 模型部署：模型优化、模型服务等。 7. 行业实践：项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。 另外，如果您想将 AI 与宠物结合，可以参考以下例子和学习路径： 1. AI 宠物助手： 基于自然语言处理和计算机视觉的 AI 宠物助手，可以帮助主人更好地照顾宠物。 例如自动识别宠物情绪、提供饮食建议、监测宠物健康状况等。 2. AI 宠物互动玩具： 利用 AI 技术开发的智能互动玩具，可以增强宠物的娱乐体验。 例如会自主移动并引起宠物注意的智能玩具、会发出声音和互动的智能宠物玩具等。 3. AI 宠物图像生成： 使用生成式 AI 模型，可以根据文字描述生成各种宠物形象的图像。 这可以帮助宠物主人定制个性化的宠物形象。 4. AI 宠物医疗诊断： 利用计算机视觉和机器学习技术，可以开发 AI 辅助的宠物医疗诊断系统。 通过分析宠物的症状图像和病历数据，提供初步诊断建议。 5. AI 宠物行为分析： 基于传感器数据和计算机视觉，可以利用 AI 技术分析宠物的行为模式。 帮助主人更好地了解宠物的需求和习性。 学习路径建议： 1. 掌握基础的机器学习、计算机视觉、自然语言处理等 AI 技术。 2. 了解宠物行为学、宠物医疗等相关领域知识。 3. 关注业内先进的 AI+宠物应用案例，学习其技术实现。 4. 尝试开发简单的 AI 宠物应用原型，并不断迭代优化。 总的来说，AI+宠物是一个充满想象空间的新兴赛道，结合 AI 技术和宠物行业需求，可以开发出各种有趣有用的应用。但请注意，以上内容由 AI 大模型生成，请仔细甄别。

普通人学习 AI 有以下较好的途径： 1. 万能公式法：问 AI 【一个（xxx 职业）需要具备哪些知识？】，AI 会给出知识框架，然后针对每一个小点进一步询问，能帮助深度思考。 2. 优质信息源：如「即刻」App 的“”等免费圈子，这里有前沿信息线索，很多 Twitter 上的开发者大牛也会分享，必要时可去 Twitter 和相关官网溯源。 3. 信息爆炸做减法的小 tips： 只掌握最好的产品，少关注新产品测评（除非远超 ChatGPT）。 只解决具体问题，不做泛泛了解。从问题中来，到问题中去。 只关注核心能力，不关注花式玩法，用 AI 扬其长避其短。 只关注理清需求和逻辑，不死记硬背提示词。 先关注提升认知/洞察，然后再谈技巧。 同时，还可以： 1. 了解 AI 基本概念：阅读「」熟悉术语和基础概念，包括主要分支及联系，浏览入门文章。 2. 开始学习之旅：在「」找到为初学者设计的课程，推荐李宏毅老师的课程，通过在线教育平台（如 Coursera、edX、Udacity）按自己节奏学习并获取证书。 3. 选择感兴趣模块深入学习：根据自身兴趣选择特定模块，如图像、音乐、视频等，掌握提示词技巧。 4. 实践和尝试：理论学习后通过实践巩固知识，使用各种产品创作作品，并在知识库分享。 5. 体验 AI 产品：与 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人互动，了解其工作原理和交互方式。 此外，对于超出自己理解范围的事情，最简单的方法就是试一试。学习新东西，百闻不如一练。尽可能简单地试用 AI 本身就是让普通人受益的最好方式。

普通人可以通过以下方式利用 AI 来赚钱： 1. 艺术创作：生成式 AI 可用于各种内容创作，从肖像画开始，拓展到多种媒介。创作者或个体创业者可以通过创作的内容实现盈利。 2. 数字克隆体：成为数字克隆体的本体，基于克隆体的被使用时长和费率与平台结算。用户可以通过订阅平台使用多个克隆体，越多人使用自己的克隆体，收益越多。同时，个人的月费或额外小时费可与获取的收益相抵扣。 3. 创作与分享：例如参与像《让 AI 飞》这样的作品创作，通过优质的内容吸引关注和获得收益。

对于普通人入局 AI 以提升职场竞争力或开启第二副业，以下是一些建议： 1. 应用 AI 提效：在互联网大厂降本增效的背景下，个人工作量可能增加，利用 AI 提高工作效率，既能增强竞争力，又有助于早下班。 2. 躬身入局：如徐文浩老师所说，在重大技术变革时，每天在一线动手实践是可行之路。 3. 关注优质信息源：例如吴炳见的【AI 大航海】和徐文浩老师的【AI 炼金术】公众号，获取有价值的信息。 4. 了解共创模式：共创模式有多元化视角、增强参与感、共享资源、快速迭代、增强创新等优点，但也面临协调复杂、知识产权保护、利益分配、责任归属与质量控制等挑战。 需要注意的是，在开启相关行动之前，要做好充分的准备和学习。

以下是关于最新 AI 赚钱的一些信息： 从 GPTs/GLMs 如何赚钱谈起：AI 应用的曙光在哪？大多数人通过 GPTs/GLMs 赚钱较难，文章将从一个 AI 产品经理的角色复盘 2023 年的所见所闻所感来聊聊 AI 赚钱（应用落地）这件事情。 2023 年，让您月赚 5w 的 48 个 AI 工具：包括 AI 研究工具（如 Claude、ChatGPT 等）、图片处理（如 DallE 等）、版权写作（如 Rytr 等）、设计（如 Canva 等）、网站搭建（如 10Web 等）、视频处理（如 Klap 等）、音频处理（如 Murf 等）、SEO 优化（如 Alli AI 等）、Logo 设计（如 Looka 等）、聊天机器人（如 Droxy 等）、自动化工具（如 Make 等）、市场营销等方面的工具。 3 月动态｜23 个 AI 新产品： Fixie.ai 是获得 1700 万美元种子轮融资的，由 LLM 驱动的，与外部系统进行交互的代理，旨在将 LLM 与企业数据、系统与工作流相链接。 Regex.ai 是一款基于 AI 的正则表达式自动生成工具，开箱即用，所见即所得，选择数据即可生成正则表达式，提供多种数据提取方式。 Enhance AI 是一分钟内在产品内集成最先进的 LLM（目前是 OpenAI GPT 模型）的低/无代码工具。

以下是一些用 AI 赚钱的方法： 1. 成为 AI 博主，利用以下工具创作素材： AI 研究工具：Claude、ChatGPT、Bing Chat、Perplexity 等。 图片处理：DallE、Leonardo、BlueWillow、Midjourney 等。 版权写作：Rytr、Copy AI、Wordtune、Writesonic 等。 设计：Canva、Clipdrop、Designify、Microsoft Designer 等。 网站搭建：10Web、Framer、Hostinger、Landingsite 等。 视频处理：Klap、Opus、Invideo、Heygen 等。 音频处理：Murf、LovoAI、Resemble、Eleven Labs 等。 SEO 优化：Alli AI、BlogSEO、Seona AI、Clearscope 等。 Logo 设计：Looka、LogoAI、Brandmark、Logomaster 等。 聊天机器人：Droxy、Chatbase、Voiceflow、Chatsimple 等。 自动化工具：Make、Zapier、Bardeen、Postman 等。 市场营销。 2. 数字人相关： 直接卖数字人工具软件，分实时驱动和非实时驱动两类，实时驱动在直播时能改音频话术，真人接管，市面价格在一年 4 6 万往上（标准零售价）；非实时一个月 600 元，效果很差，类似放视频的伪直播，市场价格混乱，靠发展代理割韭菜。 提供数字人运营服务，按直播间成交额抽佣。 3. 电商方面： 在小红书通过 AI 绘画变现，如用 AI 制作服装，代表案例是 AI 小绿裙，单价 239 卖了 1160 多份；用 AI 定制萌娃的头像，单价 19.9，卖了 2675 份。

以下是关于如何用 AI 赚钱的一些分析和指导： 首先，对于 GPTs/GLMs 能否赚钱的问题，答案是能，但大多数人不能。从最俗气的角度“钱”出发，以 AI 产品经理的角色复盘 2023 年的所见所闻所感来聊，虽然目前最大的第三方 GPTs 商店 BeBeGPTs 收录了大量数据，但结果显示并非所有人都能通过其赚钱。 其次，大型语言模型有时会算错小学数学题，因为它们主要基于语言理解和生成，而非专门的数学计算设计。学了 AI 有可能赚钱，比如在数据科学家、机器学习工程师等岗位工作，或在金融、医疗、制造业等行业应用 AI 技术增加就业机会，但能否赚钱还取决于个人的学习能力、实际应用能力、对市场和商业的理解等因素，持续学习和实践很重要。 再者，生成式 AI 在艺术创作方面表现出色，内容创作是其第一个主流用例。生成式 AI 产品服务于各种用例，从消费者“仅为了娱乐”地创造内容，到创作者或个体创业者通过内容实现盈利。已经看到生成式 AI 工具在几乎每一种媒介中推出。 总之，用 AI 赚钱并非易事，需要综合考虑多方面因素，并不断提升自身能力和对市场的把握。

使用 AI 赚钱的方式有多种，但并非一定能保证成功，取决于多种因素。 一方面，学会 AI 技术有可能在相关高薪岗位上找到工作，如数据科学家、机器学习工程师等，从而获得不错的收入。AI 技术在金融、医疗、制造业等众多行业都有应用，掌握相关技能可增加就业机会和职业发展可能性。 另一方面，通过利用生成式 AI 进行内容创作来实现盈利也是一种途径。例如，生成式 AI 可用于艺术创作，从肖像画到各种媒介的内容创作，服务于消费者娱乐或创作者、个体创业者的盈利需求。 然而，要成功利用 AI 赚钱并非易事。大型语言模型主要基于语言理解和生成，并非专门用于数学计算，在处理数学问题时可能出错。而且，是否能赚钱还取决于个人的学习能力、实际应用能力、对市场和商业的理解等。仅仅学会基础知识可能不足以在竞争激烈的市场中脱颖而出，需要持续学习和实践。 同时，从目前的情况来看，虽然 GPTs 或 GLMs 等的出现引发了关于赚钱的讨论，但大多数人可能难以借此直接实现盈利。

以下是关于如何通过 AI 赚钱的一些分析： 1. 从 GPTs/GLMs 的角度来看，虽然它们有赚钱的可能性，但大多数人难以实现。作为 AI 产品经理，需要从最实际的“钱”的角度复盘 2023 年的所见所闻所感来探讨 AI 赚钱（应用落地）这件事。比如，通过分析最大的第三方 GPTs 商店 BeBeGPTs 收录的数据来了解情况。 2. 在生成式 AI 方面，艺术创作是一个主流用例。像 Lensa 这样的应用，肖像画只是开始，生成式 AI 产品将服务于各种用例，包括消费者“仅为了娱乐”地创造内容，以及创作者或个体创业者通过内容实现盈利。生成式 AI 工具几乎在每一种媒介中都有推出。 3. 大型语言模型在处理数学问题时可能会出错，因为其主要基于语言理解和生成，而非专门的数学计算。学习 AI 有可能赚钱，例如在数据科学家、机器学习工程师等岗位工作，但不能保证每个人都能赚到钱。是否能赚钱取决于个人的学习能力、实际应用能力、对市场和商业的理解等多种因素，需要持续学习和实践。