Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

我是一个agi的小白我该从哪开始学习AGI

Answer

对于 AGI 小白，以下是一些学习建议：

  1. 参考《雪梅 May 的 AI 学习日记》：如果您还在观望 AI，不知从何入手，可以先看其目录。作者从一开始的到处看到现在走在学习 AI 的轨道上，学习模式是输入→模仿→自发创造。但日记中的学习内容可能因 AI 节奏快而不适用，您可去 waytoAGI 社区发现自己感兴趣的领域，学习最新内容。学习时间并非每天依次进行，而是有空时学习。
  2. 参考完整的学习路径：建议参考「通往 AGI 之路」知识库首页的布鲁姆分类法，设计自己的学习路径。
  3. 借鉴他人经验：YoYo 作为文科生，在学习前不理解 AI 和提示词工程，通过不断尝试走了不少弯路。学习后能搓多 Agent 的智能体，在公司中实践智能客服等。其学习路径的关键词为“少就是多”“先有个初识”“目录索引推荐”“兴趣最重要”“先动手”，强调学以致用，通过学习-分享-不断填补知识的缝隙来成长。

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。

Content generated by AI large model, please carefully verify (powered by aily)

References

《雪梅 May 的 AI 学习日记》挑战 100 天和 AI 做朋友

说明：1.适合纯AI小白：如果你还在观望AI，不知道从何入手，可以参考我这个日记。你可以先看左边的目录，会发现我现在已经快到100天了，在这个时间跨度里，我从一开始的到处看看到现在觉得自己已经走在了一条学习AI的轨道上。2.学习模式是什么：我平时有记录笔记的习惯，所以积累了这份AI学习日记。我最近整理复盘了这将近100天记录的日记后，我发现我学习AI的模式是输入→模仿→自发创造。如果你没有自信一开始就用费曼学习法来接触AI，那你可以试试我这个实践出来的学习模式。3.学习内容：我日记里的学习内容你可以不用直接复用，因为AI的节奏太快了，很多学习的材料在半年后的现在可能已经不适用了。比如coze之前共学的那些课程，你会发现coze已经改版了，如果你按照老课程来模仿，产品功能不一样了，对你来说会有转换的门槛。你可以去waytoAGI社区发现你自己感兴趣的AI领域，去学习你自己想学的最新的内容。4.有时间学吗：在半年多的时间跨度中，其中有100天在学习AI，所以这里的DAY（天数）不是每天依次进行，而是有空的时候学习。目前我进行到了90天，希望自己能够坚持满100天，甚至更多时间。5.学习状态：我在2024年保持了比较好的学习状态，有意愿和动力也能头脑清醒的学进去东西。这种状态不仅体现在学AI，我在2024年还看了33本书，像《穷查理宝典》这样的大部头都能看进去。所以如果你看到这个100天日记觉得自己很难做到，那是学习状态没有到最好，不用有心里压力，能学多少算多少就行。6.有费用吗：本日记中学习资源的内容都是免费开源的，真的很感谢这些把信息开源的人，这样会AI的人才会越来越多。我也是秉持这个理念，把我的学习日记开源了

问：新手如何学习 AI？

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，你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」[知识库首页](https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e)的布鲁姆分类法，设计自己的学习路径。类似问题：我是新人，怎么学习AI？新手学习AI学习AI，我应该从哪里开始如何从头开始学习AI？

YoYo：我在通往AGI的学习之路心得

千人千面，仅代表个人的学习实践，仅供参考启发。[heading2]澄清内容，方便大家参考[heading3]学习前状态[content]不理解什么是AI，什么是提示词工程，但是不影响使用的一个蛮干的状态个人是个文科生，不懂代码，英语也非常差；在学习AGI之前的状态是，注册尝试各种AI工具，走了不少弯路对ChatGPT的认识，仅限于日常问答，SQL学习交互，能够支持工作数据提取[heading3]学习后现状[content]终于可以搓多Agent的智能体，但是需要进修python搓更多智能体营销文案demo，SQL代码进阶学习应用创建了3个图像流智能体，2个Agent智能体玩具🪀在公司中实践智能客服从创建到应用的过程，实现企业微信机器人问答的基本功能学习Dr.kown的尝试实践图像流的尝试企业智能体实践，智能客服[heading2]在AGI的学习路径[content]关键词：#少就是多#先有个初识#目录索引推荐#兴趣最重要#先动手学习路径，主线+支线的游戏通关～最后，个人感受真的学不完，找到适合自己的就好学以致用，通过学习-分享-不断填补知识的缝隙，成长的一种路径。[heading2]关于我[content]大家好～我是yoyo🐱🐈坐标北京，铲屎官一枚🫡AIGC的小白，持续进阶成长，打造一个自己的智能体☕️以上期待能够给到各位一点启发感谢家属带我在“[通往AGI之路](https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e)”打开新世界，接触有趣的事情，结识有趣的人

Others are asking
如何用waytoagi生成视频
以下是关于生成视频的几种方式： 1. 使用 Runway 生成视频： 网页：https://runwayml.com/ 注册：在右上角 Sign Up 注册，输入邮箱与基础信息，完成邮箱验证。 选择 Try For Free 模式：新注册用户会有 125 个积分进行免费创作（约为 100s 的基础 AI）。 生成第一个视频步骤： 选择左侧工具栏“生成视频”。 选择“文字/图片生成视频”。 将图片拖入框内。 选择一个动画系数。 点击生成 4 秒视频。 下载视频。 2. 使用 Adobe 生成带有文本提示和图像的视频： 网址：https://www.adobe.com/products/fi 在 Advanced 部分，您可以使用 Seed 选项，以帮助启动流程并控制 AI 创建的内容的随机性。如果使用相同的种子、提示和控制设置，则可以重新生成类似的视频剪辑。 选择 Generate（生成）。 3. 使用 Aimwise WaytoAGI 百家号文旅分享中的 EBS 丝滑转绘生成视频： 选择文件夹。 导入视频。 设置帧率，调整边数，设置视频高度，设置最大帧数（可在剪辑软件查看，或计算帧率秒）。 点击进行预处理。 使用 ebsynth： 打开 ebsynth。 将 keys 文件夹拖入 keyframes。 将 frames 文件夹拖入 video。 点击 run all 生成视频。 如果视频被拆分为多个文件夹，则需重复上述步骤。 回到 temporal kit。 点击重组 ebsynth，生成视频。
2025-01-14
agi是什么
AGI 即人工通用智能（Artificial General Intelligence），是指能够做任何人类可以做的事的人工智能。 OpenAI 在其内部会议上分享了 AGI 的五个发展等级： 1. 聊天机器人（Chatbots）：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者（Reasoners）：具备人类推理水平，能够解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 目前，AI 分为 ANI 和 AGI，ANI（Artificial Narrow Intelligence 弱人工智能）得到巨大发展，而 AGI 还没有取得巨大进展。ANI 只可做一件事，如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等。
2025-01-14
什么是AGI
AGI 即强人工智能或通用人工智能，是指具有人类水平的智能和理解能力的 AI 系统。它有能力完成任何人类可以完成的智力任务，适用于不同的领域，同时拥有某种形式的意识或自我意识。目前还只是一个理论概念，还没有任何 AI 系统能达到这种通用智能水平。 AGI 的五个发展等级分别为： 1. 聊天机器人：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者：具备人类推理水平，能够解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 3. 智能体：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可以预测蛋白质结构，加速科学研究和新药发现。 5. 组织：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 更多信息请见（AGI）。OpenAI 原计划在 2026 年发布的 Q的下一阶段（最初被称为 GPT6，后重新命名为 GPT7），由于埃隆·马斯克最近的诉讼而被暂停。计划在 2027 年发布的 Q2025（GPT8）将实现完全的 AGI。GPT3 及其半步后继者 GPT3.5（在 2023 年 3 月升级为 GPT4 之前，它驱动了现在著名的 ChatGPT）在某种程度上是朝着 AGI 迈出的巨大一步。
2025-01-13
这个通往AGI知识库有什么用？
“通往 AGI 之路”知识库具有以下重要作用： 1. 它是一个由开发者、学者和有志人士等参与的学习社区和开源的 AI 知识库，在这里，用户既是知识的消费者，也是知识的创作者。 2. 以“无弯路，全速前进”为目标，助力每一个怀揣 AI 梦想的人疾速前行。 3. 其生长得益于每一位用户的支持，通过大家的努力不断探寻 AGI 领域的无限可能。 4. 不仅是知识库，还是连接学习者、实践者和创新者的社区，让大家在这里碰撞思想，相互鼓舞，一同成长。 5. 提供了一系列开箱即用的工具，如文生图、文生视频、文生语音等详尽的教程，将文字化为视觉与听觉的现实。 6. 追踪 AI 领域最新的进展，时刻更新，让用户紧跟 AI 领域的步伐，每次访问都能有新的收获。 7. 无论用户是 AI 初学者还是行业专家，都可以在这里发掘有价值的内容，让更多的人因 AI 而强大。 相关链接： https://waytoagi.com/（通往 AGI 之路） 即刻体验：https://waytoagi.com/
2025-01-13
帮我介绍下 AGI
AGI 即通用人工智能，以下为您详细介绍： OpenAI 在其内部会议上分享了 AGI 的五个发展等级： 1. 聊天机器人：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者：具备人类推理水平，能够解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 3. 智能体：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 5. 组织：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 此外，WaytoAGI（通往 AGI 之路）是一个致力于人工智能学习的中文知识库和社区平台。它为学习者提供系统全面的 AI 学习路径，覆盖从基础概念到实际应用的各个方面。其特点包括： 1. 知识库与社区平台：汇集了上千个人工智能网站和工具，提供最新的 AI 工具、AI 应用、AI 智能体和行业资讯。 2. 学习资源：提供丰富的学习资源，包括文章、教程、工具推荐以及最新的 AI 行业资讯等。 3. 实践活动：定期组织活动，如视频挑战赛、模型创作大赛等，鼓励成员在实践中学习，促进交流与合作。 4. 开放共享：引领并推广开放共享的知识体系，倡导共学共创等形式，孵化了 AI 春晚、离谱村等大型共创项目。 5. 用户基础：在没有任何推广的情况下，一年时间已有超过 100 万用户和超千万次的访问量。 6. 目标与愿景：目标是让每个人的学习过程少走弯路，让更多的人因 AI 而强大。 OpenAI 的创始人 Sam Altman 曾发表相关反思，回首过去几年的创业历程，认为这段时光充满价值、挑战和难忘。展望 2025 年，他坚信首批 AI Agent 将开始融入劳动力市场，为各行各业带来变革。随着通用人工智能（AGI）的脚步日益临近，现在是回顾公司发展历程的重要时刻。大约九年前，OpenAI 怀揣着对 AGI 潜力的坚定信念创立，渴望探索如何构建它，并使其惠及全人类。
2025-01-13
agi是什么
AGI 即通用人工智能（Artificial General Intelligence），指能够做任何人类可以做的事。 OpenAI 在其内部会议上分享了 AGI 的五个发展等级： 1. 聊天机器人（Chatbots）：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者（Reasoners）：具备人类推理水平，能够解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品执行任务后仍需人类参与，尚未达到完全智能体水平。 4. 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 目前，AI 分为 ANI 和 AGI，ANI（弱人工智能）得到巨大发展，但 AGI 还没有取得巨大进展。ANI 只可做一件事，如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等。
2025-01-13
小白怎么搭建一个智能体？
对于小白搭建智能体，可参考以下步骤： 1. 智能体创建： 进入 coze 官网（www.coze.cn），注册并登录。 点击页面左上角的⊕，通过【标准创建】填入 bot 的基本信息。 了解 Bot 开发调试界面： 人设与回复逻辑（左侧区域）：设定 Bot 的对话风格、专业领域定位，配置回复的逻辑规则和限制条件，调整回复的语气和专业程度。 功能模块（中间区域）： 技能配置：插件可扩展 Bot 的专业能力，如计算器、日历等工具；工作流可设置固定的处理流程和业务逻辑；图像流可处理和生成图像；触发器可设置自动化响应条件。 知识库管理：文本可存储文字类知识材料，表格可结构化数据的存储和调用，照片可作为图像素材库。 记忆系统：变量可存储对话过程中的临时信息，数据库可管理持久化的结构化数据，长期记忆可保存重要的历史对话信息，文件盒子可管理各类文档资料。 交互优化（底部区域）：开场白可设置初次对话的问候语，用户问题建议可配置智能推荐的后续问题，快捷指令可设置常用功能的快速访问，背景图片可自定义对话界面的视觉效果。 预览与调试（右侧区域）：实时测试 Bot 的各项功能，调试响应效果，优化交互体验。 2. 图像流搭建： 创建第一个图像流：由于文本类型大语言模型无法直接生成图片，需要通过【技能】部分的图像流，为文本大模型提供图像生成能力。比如为 marvin 机器人加入图像流，按照步骤创建图像流并设定图像流名称以及描述（注意名称只能是英文）。 了解图像流节点的意义：在图像流编辑界面，左侧的工具栏集合了所有可能用到的功能。智能处理工具包括“智能生成”“智能抠图”和“画质提升”等；基础编辑工具如画板、裁剪、调整、添加文字等可满足日常图片编辑需求；风格处理类工具如风格迁移、背景替换能让图片更有创意。 根据需求进行图像流设计： 生成海报功能在总结故事后，将完整的故事作为输入。 对输入的故事进行一轮提示词优化，从自然语言转变为更符合文生图大模型的提示词。 将优化后的提示词输入生图大模型，调整生图的基础风格和信息，输出最终的配图海报。 测试图像流。
2025-01-13
我是一个ai小白，我是个一个0基础的人，我想在这个网站进一步系统的了解ai的应用，请给我推荐一下
以下是为您推荐的系统了解 AI 应用的内容： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能、机器学习、深度学习等主要分支及其之间的联系。 浏览入门文章，了解 AI 的历史、当前应用和未来发展趋势。 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）按照自己的节奏学习，并争取获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，如图像、音乐、视频等，您可以根据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，通过实践巩固知识，尝试使用各种产品做出作品。 在知识库分享实践后的作品和文章。 5. 体验 AI 产品： 与现有的 AI 产品互动，如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人，了解其工作原理和交互方式。 同时，您还可以学习以下 AI 相关知识作为基础： 1. AI 背景知识： 基础理论：了解人工智能、机器学习、深度学习的定义及其之间的关系。 历史发展：简要回顾 AI 的发展历程和重要里程碑。 2. 数学基础： 统计学基础：熟悉均值、中位数、方差等统计概念。 线性代数：了解向量、矩阵等线性代数基本概念。 概率论：基础的概率论知识，如条件概率、贝叶斯定理。 3. 算法和模型： 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 无监督学习：熟悉聚类、降维等算法。 强化学习：简介强化学习的基本概念。 4. 评估和调优： 性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。 模型调优：学习如何使用网格搜索等技术优化模型参数。 5. 神经网络基础： 网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。 此外，您还可以参考以下文章和推荐： 1. 《》：推荐了适合新手使用的 AI 产品，如聊天对话类、图像类、视频类、PPT 类、音频类和私人定制类，包括国内外的产品如 Kimi、智谱清言、ChatGPT 和 Midjourney 等。 2. 《》：通过生动的故事探讨自然语言处理（NLP）、自然语言理解（NLU）和自然语言生成（NLG）的核心概念。 3. 《》：设想了未来 150 年内 AI 原住民与智能机器的共生关系。
2025-01-13
小白如何学AI？
对于小白学习 AI，以下是一些建议： 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，如图像、音乐、视频等，可根据自身兴趣选择特定模块深入学习。 掌握提示词的技巧，因其上手容易且实用。 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。 知识库中有很多实践后的作品和文章分享，欢迎实践后进行分享。 5. 体验 AI 产品： 与现有的 AI 产品（如 ChatGPT、Kimi Chat、智谱、文心一言等）进行互动，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。 6. 持续学习和跟进： AI 发展迅速，新成果和技术不断涌现，关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。 考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。 此外，还可以参考《雪梅 May 的 AI 学习日记》，其适合纯 AI 小白。学习模式为输入→模仿→自发创造，学习内容可在 waytoAGI 社区发现自己感兴趣的 AI 领域并学习最新内容。学习时间灵活，资源免费开源。
2025-01-12
我是AI小白如何接触AI领域
对于 AI 小白接触 AI 领域，您可以参考以下步骤： 1. 了解 AI 基本概念： 建议阅读「」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，您能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，还有机会获得证书。 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，您可以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您的作品。 知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后进行分享。 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。 6. 持续学习和跟进： AI 是一个快速发展的领域，新的研究成果和技术不断涌现。关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。 考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。 此外，您还可以参考《雪梅 May 的 AI 学习日记》，这适合纯 AI 小白。其学习模式是输入→模仿→自发创造。学习内容可根据您的兴趣在 waytoAGI 社区寻找最新的内容。学习时间较为灵活，日记中的学习资源免费开源。如果您学习状态未达最佳，不必有压力，能学多少算多少。
2025-01-12
作为一个AI小白，想了解AI或者说想了解AI如何使用
以下是为您提供的关于AI的全面介绍和使用方法： 一、如何认识AI 对于没有理工科背景的人来说，理解AI可能有一定难度。可以将AI视为一个黑箱，它是能理解自然语言并输出自然语言、模仿人类思维的东西。其生态位类似于传统道教中的驱神役鬼拘灵遣将，或者某种可以理解人类文字但不是人的魔法精灵/器灵。无论AI技术如何发展，其生态位仍是似人而非人的存在。在与AI相处时，当想让其实现愿望，要基于其“非人”的一面，尽可能通过语言文字压缩其自由度，清晰告知任务、边界、目标、实现路径方法以及所需的正确知识。 二、新手如何学习AI 1. 了解AI基本概念 阅读「」部分，熟悉AI的术语和基础概念，了解其主要分支及联系。 浏览入门文章，了解AI的历史、应用和发展趋势。 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）按自己节奏学习，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，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习，建议掌握提示词技巧。 4. 实践和尝试 理论学习后进行实践，巩固知识。 在知识库分享实践后的作品和文章。 5. 体验AI产品 与ChatGPT、Kimi Chat、智谱、文心一言等AI聊天机器人互动，了解其工作原理和交互方式。 三、How I Use AI 作者Nicholas Carlini是技术大佬，他的博文「How I Use "AI"」是使用LLM进行编程和研究的实例分享，并给出了完整的提示词。他通过以下方式使用AI： 1. 构建完整的Web应用，获得超千万次页面浏览量。 2. 学习新技术，如Docker、Flexbox和React等。 3. 开启新项目，获取样板代码。 4. 简化代码，使复杂大型代码库更易理解。 5. 自动化单调任务，如数据格式化。 6. 提升用户专业度和效率，让普通用户像专家一样工作。 7. 获取API Reference，不必翻看查找文档。 8. 进行搜索，效果比传统搜索引擎好。 9. 解决一次性任务，省时省力。 10. 找到常见任务的解决方案。 11. 修复常见错误，比传统搜索更高效。
2025-01-11
小白如何学习AI
对于小白学习 AI，以下是一些建议： 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，同时掌握提示词的技巧。 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。知识库中有很多实践后的作品、文章分享。 5. 体验 AI 产品： 与现有的 AI 产品如 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。 6. 持续学习和跟进： AI 发展迅速，新成果和技术不断涌现。关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。 考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他爱好者和专业人士交流。 此外，还可以参考《雪梅 May 的 AI 学习日记》，其适合纯 AI 小白，学习模式为输入→模仿→自发创造。但其中的学习内容可能因 AI 发展而变化，可去 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新内容。该日记中的学习资源免费开源，且学习时间灵活，不必有压力，能学多少算多少。
2025-01-09
有哪些AI入门知识可以学习
以下是一些 AI 入门知识供您学习： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的主要分支（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，您可以找到一系列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），您可以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您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 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。 此外，对于不会代码的您，还可以尝试了解以下作为基础的内容： 1. AI 背景知识： 基础理论：了解人工智能、机器学习、深度学习的定义及其之间的关系。 历史发展：简要回顾 AI 的发展历程和重要里程碑。 2. 数学基础： 统计学基础：熟悉均值、中位数、方差等统计概念。 线性代数：了解向量、矩阵等线性代数基本概念。 概率论：基础的概率论知识，如条件概率、贝叶斯定理。 3. 算法和模型： 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 无监督学习：熟悉聚类、降维等算法。 强化学习：简介强化学习的基本概念。 4. 评估和调优： 性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。 模型调优：学习如何使用网格搜索等技术优化模型参数。 5. 神经网络基础： 网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。 微软也提供了为期 12 周、共 24 课时的 AI 初学者入门课程，您将深入学习符号人工智能、神经网络、计算机视觉、自然语言处理等内容。在课程中您将学到实现人工智能的不同方法、神经网络和深度学习、处理图像和文本的神经架构等，同时也会了解到课程不包括的内容。译者：Miranda，课程原网址 https://microsoft.github.io/AIForBeginners/ 。如果想提升学习效果，可以亲身实践课程内容、做随堂小测试或根据课程内容开展实验。这套课程是由专家设计的人工智能综合指南，它非常适合初学者，覆盖了 TensorFlow、PyTorch 及人工智能伦理原则。
2025-01-14
零基础学习
以下为零基础学习 AI 的相关内容： 二师兄的 AI 启蒙之路： 2024 年 2 月，在七彩虹售后群老哥的分享下，获得 SD 秋叶安装包和教学视频，迈出 AI 学习第一步。 2024 年 3 月，啃完 SD 教程并开始炼丹，但因图片数据集质量一般，lora 仅供自嗨。 2024 年 4 月，与小伙伴探讨 AI 变现途径，尝试相关项目，过程中练了一些绘本风格的丹。 2024 年 5 月，因工作变动，开启无硬件支持的 AI 学习之路，加入 Prompt battle 社群，学习 Midjourney 并打磨文生图提示词。 雪梅 May 的 AI 学习日记： 2024 年 11 月 24 日，好奇程序员写前端代码，在 B 站乱搜零基础学代码教程，体验前端网页制作。 2024 年 11 月 30 日，学习吴恩达用 AI 学 Python 课程 1。 2024 年 12 月 1 日，学习吴恩达用 AI 学 Python 课程 2。 2024 年 12 月 7 日，学习吴恩达用 AI 学 Python 课程 3。 刘海对“AI 提示词工程师”的见解和经验分享： 岗位技能要求包括市场调研、观察目标群体工作流、创造并拆解需求、选型现有 AI 解决方案做成产品来解决需求、抽象集成互联网 APP 产品、写 PRD、画 APP 产品原型图、组织团队进行 APP 产品开发。 零基础小白学习建议：找网上教程，看科普类教程，阅读 OpenAI 文档，理解参数作用，推荐使用一些练手的 Prompt 工具和相关教程文档。
2025-01-14
转型ai产品经理怎么学习
以下是关于转型为 AI 产品经理的学习建议： 1. 入门学习： 可以通过 WaytoAGI 等开源网站或相关课程了解 AI 的概念。 多使用 AI 产品并尝试动手实践应用搭建。 2. 研究阶段： 技术研究路径：对某一领域有认知，能根据需求场景选择解决方案，或利用 Hugging face 等工具手搓出一些 AI 应用来验证想法。 商业化研究路径：熟悉产品运营不分家的理念，关注场景、痛点、价值。 3. 落地应用： 积累成功落地应用的案例，产生商业化价值。 了解传统互联网产品经理的三个层级：负责功能模块与执行细节、负责整体系统与产品架构、熟悉行业竞争格局与商业运营策略。 对技术框架有一定了解，不一定要了解技术细节，但要对技术边界有认知，最好能知道一些优化手段和新技术的发展。 您还可以参考以下案例和学习资源： 《雪梅 May 的 AI 学习日记》：其中提到用 ComfyUI 的工作流加上 Cursor 的前端网页，完整制作个人 AI 产品的方向。 《放下傲慢！停止自欺欺人！与其做 AI 的主人，不如做它的搭档》：讲述了在与 AI 合作过程中，放下执念让 AI 主导以及全程让 AI 参与的经验。
2025-01-14
怎么学习chatgpt
以下是一些学习 ChatGPT 的方法： 1. 利用推特博主分享的 GPT 工作流： 把特定的 prompt 喂给 ChatGPT（建议开新对话专门用于学习英文）。 ChatGPT 会扮演美国好朋友，对输入的英文和中文表达返回更地道的表达，对俚语部分加粗，还会举一反三给出更多例子。 输入特定语句，ChatGPT 会输出对话回顾并建议 3 个推荐任务强化记忆。 建议开一个窗口复制 prompt，手机端打开历史记录，点右上角耳机图标打电话，既能练口语又能练听力，结束后看回顾帮助阅读。 群友在讯飞上尝试了类似版本，效果不错。 2. 深入了解相关知识： 从基础到实践，学习使用 GPT 的 Action，包括了解 OpenAI 对智能体能力模型的定义，深入探讨 ChatGPT 中的 Action（搜索、画图、代码解释器）以及 GPT 系列中的不同 Action。 初步了解 API 的概念，以及 GPT 如何通过 Action 与外部数据进行交互和使用。 对 Action 感兴趣可以从系统学习 API 相关知识、网上寻找可用 API 练习、发掘 GPT Action 更多潜力等方向继续前进。 3. 借鉴他人经验： 数据科学博士研究生杰森·方将其用作双向交流途径，有时用中文写一段话请 ChatGPT 帮忙润色，有时观察 ChatGPT 写的内容并据此写作。 企业家罗纳尔多·马那克在想不起特定单词时，简单描述让 GPT 找出。 作家和喜剧演员贝萨妮·格瑞斯·浩薇在需要灵感时让 ChatGPT 处理头韵、韵脚等。
2025-01-14
AI入门知识学习
新手学习 AI 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，如图像、音乐、视频等，可根据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。 此外，如果希望继续精进，对于不会代码的新手，可以尝试了解以下作为基础的内容： 1. AI 背景知识： 基础理论：了解人工智能、机器学习、深度学习的定义及其之间的关系。 历史发展：简要回顾 AI 的发展历程和重要里程碑。 2. 数学基础： 统计学基础：熟悉均值、中位数、方差等统计概念。 线性代数：了解向量、矩阵等线性代数基本概念。 概率论：基础的概率论知识，如条件概率、贝叶斯定理。 3. 算法和模型： 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 无监督学习：熟悉聚类、降维等算法。 强化学习：简介强化学习的基本概念。 4. 评估和调优： 性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。 模型调优：学习如何使用网格搜索等技术优化模型参数。 5. 神经网络基础： 网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。
2025-01-14
图像ai和视频ai怎么学习
以下是关于图像 AI 和视频 AI 学习的建议： 1. 了解 AI 基本概念： 建议阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的定义、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，您将找到一系列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，包括图像、音乐、视频等。您可以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您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动是学习 AI 的另一种有效方式。尝试使用如 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。 6. 技术原理理解： 了解相关技术名词，如： AI 即人工智能。 机器学习包括监督学习、无监督学习、强化学习。监督学习是基于有标签的训练数据，学习输入和输出之间的映射关系，包括分类和回归；无监督学习是基于无标签数据，算法自主发现规律，经典任务如聚类。 强化学习从反馈里学习，最大化奖励或最小化损失，类似训小狗。 深度学习参照人脑有神经网络和神经元，神经网络可用于多种学习方式。 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 LLM 即大语言模型。 了解技术里程碑，如 2017 年 6 月谷歌团队发表的论文《Attention is All You Need》首次提出了 Transformer 模型，它完全基于自注意力机制处理序列数据，比 RNN 更适合处理文本的长距离依赖性。
2025-01-13