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

普通人怎么学习AI

Answer

普通人学习 AI 可以参考以下步骤：

  1. 了解 AI 基本概念：
    • 阅读「从这里启程」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「入门：AI 学习路径」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，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。

此外，还可以参考以下方法：

  1. 万能公式法：问 AI【一个（xxx 职业）需要具备哪些知识？】，AI 就可给出知识框架，然后根据知识框架每一个小点去问，就能让 AI 工具帮你指数级深度思考。
  2. 寻找优质信息源：像没有技术背景的普通人，学习或了解 AI 最好的信息源在「即刻」App 的“AI 探索站”等免费圈子里。
  3. 信息爆炸之做减法的小 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。

对于纯 AI 小白，如果还在观望 AI 不知从何入手，可以参考《雪梅 May 的 AI 学习日记》。其学习模式是输入→模仿→自发创造。学习资源免费开源，可去 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新内容。

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

References

问：新手如何学习 AI？

了解AI基本概念：首先，建议阅读「[从这里启程](https://waytoagi.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=blkjooAlLFNtvKJ2)」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。开始AI学习之旅：在「[入门：AI学习路径](https://waytoagi.feishu.cn/wiki/ZYtkwJQSJiLa5rkMF5scEN4Onhd?table=tblWqPFOvA24Jv6X&view=veweFm2l9w)」中，你将找到一系列为初学者设计的课程。这些课程将引导你了解生成式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，你可以按照自己的节奏学习，并有机会获得证书。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），你可以根据自己的兴趣选择特定的模块进行深入学习。我建议你一定要掌握提示词的技巧，它上手容易且很有用。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你的作品。在知识库提供了很多大家实践后的作品、文章分享，欢迎你实践后的分享。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，你可以获得对AI在实际应用中表现的第一手体验，并激发你对AI潜力的认识。

危柯宇：如何让 AI 走进我们的工作和生活

问ai【一个（xxx职业）需要具备哪些知识？】，ai就可给出知识框架，然后根据知识框架每一个小点去问，就能让ai工具帮你指数级深度思考啦～[heading2]2.通往AGI之路[content][通往AGI之路](https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e)优质信息源在哪？问渠哪得清如许，唯有源头活水来。好的内容，主要源于好的信息源。那么，像我这样的没有技术背景的普通人，想要学习或了解AI，最好的信息源在哪里呢？1.要点：信息渠道、质量、密度三者皆优即可；2.先说结论：“不在西装革履的卖课海报里，免费的，不需要520”，就在「即刻」App的“[AI探索站](https://m.okjike.com/topics/63579abb6724cc583b9bba9a)”等免费圈子里。“AI探索站”里的前沿信息线索基本够用，很多Twitter上的开发者大牛也会在这里分享，需要溯源的时候，我才会去Twitter和相关官网。3.信息爆炸之做减法的小tips：如果担心信息洪流太大，学不过来，可以尝试这5个技巧3.1.只掌握最好的产品，少关注新产品测评（除非远超ChatGPT）3.2.只解决具体问题，不做泛泛了解。从问题中来，到问题中去3.3.只关注核心能力，不关注花式玩法，用AI扬其长避其短3.4.只关注理清需求和逻辑，不死记硬背提示词3.5.先关注提升认知/洞察，然后再谈技巧

《雪梅 May 的 AI 学习日记》挑战 100 天和 AI 做朋友（持续更新中）

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

Others are asking
如何生成稳定的AI视频
以下是关于生成稳定的 AI 视频的相关信息： 工具推荐： Runway： 网址：https://app.runwayml.com/videotools/ 官方使用教程：https://academy.runwayml.com/ 知识库详细教程： 特点：支持文生视频、图生视频、视频生视频；文生视频支持正向提示词、风格选择、运镜控制、运动强度控制、运动笔刷，支持多种尺寸，可设置种子值；生成好的视频可以延长时间，默认生成 4s 的视频；使用英文提示词。 Stable video： 网址：https://www.stablevideo.com/generate 知识库详细教程： 特点：支持文生视频、图生视频，仅英文；图生视频不可写 prompt，提供多种镜头控制；文生视频先生成 4 张图片，选择其中一张图片以后再继续生成视频。 技术差异： 代表产品如 Runway，在端到端视频生成中，涉及的技术包括 GAN 生成对抗网络、VAE 变分自编码器和 Transformer 自注意力机制。 GAN 生成对抗网络：是一种无监督的生成模型框架，能生成视觉逼真度高的视频，但控制难度大、时序建模较弱。 VAE 变分自编码器：可以学习数据分布，像压缩和解压文件一样重建视频数据，能根据条件输入控制生成过程，但质量较 GAN 略低。 GAN、VAE 生成视频速度快，但存在生成质量和分辨率较低、长度短、控制能力弱的缺点。 Transformer 自注意力机制：通过学习视频帧之间的关系，理解视频的长期时间变化和动作过程，对长视频建模更好，时序建模能力强，可实现细粒度语义控制，但计算量大。 当前面临的问题及解决方案： 当前仍面临生成时间长、视频质量不稳定、生成的视频语义不连贯、帧间存在闪烁、分辨率较低等问题。解决方案包括使用渐进生成、增强时序一致性的模型等方法，上述的补帧算法、视频完善策略也可在一定程度上缓解问题。 制作技巧： 在镜头衔接上要写运镜提示词，描述多种运镜方式，否则画面会乱变。在做视频时要不断尝试参数。
2025-02-26
AI陪伴有什么好的产品
以下是一些 AI 陪伴的好产品： 1. Character.ai：这是一个 AI 虚拟陪伴平台，用户能与数百个 AI 驱动的角色交流，还可创建自己的角色并赋予其各种特性。 2. Replika：一款 AI 虚拟陪伴应用，用户可设计理想伴侣，其会存储记忆并在未来对话中参考，甚至能发送照片。 3. Talkie：主打情感路线的 AI 虚拟陪伴应用，设计有大量 npc，游戏和休闲娱乐体验感强，每个 npc 都有自己的剧情体系，交流中会触发抽取卡牌机会。 AI 陪伴已进入成长爆发期，可能看起来是小众市场，但实际上已成为生成式 AI 主流应用场景之一。网页端和移动端数据表明其正变得越来越普及。例如，在网页端榜单上，Character.ai 领跑 AI 陪伴榜单。 陪伴应用的范畴也在迅速扩大，不仅限于“男友”“女友”概念，还涵盖友谊、指导、娱乐、医疗保健等方面。一些早期研究显示，AI 在诊断准确性和患者沟通技巧上能超越真人医生，如 Replika 聊天机器人帮助部分用户减轻了自杀念头。 移动端和网页端应用在 AI 使用类型上有明显不同。网页端产品更倾向支持内容创作和编辑的复杂工作流程，如 ElevenLabs、Leonardo、Gamma 等。移动端应用更倾向通用型助手，不少模仿了 ChatGPT。
2025-02-26
AI基础
以下是关于 AI 基础的全面介绍： 一、AI 背景知识 1. 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。 2. 历史发展：简要回顾 AI 的发展历程和重要里程碑。 二、数学基础 1. 统计学基础：熟悉均值、中位数、方差等统计概念。 2. 线性代数：了解向量、矩阵等线性代数基本概念。 3. 概率论：基础的概率论知识，如条件概率、贝叶斯定理。 三、算法和模型 1. 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 2. 无监督学习：熟悉聚类、降维等算法。 3. 强化学习：简介强化学习的基本概念。 四、评估和调优 1. 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。 2. 模型调优：学习如何使用网格搜索等技术优化模型参数。 五、神经网络基础 1. 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）。 2. 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。 六、学习资源和方法 1. 了解 AI 基本概念：阅读「」部分，熟悉 AI 的术语和基础概念。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，找到一系列为初学者设计的课程。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。特别推荐李宏毅老师的课程。 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。 七、书籍推荐 1. 《认知神经学科：关于心智的生物学》（作者:Michael S.Gazzaniga;Richard B.Lvry;George R.Mangun）：世界权威的认知神经科学教材，认知神经科学之父经典力作，系统了解认知神经科学的发展历史、细胞机制与认知、神经解剖与发展、研究方法、感觉知觉、物体识别、运动控制、学习与记忆、情绪、语言、大脑半球特异化、注意与意识、认知控制、社会认知和进化的观点等。 2. 《神经科学原理》（作者：Eric R.Kandel;James H.Schwartz）：让你系统神经元的细胞和分子生物学、突触传递、认知的神经基础、感觉、运动、神经信息的加工、发育及行为的出现、语言、思想、感动与学习。 3. 《神经生物学:从神经元到脑》（作者：John G.Nicholls 等著）：神经生物学领域内的一本世界级名著，涵盖了神经科学的方方面面，系统介绍了神经生物徐的基本概念、神经系统的功能及细胞和分子机制。
2025-02-26
AI基础
以下是关于 AI 基础的知识： 一、背景知识 了解人工智能、机器学习、深度学习的定义及其之间的关系，简要回顾 AI 的发展历程和重要里程碑。 二、数学基础 1. 统计学基础：熟悉均值、中位数、方差等统计概念。 2. 线性代数：了解向量、矩阵等线性代数基本概念。 3. 概率论：掌握基础的概率论知识，如条件概率、贝叶斯定理。 三、算法和模型 1. 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 2. 无监督学习：熟悉聚类、降维等算法。 3. 强化学习：了解强化学习的基本概念。 四、评估和调优 1. 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。 2. 模型调优：学习如何使用网格搜索等技术优化模型参数。 五、神经网络基础 1. 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）。 2. 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。 六、学习建议 1. 了解 AI 基本概念：阅读相关部分，熟悉术语和基础概念，了解主要分支及联系，浏览入门文章。 2. 开始学习之旅：在入门课程中学习生成式 AI 等基础知识，推荐李宏毅老师的课程，通过在线教育平台按自己节奏学习。 3. 选择感兴趣模块深入：AI 领域广泛，可根据兴趣选择特定模块，如掌握提示词技巧。 4. 实践和尝试：理论学习后进行实践，巩固知识，使用各种产品创作作品，并分享实践成果。 5. 体验 AI 产品：与 ChatGPT、Kimi Chat、智谱、文心一言等互动，了解工作原理和交互方式。 此外，为您推荐三本神经科学相关的基础学科书籍： 1. 《认知神经学科：关于心智的生物学》（作者:Michael S.Gazzaniga;Richard B.Lvry;George R.Mangun）：世界权威的认知神经科学教材，系统了解认知神经科学的多方面内容。 2. 《神经科学原理》（作者：Eric R.Kandel;James H.Schwartz）：让您系统了解神经元的相关知识。 3. 《神经生物学:从神经元到脑》（作者：John G.Nicholls 等著）：神经生物学领域的名著，涵盖神经科学的方方面面。
2025-02-26
AI介入设计的相关案例
以下是大淘宝设计部 2023 年度 AI 设计实践的相关案例： 1. 在工作流方面： 主要工具为 Midjourney 和 Stabel Diffusion，辅助工具有 RUNWAY 和 PS beta 等。 在营销设计中，AI 设计使整体项目设计时间大约减少 18%左右，其中在创意阶段丰富性提升 150%左右、时间节省 60%左右。 创意多样，项目中不同创意概念的提出数量增加了 150%。 执行加速，设计师在创意生成阶段的时间缩短了平均 60%。 整体提效，从创意发散到落地执行品效都有显著提升。 2. 具体应用场景案例： 大促营销：通过 AI 生成图像或素材，再结合平面合成及修正，确保符合品牌形象，更精准表达营销活动主题，如淘宝天猫大促视觉、双 11 大促横向会场版头模板化应用、天猫小黑盒新品联名等。 AI 布景：对于定制化真人模特实景素材的主题活动，通过 AI 完成页面所有素材的生产和输出，如七夕主题活动页面、超级品类日传播拍摄创意等。 产品营销视觉：在 UI 设计场景中，采用 AI 能力快速定制多种用户需要的视觉效果，如 88VIPAI 定制皮肤。 品牌超级符号映射：根据品牌符号的模型训练和结构控制，用户输入丰富关键词即可快速完成准确的超级符号主视觉，如双 11AI 创作赢红包、双 11 联合传播猫头海报&花车大巡游、超级品类日品牌符号系列海报等。 品牌 IP 形象 AI 生成：训练特定的天猫/淘宝/营销 IP 公仔模型，稳定输出定制化 IP 形象，如天猫 AI 玩行动品牌联合海报、天猫双 11出游主题喵卡、淘宝天猫一起冲亚、天猫 U 先公仔三视图生成及应用等。 传播&投放：如双 11 超级发布品牌联合海报、媒介投放开屏海报。
2025-02-26
ai产品经理
以下是为您整合的关于 AI 产品经理的相关信息： 北京分队中有一位叫 Kelton 的成员，是一位 AI 产品经理，深耕 NLP 方向 2 年，作为 Owner 从 0 1 打造过两款 AIGC 产品，也完成过 LLM 评测体系的从零搭建。技术出身，还曾在云计算、元宇宙领域工作过 2 年，坐标在海淀（北四环）。 银海是一位 AI 产品经理，是通往 AGI 之路社区共建者，5 + 大模型厂商资深讲师，全网粉丝量 3W + ，在 AI Agent、多模态大模型、企业级 AI 应用等多领域具备丰富实战经验。 特看科技正在招聘 AI 产品经理，岗位要求：负责 AI 视频工具方向产品工作，对生成式 AI 产品有一定研究，熟悉 Transformer 和 Diffusion 模型的优先；英文好，有海外产品经验优先，有内容工具或 SaaS 产品经验优先；2 年以上产品岗位经验，职级根据经验能力制定，对标阿里 P6 P8 区间。该公司专注于 AI 视频和直播应用，在国内和海外市场服务众多头部品牌。能提供确定性的商业化应用场景、初创公司充沛的早期期权池、强大的工程师团队等。有电子商务、企业服务、人工智能、海外产品等行业经验为加分项。欢迎推荐或自荐简历至 qingshen@tabcut.com，或飞书与清慎联系。
2025-02-26
那普通人要研发机器狗从哪方面开始学习？
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。
2025-02-26
普通人怎么研发制作机器狗？
普通人研发制作机器狗具有很大的挑战性，需要具备多方面的知识和技能。以下是一些关键的步骤和要点： 首先，要了解具身智能的概念。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。人形机器人是具身智能的代表产品，而机器狗作为一种具身智能体，其研发涉及到“本体”（硬件载体）、“智能”（大模型、语音、图像、控制、导航等算法）、“环境”（本体所交互的物理世界）三要素的高度耦合。 不同的环境需要不同形态的硬件本体来适应。例如，崎岖不平的地面更适用四足机器人（机器狗）。在具身智能体与环境的交互中，智能算法可以通过本体的传感器感知环境，做出决策以操控本体执行动作任务，从而影响环境。 在研发过程中，还需要关注以下方面： 1. 感知决策行动反馈的四个模块，形成一个闭环，以实现机器狗的有效行动。 2. 模拟训练环境的运用，例如像 Jim 团队在模拟环境中训练机器狗，并通过特定的代理和技术，将其转移到现实世界中。 3. 脑电波控制技术，如 MIT 研究团队通过特殊眼镜读取脑电波和眼动来控制波士顿动力机器狗，这为控制方式提供了新的思路。 然而，对于普通人来说，要完成机器狗的研发制作，还需要足够开放的环境、大规模预训练数据和强大的基础模型，这是非常困难的。但如果您有强烈的兴趣和决心，可以通过学习相关的专业知识，逐步积累经验来尝试。
2025-02-26
普通人的AI之路
普通人在 AI 领域有很多创造奇迹的机会和途径： 1. 参与 AI 艺术节：例如第一届 AI 艺术节 AIAF 面向全球创作者和 AI 爱好者发起了以“爱恨情仇”为命题的共同创作行动，收到了大量投稿，其中有相当比例的优秀作品来自此前并非从事视觉创作的跨界人士。 2. 让 AI 走进工作和生活： 万能公式法：问 AI 【一个（xxx 职业）需要具备哪些知识？】，获取知识框架，再针对小点提问，辅助深度思考。 寻找优质信息源：像没有技术背景的普通人，可在「即刻」App 的“”等免费圈子获取前沿信息，也可在必要时溯源至 Twitter 和相关官网。同时，为应对信息爆炸，可尝试只掌握最好的产品、解决具体问题、关注核心能力、关注需求和逻辑、先提升认知等技巧。 3. 了解 AGI 相关内容：如阅读 AGI 万字长文，了解 AI 多模态大爆发、应用现状、发展方向、可能带来的影响等多方面内容。
2025-02-21
普通人怎么学习ai赚钱
以下是为普通人学习 AI 赚钱提供的一些指导： 对于零基础小白： 1. 网上有很多基础课程可供选择，例如科普类教程。 2. 阅读 OpenAI 的官方文档，理解每个参数的作用和设计原理，避免在面试中出现知识盲区。 3. 推荐使用一些练手的 Prompt 工具。 岗位技能要求： 1. 具备综合的个人能力，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、抽象并集成成为一个互联网 APP 产品、写 PRD、画 APP 产品原型图、组织团队进行 APP 产品开发。 案例分享： 1. 二师兄在房地产行业从业二十年，计算机零基础。他从二月开始学习 AI 绘画，三月啃完相关教程并开始炼丹，四月尝试 AI 变现项目，五月加入 Prompt battle 社群学习 Midjourney。 需要注意的是，公司招聘 AI 提示词工程师岗位时，通常不会多招其他懂 AI 的岗位，因此需要个人具备较为全面和敏捷的能力。同时，若想将 AI 用于赚钱，还需不断探索和实践，找到适合自己的变现途径。
2025-02-21
是否有《普通人如何抓住deepseek红利》清华大学链接
以下是关于《普通人如何抓住 DeepSeek 红利》的相关链接： 清华大学新闻与传播学院撰写的报告：https://waytoagi.feishu.cn/record/T2yDrJ4NjeJFmccnBgzc5A7InIq 相关 PPT 课件：https://bl7rsz9526.feishu.cn/wiki/Gec9wxIGhiqSsAkrqzPc3ObLnpb （由清华大学新闻与传播学院、新媒体研究中心、元宇宙文化实验室、@新媒沈阳团队的陶炜博士生团队制作）
2025-02-20
普通人怎么开展ai应用层的创业
对于普通人开展 AI 应用层的创业，以下是一些建议和分析： 1. 基础设施层：布局投入确定性强，但资金需求巨大，入行资源门槛高，未来更多由“国家队”负责。普通人若无强资源，应谨慎入局，可考虑“合作生态”的切入机会。 2. 技术层：处于技术爆炸期，迭代速度极快。若团队规模不大，需慎重考虑技术迭代风险。基础通用大模型研发烧钱且竞争激烈，非巨无霸公司不建议考虑。 3. 应用层：是一片广阔蓝海，当前从业者增加，虽有相关产品涌现，但成熟应用和“杀手级”应用较少，对于普通个体和小团队，强烈推荐重点思考和布局，拥有超级机会和巨大发展空间。 在应用层创业的具体方向上，比如智能体领域： 智能体可以简单理解为 AI 机器人小助手，类似移动互联网中的 APP 应用。 有很多公司已关注 AI 应用层的产品机会，如在 C 端，有社交方向的用户注册后先捏自己的 Agent 再聊天等有趣场景；在 B 端，有帮助商家搭建 Agent 的机会。 国内有众多智能体开发平台，如字节的扣子、腾讯的元器、Dify.AI 等。
2025-02-19
python程序员 学习AI
对于 Python 程序员学习 AI，以下是一些建议和基础内容： AI 背景知识： 基础理论：理解人工智能、机器学习、深度学习的定义及相互关系。 历史发展：简要回顾 AI 的发展历程和重要里程碑。 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：掌握向量、矩阵等基本概念。 概率论：了解基础的概率论知识，如条件概率、贝叶斯定理。 算法和模型： 监督学习：熟悉常用算法，如线性回归、决策树、支持向量机（SVM）。 无监督学习：了解聚类、降维等算法。 强化学习：知晓其基本概念。 评估和调优： 性能评估：掌握如何评估模型性能，包括交叉验证、精确度、召回率等。 模型调优：学会使用网格搜索等技术优化模型参数。 神经网络基础： 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（CNN）、循环神经网络（RNN）。 激活函数：熟悉常用的激活函数，如 ReLU、Sigmoid、Tanh。 此外，还有相关的课程内容，如“和 Cursor AI 一起学 Python 编程”： 第一节：Python 是什么、Cursor 使用、notebook 远程编程。包括熟悉 Cursor 界面，安装和设置，指导下载安装 Cursor 编辑器，了解界面布局和基本功能，编写第一个程序，体验 AI 辅助功能，如代码自动补全和错误提示，使用 Bohrium 进行远程编程，注册和登录，在线编写和运行代码等。课程时间为 45 分钟，教学内容涵盖 Python 简介、发展历史和特点、在数据分析和人工智能领域的优势、在人文学科的应用、在语言教学和研究中的实际案例，以及对 Cursor 编程环境和 Bohrium 在线编程平台的介绍。
2025-02-26
如何利用ai提高学习能力
利用 AI 提高学习能力可以从以下方面入手： 英语学习： 1. 智能辅助工具：如 Grammarly 可进行英语写作和语法纠错，改进表达和写作能力。 2. 语音识别和发音练习：使用 Call Annie 进行口语练习和发音纠正，获取实时反馈和建议。 3. 自适应学习平台：Duolingo 能利用 AI 技术量身定制学习计划，提供个性化内容和练习。 4. 智能导师和对话机器人：ChatGPT 可用于英语会话练习和对话模拟，提高交流能力和语感。 数学学习： 1. 自适应学习系统：Khan Academy 结合 AI 技术提供个性化学习路径和练习题，精准推荐。 2. 智能题库和作业辅助：Photomath 通过图像识别和数学推理技术提供问题解答和解题步骤。 3. 虚拟教学助手：Socratic 利用 AI 技术解答数学问题、提供教学视频和答疑服务。 4. 交互式学习平台：参与 Wolfram Alpha 的学习课程和实践项目，利用 AI 技术进行数学建模和问题求解。 学习一门外语的通用方法： 1. 设定目标：明确学习目标和时间表，分阶段完成任务。 2. 多样化练习：结合听、说、读、写多种方式全面提升语言技能。 3. 模拟真实环境：多与母语者交流，或用 AI 对话助手模拟真实对话场景。 4. 定期复习：使用 AI 工具的复习功能，根据记忆曲线定期复习已学内容巩固记忆。 在医疗保健领域，鉴于人工智能依赖的神经网络基础，专家 AI 可能通过元学习更快地获得知识，并带着人类一同进步。AI 的特性使我们能将其一部分一部分地拆解研究，构建系统深入探索其内部工作机制，创造学习的飞轮，最终可能成为下一代专家（无论是人类还是 AI）的教师。 请注意，以上内容由 AI 大模型生成，请仔细甄别。
2025-02-26
我是一名AI工具使用小白，渴望快速掌握AI工具，在电子表格制作、ppt制作、公文写作、文案写作等方面提升应用能力，请问应该学习哪些入门课程。
以下是一些适合您入门学习的 AI 课程： 1. 工具入门篇（AI Tools）： 数据工具多维表格小白之旅：适合 Excel 重度使用者、手动数据处理使用者、文件工作者。通过表格+AI 进行信息整理、提效、打标签，满足 80%数据处理需求。 文章链接： 视频链接： 2. 工具入门篇（AI Code）： 编程工具Cursor 的小白试用反馈：适合 0 编程经验、觉得编程离我们很遥远的小白。通过 AI 工具对编程祛魅，降低技术壁垒。 文章链接： 3. 工具入门篇（AI Music）： 音乐工具Suno 的小白探索笔记：适合 0 乐理知识、觉得作词作曲和我们毫不相关成本巨大的小白。AI 赋能音乐创作，无需乐理知识即可参与音乐制作。 文章链接： 此外，还有以下相关内容供您参考： 1. 关于 AI 视频制作的交流与答疑： 视频流表格制作：在知识库的 AI 视频专栏中有相关教程和模板。 Copy UI 社区：微推有专门研究 Copy UI 的社区，相关内容有趣但本次未展开讲。 SD 类图片作用：国内大厂很卷，一般需求吉梦等产品可完成，特殊精细要求才用 SD，不了解可在微推加 AI 会话中找。 图片视角转移：使用 P 模型，上传图片并告知镜头移动方向和相关内容。 PNG 与背景融合：Recraft 产品目前不太擅长 PNG 与背景的特别好的融合，可通过合并方式处理。 保证文字不崩：使用吉梦的 2.1 模型效果较好。 新手 AI 视频制作：纯小白参与项目时，项目组会做好部分准备工作，上手难度不高，专注出图和出视频，用好相关技术。 关于利用 AI 工具创作北京宣传片相关问题的探讨。 AI 工具使用思路：对于如何利用 AI 工具创作，建议直接上手尝试，通过试错和与 AI 交流获取反馈，遇到具体问题再向社区请教。 素材处理方法：若有故宫相关照片素材，可采用导入参考图生图、让实拍素材动起来等方式，还可通过抠图、融图等操作将素材与虚拟背景融合。 创作需先构思：创作时不能仅考虑如何连接已有素材，而应先构思剧本和想要表达的内容，再合理运用素材。 2. 入门工具推荐： Kimi 智能助手：Chatgpt 的国产平替，实际上手体验最好，推荐新手用 Kimi 入门学习和体验 AI。不用科学🕸️、不用付费、支持实时联网。是国内最早支持 20 万字无损上下文的 AI，也是目前对长文理解做的最好的 Ai 产品。能一次搜索几十个数据来源，无广告，能定向指定搜索源。 PC 端： 移动端 Android/ios： 您还可以通过「飞书」这款工具，浏览其社区的精选课程、先进客户实践。下载飞书：
2025-02-26
小白如何用ai开始学习图片设计
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”。
2025-02-26
我想学习制作机器人 机器狗等的原理及方法，给我一份理论指导和操作指南吧。
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。
2025-02-26