怎么学习AI

对于小白如何用 AI 开始学习图片设计，以下是一些建议： 1. 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。为 bot 加入图像流时，要设定图像流名称以及描述（名称只能是英文）。 了解图像流节点的意义：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，大致可分为智能处理工具（如“智能生成”“智能抠图”“画质提升”等）、基础编辑工具（如画板、裁剪、调整、添加文字等）和风格处理类工具（如风格迁移、背景替换等）。从基础编辑工具开始尝试，熟悉后再探索其他功能。右侧类似画布，可拖拽左侧工具或点击“+”拖放各种工具模块，工具之间可连接形成工作流程。 根据需求进行图像流设计：例如生成海报功能，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。 2. 利用即梦 AI 生成海报 提示词：皮克斯风格，三宫格漫画：一只小狗，坐在办公桌前，文字“KPI 达标了吗？”。一只小狗，拿着一个写满计划的大本子，微微皱着眉头，文字“OKR 写好了吗？”。一只小狗坐在电脑前，文字“PPT 做好了吗？”。 实操教程： 打开即梦 AI：https://jimeng.jianying.com/aitool/home 。 点击 AI 作图中的图片生成。 填写绘图提示词，选择生图模型 2.1，点击立刻生成。 3. 进阶技巧和关键词 图片内容一般分为二维插画以及三维立体两种主要表现形式。 主题描述：可以描述场景、故事、元素、物体或人物细节、搭配等。描述场景中的人物时，最好独立描述，不要用一长串文字，否则 AI 可能识别不到。 设计风格：可找风格类关键词参考或垫图/喂图，让 AI 根据给出的图片风格结合主题描述生成图片。对于某些材质的描述，关键词的运用有很多门道，需要针对某一种风格单独进行“咒语测试”。

以下是关于 AI 生成 PPT 的相关内容： 卓 sir 的制作流程：先让 GPT4 生成 PPT 大纲，然后将大纲导入 WPS 启用 WPS AI 一键生成 PPT，再让 chatPPT 添加动画，最后手动修改细节。其中，生成符合要求的大纲最费时间。 市面上大多数 AI 生成 PPT 的思路：AI 生成 PPT 大纲、手动优化大纲、导入工具生成 PPT、优化整体结构。 相关推荐：gamma、AIPPT、islide AI 等产品，其中 gamma 被认为在审美方面表现较好。 扩展阅读：《AI 生成 PPT 工具红黑榜，这三款千万别用》《AI+PPT 等效率工具的研报》 您可以根据自己的需求和喜好选择合适的方法和工具来生成 PPT。

以下是关于文生营销图 AI 的相关教程： Liblibai 简易上手教程： 1. 定主题：确定您需要生成的图片的主题、风格和要表达的信息。 2. 选择 Checkpoint：根据主题选择内容贴近的 Checkpoint，如麦橘、墨幽的系列模型。 3. 选择 lora：寻找与生成内容重叠的 lora，以控制图片效果和质量。 4. 设置 VAE：选择 840000 那一串。 5. CLIP 跳过层：设为 2。 6. Prompt 提示词：用英文写需求，使用单词和短语组合，用英文半角逗号隔开，无需语法和长句。 7. 负向提示词 Negative Prompt：用英文写要避免的内容，同样是单词和短语组合，用英文半角逗号隔开。 8. 采样方法：一般选 DPM++2M Karras，也可参考模型作者推荐的采样器。 9. 迭代步数：选 DPM++2M Karras 时，在 30 40 之间，多了意义不大且慢，少了效果差。 10. 尺寸：根据喜好和需求选择。 11. 生成批次：默认 1 批。 Tusiart 简易上手教程： 1. 定主题：确定图片的主题、风格和要表达的信息。 2. 选择基础模型 Checkpoint：根据主题选择贴近的 Checkpoint，如麦橘、墨幽的系列模型。 3. 选择 lora：寻找与生成内容重叠的 lora，以控制图片效果和质量。 4. ControlNet：用于控制图片中特定的图像，如人物姿态等，属于高阶技能。 5. 局部重绘：下篇再教。 6. 设置 VAE：选择 840000 那一串。 7. Prompt 提示词：用英文写需求，使用单词和短语组合，用英文半角逗号隔开，无需语法和长句。 8. 负向提示词 Negative Prompt：用英文写要避免的内容，同样是单词和短语组合，用英文半角逗号隔开。 9. 采样算法：一般选 DPM++2M Karras，也可参考模型作者推荐的采样器。 10. 采样次数：选 DPM++2M Karras 时，在 30 40 之间，多了意义不大且慢，少了效果差。 11. 尺寸：根据喜好和需求选择。 关于【SD】文生图提示词： 1. 避免使用太大的数值，如 1920x1080，可能导致奇怪构图，可使用高清修复放大图像倍率，记住高宽比主要控制画面比例。 2. 调整好参数后生成图片，若质感不足，可添加标准化提示词，如：，绘图，画笔等，让画面更趋近于固定标准。

以下是一些生成 Logo 的 AI 产品： 1. Looka：这是一个在线 Logo 设计平台，使用 AI 理解用户的品牌信息和设计偏好，生成多个设计方案供选择和定制。 2. Tailor Brands：AI 驱动的品牌创建工具，通过用户回答问题生成 Logo 选项。 3. Designhill：其 Logo 制作器利用 AI 技术创建个性化设计，用户可选择元素和风格。 4. LogoMakr：提供简单易用的设计工具，用户能拖放设计，利用 AI 建议的元素和颜色方案。 5. Canva：广受欢迎的在线设计工具，提供 Logo 设计模板和元素，有 AI 辅助设计建议。 6. LogoAI by Tailor Brands：Tailor Brands 推出的 AI Logo 设计工具，根据输入快速生成方案。 7. 标小智：中文 AI Logo 设计工具，利用人工智能技术帮助创建个性化 Logo。 这些 AI 产品让无设计背景的用户也能轻松创建专业 Logo。使用时，用户可根据品牌理念和视觉偏好，通过简单交互获得系列方案，并进一步定制优化至满意。 此外，您还可以访问网站的 AI 生成 Logo 工具版块获取更多好用的工具：https://waytoagi.com/category/20 。 在第六期“一起做个 LOGO 吧”活动中，活动时间为 2024 年 6 月 9 日至 2024 年 6 月 16 日。活动目标包括探索制作 LOGO 方法、创造独特生成技巧、制作代表学习成果的作品。参与方式为使用 SD 等 AI 工具出图并将作品发送至 SD 学社微信群。会创建在线文档收集作品，6 月 16 日举行群内投票选出前三名，注意事项包括确保设计原创、允许作品公开展示以及在截止日期前提交。 在 AI 制作游戏 PV《追光者》中，故事背景创作阶段结合 chatGPT 发散制作游戏世界观，引导 ChatGPT 用分镜形式描述，使用 new bing 共创细致的故事分镜。生图阶段利用 ChatGPt 制作 midjourney 提示词工具，进入 midjourney 绘图包括制作 logo。还统一了 MJ 风格描述词，建立 AI 描述词模板，运用 midjourney 尝试制作不同风格 logo，最后用 PS 合成。

以下是为您提供的 AI 学习路径： 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，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。同时，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。 二、开始 AI 学习之旅 在「」中，您可以找到为初学者设计的课程，特别推荐李宏毅老师的课程。您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，比如掌握提示词的技巧，这上手容易且实用。 四、实践和尝试 理论学习后，实践是巩固知识的关键。您可以尝试使用各种产品进行创作，知识库中也有很多实践后的作品和文章分享，欢迎您在实践后进行分享。 五、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，获得对 AI 实际应用表现的第一手体验。 六、技术研究方向 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。 七、应用方向 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。 希望以上内容对您有所帮助。

以下是一些关于 AI 自动化和工作流编排的工具和方案： 1. RPA 软件：很早就出现在工作流编排领域，目标是使基于桌面的业务流程和工作流程实现自动化，现在越来越多的 RPA 软件带上了 LLM。 2. ComfyUI：将开源绘画模型 Stable Diffusion 进行工作流化操作模式，用户在流程编辑器中配置 pipeline，通过不同节点和连线完成模型操作和图片生成，其 DSL 配置文件支持导出导入，提高了流程的可复用性，降低了时间成本。 3. Dify.AI：工作流设计语言与 ComfyUI 有相似之处，定义了一套标准化的 DSL 语言，方便使用导入导出功能进行工作流复用。 4. Large Action Model：采用“通过演示进行模仿”的技术，检查人们与界面的互动并模仿操作，从用户提供的示例中学习。 5. Auto GPT/Agent/Baby AGI：基于 GPT4 语言模型的开源应用程序，用户输入目标后可自主执行任务、递归地开发和调试代码。能用于自动化任务、创建自主的 AI 代理、完成各种任务等，访问地址为： 。 此外，在工作流编排中还涉及到一些概念和技术： 1. 短期记忆和长期记忆：短期记忆将所有的上下文学习看成是利用模型的短期记忆来学习；长期记忆通过外部的向量存储和快速检索来存储和召回信息。 2. 工具：学会调用外部不同类型 API 来获取模型缺少的额外信息、代码执行能力、访问专有信息源等。 3. 动作：大模型结合问句、上下文的规划、各类工具，最终决策出需要执行的动作。 4. Agentic Workflow 可以从提升效率、提高质量、节省时间的角度思考，通过将复杂任务分解成较小步骤，融入更多人类参与到流程中的规划与定义，减少对 Prompt Engineering 和模型推理能力的依赖，提高 LLM 应用面向复杂任务的性能。 但需要注意的是，Agentic Workflow 虽然美好，但使用的用户目前较少，可能是出现周期、工作流使用的上手难度等因素导致，并且在复杂流程上的开发并不是那么稳定可靠。

以下是关于制作机器人和机器狗的理论指导和操作指南： 具身智能是将机器学习算法适配至物理实体，与物理世界交互的人工智能范式。以 ChatGPT 为代表的“软件智能体”通过网页端、手机 APP 与用户交互，能接受多种模态指令实现复杂任务。具身智能体则将大模型嵌入物理实体，通过传感器与人类交流，强调与物理环境交互。人形机器人是具身智能的代表产品。 具身智能有三要素： 1. 本体：即硬件载体，不同环境有不同形态的硬件本体适应，如室内平地适用轮式机器人，崎岖地面适用四足机器人（机器狗）。 2. 智能：包括大模型、语音、图像、控制、导航等算法。 3. 环境：本体所交互的物理世界，本体、智能、环境高度耦合是高级智能基础。 具身智能还有四个模块：感知决策行动反馈。一个具身智能体的行动分为这四个步骤，分别由四个模块完成并形成闭环。在具身智能体与环境的交互中，智能算法通过本体传感器感知环境，做出决策操控本体执行动作任务影响环境，还可通过“交互学习”和拟人化思维学习适应环境实现智能增长。

对于普通人想要研发机器狗，以下这些 AI 相关的基础知识是很有帮助的： 1. 了解 AI 的概念：AI 即人工智能，是让计算机模拟人类智能的技术。 2. 掌握机器学习：这是电脑找规律学习的方式，包括监督学习、无监督学习和强化学习。 监督学习：使用有标签的训练数据，学习输入和输出之间的映射关系，包括分类和回归任务。 无监督学习：处理没有标签的数据，让算法自主发现规律，例如聚类任务，像将一堆新闻文章按主题或内容特征分组。 强化学习：从反馈中学习，以最大化奖励或最小化损失，类似训练小狗。 3. 深度学习：这是一种参照人脑构建神经网络和神经元的方法，由于有很多层所以称为深度。神经网络可用于监督学习、无监督学习和强化学习。 4. 熟悉生成式 AI：能够生成文本、图片、音频、视频等内容形式。 5. 了解 LLM（大语言模型）：对于生成式 AI，生成图像的扩散模型不属于大语言模型；对于大语言模型，生成只是其中一个处理任务，如谷歌的 BERT 模型可用于语义理解，像上下文理解、情感分析、文本分类等，但不太擅长文本生成。 6. 关注技术里程碑：例如 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，它基于自注意力机制处理序列数据，不依赖循环神经网络或卷积神经网络。 这些基础知识能为您研发机器狗提供理论支持和技术思路。

以下是关于如何学习提示词（prompt）的全面指导： 一、理解提示词的作用 提示词向模型提供上下文和指示，其质量直接影响模型输出的质量，能让模型更准确地理解并完成所需任务。 二、学习提示词的构建技巧 1. 明确任务目标，用简洁准确的语言描述。 2. 给予足够的背景信息和示例，帮助模型理解语境。 3. 使用清晰的指令，如“解释”“总结”“创作”等。 4. 对特殊要求应给予明确指示，如输出格式、字数限制等。 三、参考优秀案例 研究和学习已有的优秀提示词案例，可在领域社区、Github 等资源中找到大量案例。 四、实践、迭代、优化 多与语言模型互动，根据输出提高提示词质量。尝试各种变体，比较分析输出差异，持续优化提示词构建。 五、活用提示工程工具 目前已有一些提示工程工具可供使用，如 Anthropic 的 Constitutional AI。 六、跟上前沿研究 提示工程是当前最前沿的研究领域之一，持续关注最新的研究成果和方法论。 七、具体学习步骤 1. 拥有一个大模型帐号，并熟悉与之对话的方式。推荐 ChatGPT4 及国产平替：。 2. 阅读 OpenAI 的官方文档：。 精心设计的提示词能最大限度发挥语言模型的潜力，多实践、多学习、多总结，终可掌握窍门。请注意，内容由 AI 大模型生成，请仔细甄别。

以下是关于如何学习 AI 相关知识的建议： 一、了解 AI 基本概念 首先，建议阅读「」部分，熟悉 AI 的术语和基础概念。了解什么是人工智能，它的主要分支（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，这些文章通常会介绍 AI 的历史、当前的应用和未来的发展趋势。 二、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。这些课程将引导您了解生成式 AI 等基础知识，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，您可以按照自己的节奏学习，并有机会获得证书。 三、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。建议您一定要掌握提示词的技巧，它上手容易且很有用。 四、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。 五、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。通过与这些 AI 产品的对话，您可以获得对 AI 在实际应用中表现的第一手体验，并激发您对 AI 潜力的认识。 六、对于不会代码的情况 如果希望继续精进，对于 AI，可以尝试了解以下内容作为基础： 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。 七、中学生学习 AI 的建议 1. 从编程语言入手学习：可以从 Python、JavaScript 等编程语言开始学习，这些是 AI 和机器学习的基础。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：可以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。 请注意，以上内容由 AI 大模型生成，请仔细甄别。