如何学习AI知识

以下是为科研人（经济学）推荐的一些 AI 工具： 1. Scite.ai：这是一个为研究人员、学者和行业专业人员打造的创新平台，旨在增强他们对科学文献的洞察。它提供了一系列工具，如引用声明搜索、自定义仪表板和参考检查，能简化您的学术工作。 2. Scholarcy：这是一款科研神器，主要为做科研、学术、写论文的人准备。它可以从文档中提取结构化数据，并通过知识归纳引擎生成文章概要，精炼地呈现文章的总结信息，分析中包含关键概念、摘要、学术亮点、学术总结、比较分析、局限等板块的内容。 3. ChatGPT：这是一个强大的自然语言处理模型，可以提供有关课题的修改意见。您可以向它提供您的文章，并提出您的问题和需求，它将尽力为您提供帮助。 这些工具可以帮助您从不同的角度审视和改进您的课题，提供专业的修改意见和建议。您可以根据自己的具体需求选择合适的工具进行尝试。请注意，内容由 AI 大模型生成，请仔细甄别。

以下是为科研人推荐的专用 AI 工具： 1. Scite.ai：这是一个为研究人员、学者和行业专业人员打造的创新平台，能增强对科学文献的洞察，提供引用声明搜索、自定义仪表板和参考检查等工具，简化学术工作。 2. Scholarcy：一款科研神器，主要为做科研、学术、写论文的人准备。可以从文档中提取结构化数据，并通过知识归纳引擎生成文章概要，包含关键概念、摘要、学术亮点、学术总结、比较分析、局限等板块的内容。 3. ChatGPT：强大的自然语言处理模型，能提供有关医学课题的修改意见。您可以向它提供文章，并提出问题和需求，它会尽力提供帮助。 这些工具能从不同角度审视和改进您的医学课题，提供专业的修改意见和建议，您可根据具体需求选择尝试。但请注意，内容由 AI 大模型生成，请仔细甄别。 另外，为了在医疗保健中让 AI 产生真正的改变，应投资创建像优秀医生和药物开发者那样学习的模型生态系统。成为顶尖人才通常从多年密集信息输入和正规学校教育开始，再通过学徒实践学习，AI 也应如此，不能仅依靠大量数据和生成模型，而应通过堆叠模型训练，如先训练生物学、化学模型，再添加特定数据点。 关于防止 AI 取代人类思考，手绘图有助于建立突触连接，将信息从短期记忆转移到长期记忆。不使用 AI 做笔记能让人成为更好的概念思考者。学生手写笔记比打字能保留更多信息，科学观察时手绘能提高观察能力。学习新技能时，应先依靠人类自身，不应一开始就使用 AI。

以下是 AI 的一些最新动态： 《2024 年度 AI 十大趋势报告》发布，其中包括大模型创新，架构优化加速涌现，融合迭代大势所趋；Scaling Law 泛化，推理能力成皇冠明珠，倒逼计算和数据变革；AGI 探索，视频生成点燃世界模型，空间智能统⼀虚拟和现实；AI 应用格局，第⼀轮洗牌结束，聚焦 20 赛道 5 大场景；AI 应用竞争，多领域竞速运营大于技术，AI 助手兵家必争；AI 应用增长，AI+X 赋能类产品大干快上，原生 AI 爆款难求；AI 产品趋势，多模态上马，Agent 席卷⼀切，高度个性化呼之欲出；AI 智变千行百业，左手变革生产力，右手重塑行业生态；AI 行业渗透率，数据基础决定初速度，用户需求成为加速度；AI 创投，投融资马太效应明显，国家队出手频率提升。 对于新手学习 AI，要持续学习和跟进，AI 是快速发展的领域，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。 《2024 年度 AI 十大趋势报告》从技术、产品、行业三个维度勾勒 AI 现状、展望未来走势。区别于其他智库和研究机构，量子位智库基于长期理解把握和深厚积淀，持续跟踪领域在产学研届的创新、洗牌、动态，结合对近百家初创公司、研究院、投资机构的深度交流。报告不仅深入剖析前沿科技如何迭代技术能力、重塑商业版图、引领产业升级，还敏锐洞察变革趋势，对未来路径进行前瞻性展望。该报告得到了产学研领域众多机构的支持。

以下是一些国内免费的可用于画动漫图或生成视频的软件： 1. 无界 AI： 网址：https://www.wujieai.cc/ 优势：国内网络可稳定使用，有免费出图点数，支持中文关键词输入，无需额外下载风格模型，可直接取用。 做图逻辑类似于 SD。 应用场景示例：朋友圈 po 图，画幅比例选择 1:1。 皮克斯卡通模型：二次元模型》模型主题》皮克斯卡通。 关键词类别包括场景、氛围、人物、造型、情绪、道具、构图、画面等。 2. 2024 年国内涌现的类似工具，如可灵、即梦、智谱清影等一系列 AI 生成视频工具，其生成结果甚至远超国外。 此外，国内免费的大模型 APP 有 Kimi 智能助手、文心一言、通义千问等。 Kimi 智能助手：由 Moonshot AI 出品，是一个有着超大“内存”的智能助手，可以一口气读完二十万字的小说，还会上网冲浪。 文心一言：百度出品的 AI 对话产品，定位是智能伙伴，能写文案、想点子，又能陪你聊天、答疑解惑。 通义千问：由阿里云开发的聊天机器人，能够与人交互、回答问题及协作创作。

以下是一些比较好的 AI 画图工具： 1. Lucidchart：流行的在线绘图工具，支持多种视图的创建，包括逻辑视图、功能视图和部署视图，具有拖放界面、支持团队协作和实时编辑、丰富的模板库和自动布局功能，官网：https://www.lucidchart.com/ 2. Visual Paradigm：全面的 UML 工具，提供创建各种架构视图的功能，包括逻辑视图、功能视图和部署视图。 3. ArchiMate：开源的建模语言，专门用于企业架构，支持逻辑视图的创建，可与 Archi 工具配合使用，该工具提供图形化界面创建模型。 4. Enterprise Architect：强大的建模、设计和生成代码的工具，支持创建多种架构视图。 5. Microsoft Visio：广泛使用的图表和矢量图形应用程序，提供丰富模板用于创建逻辑视图、功能视图和部署视图等。 6. draw.io（现在称为 diagrams.net）：免费的在线图表软件，允许创建各种类型的图表，包括逻辑视图和部署视图等，支持本地和云存储，多种图形和模板，易于创建和分享图表，可与多种第三方工具集成，官网：https://www.diagrams.net/ 7. PlantUML：文本到 UML 的转换工具，通过编写描述性文本自动生成序列图、用例图、类图等，帮助创建逻辑视图。 8. Gliffy：基于云的绘图工具，提供创建各种架构图的功能，包括逻辑视图和部署视图。 9. Archi：免费的开源工具，用于创建 ArchiMate 和 TOGAF 模型，支持逻辑视图的创建。 10. Rational Rose：IBM 的 UML 工具，支持创建多种视图，包括逻辑视图和部署视图。 此外，以下是一些用于绘制示意图的 AI 工具： 1. Lucidchart：集成 AI 功能，可自动化绘制流程图、思维导图、网络拓扑图等多种示意图，具有拖放界面，易于使用，支持团队协作和实时编辑，丰富的模板库和自动布局功能，官网：https://www.lucidchart.com/ 2. Microsoft Visio：专业的图表绘制工具，适用于复杂的流程图、组织结构图和网络图，其 AI 功能可帮助自动化布局和优化图表设计，集成 Office 365，方便与其他 Office 应用程序协同工作，丰富的图表类型和模板，支持自动化和数据驱动的图表更新，官网：https://www.microsoft.com/enus/microsoft365/visio/flowchartsoftware 3. Creately：在线绘图和协作平台，利用 AI 功能简化图表创建过程，适合绘制流程图、组织图、思维导图等，具有智能绘图功能，可自动连接和排列图形，丰富的模板库和预定义形状，实时协作功能，适合团队使用，官网：https://creately.com/ 4. Whimsical：专注于用户体验和快速绘图的工具，适合创建线框图、流程图、思维导图等，具有直观的用户界面，易于上手，支持拖放操作，快速绘制和修改图表，提供多种协作功能，适合团队工作，官网：https://whimsical.com/ 5. Miro：在线白板平台，结合 AI 功能，适用于团队协作和各种示意图绘制，如思维导图、用户流程图等，具有无缝协作，支持远程团队实时编辑，丰富的图表模板和工具，支持与其他项目管理工具（如 Jira、Trello）集成，官网：https://miro.com/ 使用 AI 绘制示意图的步骤： 1. 选择工具：根据具体需求选择合适的 AI 绘图工具。 2. 创建账户：注册并登录该平台。 3. 选择模板：利用平台提供的模板库，选择适合需求的模板。 4. 添加内容：根据需求添加并编辑图形和文字，利用 AI 自动布局功能优化图表布局。 5. 协作和分享：如果需要团队协作，可以邀请团队成员一起编辑。完成后导出并分享图表。

以下是一些利用 AI 进行赚钱的示例： 1. 在艺术创作领域，生成式 AI 使想象变为现实。例如通过 Lensa 等应用，生成肖像画等各种内容，创作者或个体创业者可借此实现盈利。 2. 对于 GPTs/GLMs ，虽然能赚钱，但大多数人难以做到。可以从最俗气的“钱”的角度，以 AI 产品经理的角色复盘 2023 年的所见所闻所感来探讨 AI 赚钱（应用落地）这件事。比如分析相关数据，了解其实际对话次数等情况。

以下是建立个人领域个人知识库的方法： 1. 使用 embeddings： 将文本转换成向量（一串数字），可理解为索引，能节省空间。 把大文本拆分成若干小文本块（chunk），通过 embeddings API 将其转换成 embeddings 向量，与文本块语义相关。 在向量储存库保存 embeddings 向量和文本块，作为问答的知识库。 当用户提问时，将问题转换成向量，与向量储存库的向量比对，提取关联度高的文本块，与问题组合成新的 prompt 发送给 GPT API。 例如，对于“此文作者是谁？”的问题，可提取关联度高的文本块，如“本文作者：越山。xxxx。”“《反脆弱》作者塔勒布xxxx。” 2. 理解 embeddings： embeddings 是浮点数字的向量（列表），向量之间的距离衡量关联性，小距离表示高关联度，大距离表示低关联度。 向量是用一串数字表示大小和方向的量，在计算机科学中常用列表表示。 常见的计算向量距离的方法是欧几里得距离。 在 OpenAI 词嵌入中，靠近的向量词语在语义上相似。 3. GPT 模型索引库 LlamaIndex： LlamaIndex 是更高一层 LangChain 的抽象，之前叫 GPT Index。 它简化了 LangChain 对文本分割和查询的接口，提供了更丰富的 Data Connector。 LlamaIndex 只针对 GPT Model 做 Index，而 LangChain 可对接多个 LLMs，可扩展性更强。 需要注意的是，GPT3.5 一次交互支持的 Token 有限，OpenAI 提供了 embedding API 解决方案。随着技术发展，AI 的开发和使用门槛会降低，垂直领域知识库的搭建和优化更多是业务问题。

构建自己的知识库可以通过以下方式实现： 1. 利用 GPT 打造个人知识库： GPT3.5 免费版的 ChatGPT 一次交互支持的 Token 有限，对于多数领域知识容量不够。 OpenAI 提供了 embedding API 解决方案，embeddings 是浮点数字的向量，向量间距离衡量关联性，小距离表示高关联度。 参考 OpenAI embedding documents 了解更多。 2. 本地部署大模型以及搭建个人知识库： 若要更灵活掌控知识库，可使用额外软件 AnythingLLM，其包含 Open WebUI 的能力，并支持选择文本嵌入模型和向量数据库。 安装地址：https://useanything.com/download 。 安装完成后进入配置页面，主要分为三步：选择大模型、选择文本嵌入模型、选择向量数据库。 在 AnythingLLM 中创建独有的 Workspace 与其他项目数据隔离，包括创建工作空间、上传文档并进行文本嵌入、选择对话模式（Chat 模式综合给出答案，Query 模式仅依靠文档数据给出答案），配置完成后可进行测试对话。 3. 了解 RAG 技术： 利用大模型搭建知识库是 RAG 技术的应用。 在进行本地知识库搭建实操前，需对 RAG 有大概了解。 RAG 应用可抽象为 5 个过程：文档加载（从多种来源加载文档，LangChain 提供 100 多种文档加载器）、文本分割（把 Documents 切分为指定大小的块）、存储（包括将文档块嵌入转换成向量形式和将向量数据存储到向量数据库）、检索（通过检索算法找到与输入问题相似的嵌入片）、输出（把问题及检索出的嵌入片提交给 LLM 生成答案）。 文本加载器是将用户提供的文本加载到内存中以便后续处理。

大模型搭建知识库的逻辑主要包括以下几个方面： 1. 理解 RAG 技术：利用大模型搭建知识库本质上是 RAG 技术的应用。在大模型训练数据有截止日期或不包含所需数据时，通过检索增强生成（RAG）来解决。RAG 可抽象为 5 个过程： 文档加载：从多种来源加载包括非结构化、结构化和代码等不同类型的文档。 文本分割：把文档切分为指定大小的块。 存储：包括将切分好的文档块嵌入转换成向量形式，并将向量数据存储到向量数据库。 检索：通过检索算法找到与输入问题相似的嵌入片。 输出：把问题及检索出来的嵌入片一起提交给大模型，生成更合理的答案。 2. 构建知识库各个流程： 从用户提出问题开始，经历用户问题的理解、路由、初步检索、重排序等环节，最终将重排序后的结果和用户的查询意图组合成上下文输入给大模型生成输出结果。需要注意重排序结果的使用限制，如设置阈值进行截断或筛选相关性分数等。 后置处理包括敏感内容检测和移除、格式化输出等。 3. 知识库的需求：大模型并非 100%准确，存在数据日期限制和无法感知公司内部私有数据等问题，知识库的出现就是为解决大模型的数据准确性问题。例如在客服系统中，公司将用户问题及答案记录在文档中以知识库形式投喂给大模型，使其能更准确回答用户自然语言询问的问题。

要将通往 AGI 之路的网站加入飞书知识库，您可以参考以下步骤： 1. 请填写下面问卷进群，群内会分享最新 AI 信息、社区活动。 2. 加入群后，欢迎大家积极分享，我们也会吸收进知识库，因为有您的参与才让知识库更加完善。 3. 飞书群内置 AI 智能机器人，可以回复任何与 AI 相关的问题，欢迎加入。 4. 如果您对「飞书」这款效率工具感兴趣，或者您希望结交各行各业志同道合的朋友和他们交流企业/个人效率的提升，诚邀您访问「飞书官方社区——飞行社」。 5. 如需下载研究报告，我们诚邀您加入知识星球：数百份涵盖 AI 各个方面的报告，并提供内容概要。自 2023 年上半年建立以来，保持长期活跃更新。扫码右侧二维码，加入知识星球。更多合作与咨询，请访问：https://waytoagi.feishu.cn/wiki/Wj77wBWjbi0yUAkyJWdc2TKFnmd 。 此外，关于 WaytoAGI 还有以下相关信息： 我是 WaytoAGI 专属问答机器人，基于 Aily 和云雀大模型。「飞书智能伙伴创建平台」（英文名：Aily）是飞书团队旗下的企业级 AI 应用开发平台，提供了一个简单、安全且高效的环境，帮助企业轻松构建和发布 AI 应用，推动业务创新和效率提升。云雀是一款由字节跳动研发的语言模型，通过便捷的自然语言交互，能够高效的完成互动对话、信息获取、协助创作等任务。 WaytoAGI 知识库就像一位 24 小时在线的 AI 老师、一个永不嫌烦的知识管家、一个不断成长的智慧宝库。里面有 AI 工具的“傻瓜式说明书”、大神们的“踩坑经验分享”、实用的“一招制胜”秘籍等。开启宝藏的步骤：第一步，点击飞书链接（对，就是那个网址啦：）。里面的界面就像一张藏宝图，左边的导航栏是您的指南针，上面的搜索框是您的探宝雷达，中间的内容区是知识的海洋。

目前从经济效益的角度来看，以下一些服务可能有助于您构建这样的知识库并支持 AI 问答以及结果保存： 1. 云服务提供商，如阿里云、腾讯云、AWS 等，它们提供可扩展的计算和存储资源，您可以根据实际需求灵活配置，避免过度投入硬件成本。 2. 开源的知识管理和问答系统框架，例如使用 Elasticsearch 结合相关插件来实现问答功能，成本相对较低，但可能需要一定的技术投入进行搭建和维护。 3. 一些专门针对知识管理和 AI 应用的 SaaS 服务，它们通常按使用量计费，初期投入较小，适合小规模应用。 需要注意的是，具体选择哪种服务取决于您的业务规模、技术能力、预算以及对性能和功能的要求。

网络上关于 AI 知识的授课，比如“野菩萨”的课程，其内容丰富多样，包括： 预习周课程：涵盖 AI 绘画电脑配置要求、高效 AIGC 创意者的数字人工具包、SD 插件安装方法、画静为动的 AIGC 视频制作讲解等。 基础操作课：包含 AI 绘画通识课、AI 摄影虚拟的真实、AI 电影 穿越的大门等。 核心范式课程：涉及词汇的纸牌屋、核心范式应用、控制随机性等。 SD WebUi 体系课程：包括 SD 基础部署、SD 文生图、图生图、局部重绘等。 ChatGPT 体系课程：有 ChatGPT 基础、核心 文风、格式、思维模型等。 ComfyUI 与 AI 动画课程：包含部署和基本概念、基础工作流搭建、动画工作流搭建等。 应对 SORA 的视听语言课程：涉及通识 欢迎参加电影的葬礼、影像赏析、基础戏剧影视文学等。 该课程标价情况如下： 冠军奖励：4980 课程一份。 亚军奖励：3980 课程一份。 季军奖励：1980 课程一份。 入围奖励：598 野神殿门票一张。 同时，如果想要免费获得这门课程，可以参与 video battle，每期的评委野菩萨老师都非常严格，需要寓意深度审美并存。您可以扫码添加菩萨老师助理，了解更多课程信息。

如果您是做抖音运营且不想学习代码来学习 AI，以下是一些建议： 1. 您可以从 AI agent 领域的 coze 开始学和练习。因为您从事互联网运营工作，coze 能让您短时间接触大量应用场景练习和 prompt 练习，而且不需要代码基础和图文审美，只要能发现智能体的需求，就可以用工作流来实现。 2. 如果您希望更系统地了解 AI 知识，即使不想学习代码，也可以尝试了解以下内容作为基础： AI 背景知识，包括基础理论（人工智能、机器学习、深度学习的定义及其关系）、历史发展（回顾 AI 的发展历程和重要里程碑）。 数学基础，如统计学基础（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）。 算法和模型，包括监督学习（了解常用算法，如线性回归、决策树、支持向量机）、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）。 评估和调优，如性能评估（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）。 神经网络基础，包括网络结构（理解神经网络的基本结构，如前馈网络、卷积神经网络、循环神经网络）、激活函数（了解常用的激活函数，如 ReLU、Sigmoid、Tanh）。 不过，如果您想在 20 分钟内快速上手 Python 和 AI 的相互调用，可以循序渐进地完成以下任务： 1. 完成一个简单程序。 2. 完成一个爬虫应用，抓取公众号文章。 3. 完成一个 AI 应用，为公众号文章生成概述。

以下是关于学习 AI 的全面指导： 一、了解 AI 基本概念 建议阅读「」部分，熟悉 AI 的术语和基础概念。了解人工智能是什么，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。同时，浏览入门文章，了解 AI 的历史、当前应用和未来发展趋势。 二、开始 AI 学习之旅 在「」中，能找到为初学者设计的课程，特别推荐李宏毅老师的课程。还可以通过在线教育平台（如 Coursera、edX、Udacity）按照自己的节奏学习，并争取获得证书。 三、选择感兴趣的模块深入学习 AI 领域广泛，涵盖图像、音乐、视频等。您可以根据自身兴趣选择特定模块深入学习，同时一定要掌握提示词的技巧，它容易上手且很有用。 四、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自己的作品，知识库中有很多实践后的作品和文章分享，欢迎您实践后也进行分享。 五、体验 AI 产品 与现有的 AI 产品互动是学习 AI 的有效方式。例如尝试使用 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，从而获得对 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。 对于中学生学习 AI，有以下建议： 1. 从编程语言入手学习，如 Python、JavaScript 等，学习编程语法、数据结构、算法等基础知识。 2. 尝试使用 AI 工具和平台，如 ChatGPT、Midjourney 等，探索面向中学生的 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，包括基本概念、发展历程、主要技术（机器学习、深度学习等）以及在教育、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，关注权威媒体和学者，思考 AI 技术对未来社会的影响，培养思考和判断能力。 在医疗保健领域，为了让 AI 产生真正的改变，应投资创建一个模型生态系统，例如“专家”AI，让其像优秀的医生和药物开发者那样学习。成为顶尖人才通常从多年的密集信息输入开始，通过正规学校教育和学徒实践，从最出色的实践者那里学习。对于 AI 来说，应通过使用彼此堆叠的模型来训练，而不是仅依靠大量数据和生成模型。例如先训练生物学模型，再是化学模型，然后添加特定于医疗保健或药物设计的数据点。预医学生的课程从化学和生物学基础开始，设计新疗法的科学家也需要经历多年学习和实践指导，这种学习方式有助于培养处理细微差别决策的直觉。

以下是关于您自学更多 AI 工具以发展副业的学习与实践建议： 1. 基础理解：了解大型语言模型的工作原理和局限性，例如它们在数学计算方面主要基于语言理解和生成，而非专门的数学计算设计，可能会在处理简单数学问题时出错。 2. 学习路径： 规划：明确学习目标和步骤。 记忆：记住关键知识和操作方法。 3. 实践操作： 掌握 GPT 的使用：了解 GPT 如 GPT4 的功能和特点，包括其工具选择和行动（Action）机制。 尝试工具：如 Webpilot，它能让 GPT 支持更实时的联网功能，获取网络资源。具体操作是在新建的 GPT 里勾掉 Web Browsing，然后点击添加 Actions（Add actions），再点击 import from URL 并填入相关网址。 4. 就业与应用： 了解人工智能领域的高薪工作，如数据科学家、机器学习工程师等，学习相关技能以增加就业机会。 关注 AI 技术在金融、医疗、制造业等行业的应用，掌握相关技能以拓展副业发展的可能性。 但需要注意的是，学习 AI 有可能赚钱，但不保证每个人都能成功，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。

以下是为 AI 0 基础使用者提供的学习建议： 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，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。 6. 如果希望继续精进： 了解 AI 背景知识，包括基础理论（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）。 掌握数学基础，如统计学基础（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）。 熟悉算法和模型，包括监督学习（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）。 学会评估和调优，包括性能评估（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）。 掌握神经网络基础，包括网络结构（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）。 首先，带着好奇心去尝试。随便找一个国产 AI，然后随便聊点什么，比如小学奥数题，写一篇演讲稿，怎么看待 996 的牛马生活。看看 AI 擅长什么，不擅长什么，有没有地方能帮到你，有哪些地方做的其实不够好。不用一开始带着太强的目的性，就把它当作天猫精灵来玩。在聊了一段时间之后，每个人会有自己觉得更顺手的应用，留下来 1 2 个增加使用深度。当然如果条件足够，也可以直接氪 ChatGPT 或者 Claude，之后在处理一些复杂的任务时会省力一些。

要从 IT 产品和项目经理转变为 AI 产品经理，可以参考以下步骤： 1. 入门级：通过 WaytoAGI 等开源网站或相关课程了解 AI 概念，使用 AI 产品并动手实践应用搭建。 2. 研究级： 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，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：熟悉传统互联网偏功能实现和偏商业运营的产品经理工作，最好能将两者结合。 3. 落地应用级：积累成功落地应用的案例，产生商业化价值。 AI 产品经理的岗位技能要求包括： 1. 本科及以上学历，计算机科学、人工智能、机器学习相关专业背景。 2. 熟悉 ChatGPT、Llama、Claude 等 AI 工具的使用及原理，并具有实际应用经验。 3. 熟练掌握 ChatGPT、Midjourney 等 AI 工具的使用及原理。 4. 负责制定和执行 AI 项目，如 Prompt 设计平台化方法和模板化方法。 5. 了解并熟悉 Prompt Engineering，包括常见的 Prompt 优化策略（例如 CoT、Fewshot 等）。 6. 对数据驱动的决策有深入的理解，能够基于数据分析做出决策。 7. 具有创新思维，能够基于业务需求提出并实践 AI first 的解决方案。 8. 对 AI 技术与算法领域抱有强烈的好奇心，并能付诸实践。 9. 对 AIGC 领域有深入的理解与实际工作经验，保持对 AI 技术前沿的关注。 10. 具备一定的编程和算法研究能力，能应用新的 AI 技术和算法于对话模型生成。 11. 具有一定的编程基础，熟练使用 Python、Git 等工具。 总结来说，AI 产品经理要懂得技术框架，不一定要了解技术细节，而是对技术边界有认知，最好能知道一些优化手段和新技术的发展。同时，要关注场景、痛点、价值。

以下是从小白开始学习 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自己的作品。 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。