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

普通人如何学习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，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。

此外，还可以参考以下补充内容：

  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. 优质信息源：像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「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。

另外，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。学习内容可去 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新内容。学习资源都是免费开源的。

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
如何了解AI
以下是了解 AI 的一些方法和途径： 1. 了解基本概念： 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. 开始学习之旅： 参考「」中的课程，特别是李宏毅老师的课程。 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，可根据兴趣选择特定模块深入学习。 掌握提示词技巧，因其上手容易且实用。 4. 实践和尝试： 理论学习后进行实践，巩固知识，尝试使用各种产品创作作品。 分享实践后的成果。 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。 对于希望继续精进的情况，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：掌握基础的概率论知识，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：了解其基本概念。 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，还可以通过一些具体的例子来了解 AI 是什么，比如： 1. 从 AI 之父图灵的故事开始，了解他在二战期间构建的机器以及提出的“图灵测试”方法。 2. 观看 2024 年春 OpenAI 公司发布新一代 ChatGPT 聊天机器人（GPT4o）产品时的发布会视频，感受其接近人类交流的体验。思考 ChatGPT 是否能跨越图灵测试，以及关于 AI 是否拥有自主意识等新问题。
2025-03-22
AI知识库
“通往 AGI 之路”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。 它不仅是一个知识库，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。 我们是一个开源 AI 社区，坚信人工智能将重新塑造我们的思考和学习方式，为每个人带来强大力量，这种信念激发了创建这个知识库的决心。 在搭建知识库的过程中收获很多，特别感谢一路上支持和推荐知识库的伙伴们，正是大家的肯定与支持，使我们得以有信心持续为知识库添砖加瓦，探索 AGI 的无限可能。 WaytoAGI 是由一群热爱 AI 的专家和爱好者共同建设的开源 AI 知识库，大家贡献并整合各种 AI 资源，使得大家都可以轻松学习各种 AI 知识，应用各类 AI 工具和实战案例等。无论您是 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。 例如，“通往 AGI 之路”使用飞书软件搭建，当您需要了解 AI 某一领域知识时，在 AGI 的飞书大群中跟机器人对话就能获取对应的资料。
2025-03-22
一个从来没有接触过AI技术的、电脑方面就会打字的人怎么学习AI及应用
对于从未接触过 AI 技术但会打字的新手，以下是学习 AI 及应用的建议： 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。 在知识库中有很多实践后的作品、文章分享，欢迎实践后分享。 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，如果您想深入了解 AI 的技术历史和发展方向，以及目前最前沿的技术点，有以下学习路径： 1. 偏向技术研究方向： 数学基础：线性代数、概率论、优化理论等。 机器学习基础：监督学习、无监督学习、强化学习等。 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 自然语言处理：语言模型、文本分类、机器翻译等。 计算机视觉：图像分类、目标检测、语义分割等。 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 科研实践：论文阅读、模型实现、实验设计等。 2. 偏向应用方向： 编程基础：Python、C++等。 机器学习基础：监督学习、无监督学习等。 深度学习框架：TensorFlow、PyTorch 等。 应用领域：自然语言处理、计算机视觉、推荐系统等。 数据处理：数据采集、清洗、特征工程等。 模型部署：模型优化、模型服务等。 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。
2025-03-22
感情陪伴类AI有哪些？
以下是一些常见的感情陪伴类 AI： MyShell：网址为 myshell.ai。 Talkie：网址为 talkieai.com。 SpicyChat.AI：网址为 spicychat.ai。 此外，Replika 也是一款感情陪伴类 AI 应用程序，网址为 https://replika.com/ ，它能够为用户提供情感支持、聊天互动、心理健康辅导等服务。
2025-03-22
应该怎么引导AI帮我写论文，指令是什么
引导 AI 帮您写论文，您可以参考以下方法和指令： 1. 提供详细的背景信息：例如“根据以下关于我的信息，写一篇四段的大学申请论文：我来自西班牙巴塞罗那。尽管我的童年经历了一些创伤性事件，比如我 6 岁时父亲去世，但我仍然认为我有一个相当快乐的童年。在我的童年时期，我经常换学校，从公立学校到非常宗教的私立学校。我做过的最‘异国情调’的事情之一是在爱达荷州的双子瀑布与我的大家庭一起度过六年级。我很早就开始工作了。我的第一份工作是 13 岁时的英语老师。在那之后，以及在我的学习过程中，我做过老师、服务员，甚至建筑工人。” 2. 明确具体的要求：比如论文的主题、字数、结构、引用格式等。 3. 给出清晰的指令：例如“写一篇关于左右。” 4. 注意指令的逻辑：自己需要给出开头，让 AI 理解语言逻辑，从而撰写下半部，并包含必要内容。而不是模糊式提问，比如“小王，写一篇自律的报告给我”。 5. 运用不同的方法：如扩写与改写法，提供内容的上半部，让 AI 撰写下半部，并以不同写作技巧和风格转换生成的内容。还可以使用反问法，让 AI 问您问题，以更深入地了解您的需求和思考逻辑。 需要注意的是，使用 AI 写论文并非道德的使用方式，了解这种可能性的存在以及它已被学生使用很重要，但这超出了介绍性指南的范围，去讨论 LLM 或整个生成式 AI 引入的所有可能的伦理、法律或道德问题。如果您是接收方，最好为您的组织准备好迎接各种 AI 生成的内容。
2025-03-22
有哪些像monica一样的集成式ai工具
以下是一些类似于 Monica 的集成式 AI 工具： 1. 通义听悟：在对比多个播客转文字的产品后，阿里出品的通义听悟体验较好。其首页突出转录播客的功能，注册赠送 10 小时免费转录，支持播客链接直接转录，准确率高，还能在转录后自动生成问答回顾。选中文本，音频内容会自动定位到对应位置。 2. Monica：是一款综合性的 AI 助手应用程序，具有以下特点： 基于先进的 AI 模型（如 GPT4、Claude 3、Gemini 等）提供多种功能，包括聊天对话、搜索查询、文本写作、翻译、图像生成、PDF/视频摘要等。 可以在浏览器扩展程序或独立应用程序中使用，支持在 Chrome、Edge 等浏览器中使用，也可以下载独立的 iOS 和 Android 应用程序。 提供免费和付费订阅服务，免费用户每天有 30 次查询限制，付费订阅可以获得无限次数的使用权。 具有“Make It More”等创新功能，可以将图像进一步放大、夸张，生成有趣的视频内容。 集成了非常多的功能，包括聊天对话、PDF 翻译问答、Youtube 摘要、文生图等能力，甚至还集成了一些办公场景的实用工具。值得一提的是，备忘功能（Memo）支持记录用户看过（总结过）的文章、视频，支持剪藏图片，作为个人知识库进行沉淀，这部分的内容也可以在聊天模块进行提问。 不仅从浏览器插件拓展到了桌面应用，还把工具覆盖到了图片、视频、PDF、网页、智能体、翻译、总结、思维导图等等众多最受欢迎的使用场景。近期还发布了 VSCode 编程助手——Monica Code 插件，据说还要发布自己版本的 Cursor。 Monica 的官网地址是：https://monica.im 通义听悟暂无相关官网地址介绍。
2025-03-22
请问普通人怎么从事ai产品经理
普通人要从事 AI 产品经理，可以从以下几个方面入手： 1. 技术背景：具备扎实的编程、算法工程、AI 应用开发、后端开发等技术知识，这对于理解和推动 AI 产品的开发至关重要。 2. 产品开发与管理经验：积累互联网和 AI 产品开发方面的经验，提升项目管理与执行能力，以推动产品的落地与优化。 3. 多元化应用场景：了解 AI 在 AIGC 内容创作、自动驾驶、金融数据分析、教育、医疗健康、影视创作、营销等各行业的应用。 4. 学习与技能提升：处于 AI 技术初学阶段的人，要通过学习提升技能，并将其应用到实际工作和生活中。 5. 工具使用：广泛使用生成式 AI 工具，如 Midjourney、Stable Diffusion（SD）、Coze、GPT 等，培养对工具的熟悉度和运用能力。 6. 协作与共学：积极参与各种 AI 学习社群和线上线下活动，与他人共学交流，提升技能与认知。 7. 内容创作：具备自媒体运营、视频制作、文案策划等内容创作能力。 8. 营销与品牌运营：掌握商业化路径，将 AI 技术与商业化需求结合，提供完整解决方案。 9. 活动策划与执行：积累活动策划和运营经验，具备资源整合和组织协调能力。
2025-03-21
一个高中毕业普通人学习AI如何从小白到精通
对于一个高中毕业的普通人，若想从 AI 小白成长为精通者，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，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，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自己的作品。 在知识库中有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。 此外，对于纯小白开发 AI 应用，还可以参考以下经验： 1. 从小白学代码，看人类导师和硅基助教的协作之道： 像案例中，女儿在 Claude 和父亲的帮助下，用 Unity 开发了一个 RPG 小游戏。起初父亲不相信纯小白能通过 AI 搞定 Unity 程序，但女儿通过让 Claude 教她做一个简单任务，半小时内完成并明白了 Unity 里的基本概念。 开发过程有顺利也有挫折，挫折原因包括问题描述不清、AI 给的方案复杂、配置错误等。这让我们意识到小白需要通过 AI 能直接搞定的小项目，先学明白背后的原理，在此基础上才能开发复杂项目。最好有人类导师，一开始把任务拆解到足够小，针对性地设计学习路径，并密切关注随时从坑里捞人。 2. 基础小任务： 推荐从一个最最基础的小任务开始，让 AI 先帮你按照 best practice 写一个 say hello 的示例程序，并解释每个文件的作用及程序运行的逻辑，学会必备的调试技能。 如果用的是 o1mini，可以在 prompt 最后添加“请生成 create.sh 脚本，运行脚本就能直接创建插件所需要的所有文件。请教我如何运行脚本。”（如果 windows 机器则是 create.cmd），足够勤勉的 o1mini 会为你生成一段超级长的代码，并给出提示，复制粘贴并执行，一次性生成十多个目录和文件，超方便。 3. 明确项目需求： 通过和 AI 的对话，来逐步明确项目需求。 让 AI 帮助梳理出产品需求文档，这样的文档会包含影响技术方案选择的细节，比直接给 AI 一段口头的需求描述要准确得多。在后续开发时每次新起一个聊天就把文档发给 AI 并告知在做第几点功能，会非常方便。
2025-03-21
普通人如何学好Ai
以下是普通人学好 AI 的一些建议： 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继续提问，帮助深度思考。 2. 寻找优质信息源：像“即刻”App 的“”等免费圈子是不错的选择，其中有前沿信息线索，很多 Twitter 上的开发者大牛也会在此分享。 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。 4. 了解 AI 基本概念： 阅读「」，熟悉术语和基础概念，了解人工智能的主要分支及联系。 浏览入门文章，了解其历史、应用和发展趋势。 5. 开始学习之旅： 参考「」中的课程，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，有机会获得证书。 6. 选择感兴趣的模块深入学习：AI 领域广泛，可根据兴趣选择特定模块，如图像、音乐、视频等，并掌握提示词技巧。 7. 实践和尝试：理论学习后进行实践，巩固知识，尝试使用各种产品做出作品，也可在知识库分享实践成果。 8. 体验 AI 产品：与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解工作原理和交互方式，获得实际应用体验。 9. 用好 AI 的实用建议：在使用 AI 时，最基础且重要的是尽可能给它背景信息，让它自己去反思，确保每次输出的东西经过再次思考。
2025-03-19
普通人怎么用Ai
普通人使用 AI 可以从以下几个方面入手： 1. 基础使用：在日常使用软件和电子设备时，可能会不知不觉接触到 AI 功能，例如微信和百度中的 AI 自动搜索整理的答案。 2. 简单需求：对于常见需求如翻译，可使用现成的 AI 翻译工具。 3. 特定需求：若有特殊要求，如特定翻译风格，可自己撰写提示词给 AI 进行专门说明。 4. 高级定制： 若希望翻译输入能自动参考个人数据文档并输出到微信平台，需开发自己的智能体。 若希望智能体与其他智能体协作完成一系列工作，可搭建多智能体工作流系统。 若发现现有 AI 模型缺少专业词汇知识，可自己训练 AI 模型。 在使用 AI 时，最基础且重要的两点是： 1. 尽可能给它提供背景信息。 2. 尽可能让它自己去反思，以确保每次输出的内容都经过再次思考。 另外，普通人想利用 AI 提效，重点不是学会写提示词，而是将现有的 AI 工具融入到自己的工作流中。随着发展，一方面提示词门槛可能越来越高，另一方面 AIGC 产品会越来越多且细致，普通人可能只需在市面上找到对应产品填空就能解决需求。
2025-03-12
普通人除了卖课，如何能够搭乘ai快车，进行变现
对于普通人而言，除了卖课，还有以下几种方式可以搭乘 AI 快车实现变现： 1. 利用 AI 工具进行内容创作，如写作、绘画、视频制作等，并在相关平台上获取收益。 2. 为企业提供基于 AI 的数据分析和处理服务。 3. 开发简单的 AI 应用程序或小程序，通过收费使用或广告盈利。 4. 利用 AI 优化电商运营，例如精准选品、智能客服等，从而提高销售业绩。 5. 参与 AI 项目的众包工作，如数据标注、模型测试等获取报酬。
2025-03-12
你觉得作为一个普通人，应该怎样更高效的使用AI，并且保持跟上AI快速迭代的节奏？
作为普通人，要更高效地使用 AI 并跟上其快速迭代的节奏，可以参考以下策略： 1. 提前布局职业生涯：审视自身所处行业和岗位，预估 5 10 年后被 AI 取代的程度。若风险高，即刻学习新技能并向更有前景的领域转型；若风险低，思考如何在 AI 辅助下将工作做到极致。 2. 投入 AI 浪潮：敢于使用和研究 AI，将其融入业务，哪怕从简单应用开始，实践中发现新机会点。 3. 强化不可替代的人类技能：如创意、沟通、领导、跨领域知识、独特专长等。 4. 建立个人品牌和网络：通过分享专业见解、持续学习输出内容，在业界建立口碑，积累人脉和声望。 5. 拥抱创业和多元收入：利用 AI 降低的创业门槛，发展副业或项目，探索多种可能性，经营多元身份提升抗风险能力。 6. 保持健康的身心：学会调适心态，持续锻炼身体，以良好的身心状态应对挑战。 此外，在 AI 时代，持续学习能力与适应力是最重要的个人能力之一。要培养自己成为终身学习者，保持好奇心，定期涉猎新领域的知识或课程，锻炼自学能力，勇于打破舒适区。同时，要在心理上拥抱变化，将其视为机遇而非威胁，培养心理韧性，以积极的心态应对不确定性。 在监管方面，英国采用了基于原则的框架，其监管体制具有创新、适度、可信、适应、清晰和协作等特点，旨在促进创新的同时平衡风险与机遇，加强在 AI 领域的全球领导地位。
2025-03-09
哪里可以找到免费且可以系统学习机器学习的课程
以下是一些可以免费系统学习机器学习的课程资源和学习路径： 1. 对于大型语言模型（LLM）开发的学习： 掌握深度学习和自然语言处理基础，包括机器学习、深度学习、神经网络等基础理论，以及自然语言处理基础，如词向量、序列模型、注意力机制等。相关课程有吴恩达的深度学习课程、斯坦福 cs224n 等。 理解 Transformer 和 BERT 等模型原理，包括 Transformer 模型架构及自注意力机制原理，BERT 的预训练和微调方法，掌握相关论文，如 Attention is All You Need、BERT 论文等。 学习 LLM 模型训练和微调，包括大规模文本语料预处理，LLM 预训练框架，如 PyTorch、TensorFlow 等，微调 LLM 模型进行特定任务迁移。相关资源有 HuggingFace 课程、论文及开源仓库等。 LLM 模型优化和部署，包括模型压缩、蒸馏、并行等优化技术，模型评估和可解释性，模型服务化、在线推理、多语言支持等。相关资源有 ONNX、TVM、BentoML 等开源工具。 LLM 工程实践和案例学习，结合行业场景，进行个性化的 LLM 训练，分析和优化具体 LLM 工程案例，研究 LLM 新模型、新方法的最新进展。 持续跟踪前沿发展动态，关注顶会最新论文、技术博客等资源。 2. 神经网络架构方面： 神经网络是机器学习文献中的一类模型，在完成吴恩达的 Coursera 机器学习课程后，可以寻找 Geoffrey Hinton 的机器学习神经网络课程。 一般神经网络架构可分为三类：前馈神经网络，这是实际应用中最常见的神经网络类型；循环网络，在他们的连接图中定向了循环，更具有生物真实性。 3. 强化学习的入门学习： 如果基础薄弱，可先学习概率论和线性代数相关课程。 对机器学习无基础的话，先看吴恩达的课程，再以李宏毅的课程作为补充，只看前几节讲完神经网络的部分。 学完后跟着《动手学深度学习 https://hrl.boyuai.com/》动手学习，只看前五章。 接着看 B 站王树森的深度学习课程的前几节学习强化学习基础知识点。 最后可以看《动手学强化学习》，看到 DQN 的部分。
2025-03-22
深度学习模型架构有哪些
深度学习模型架构主要包括以下几种： 1. Transformer 模型： 由编码器（Encoder）和解码器（Decoder）两大部分组成。 每个部分由多个相同的层堆叠而成，每层包含多头注意力机制（Multihead Attention）和位置全连接前馈网络。 编码器将自然语言转换成向量文本，解码器基于编码器的输出和之前生成的输出逐步生成目标序列。 2. DiT 架构：结合扩散模型和 Transformer 的架构，用于高质量图像生成。 3. 存算一体架构： 是未来 AI 硬件的发展趋势。 运行几百亿个参数的大模型时具有优势，可避免数据搬运。 此外，在端到端算法的时代，有观点认为不应继续使用冯诺依曼架构，且在存算一体的芯片之上，有望诞生全新的算法。在将大模型与私域知识结合方面，有重新训练、微调、RAG、关键词工程、加长 Context 等方法，其中长 Context 和 RAG 被认为较有希望。
2025-03-22
AI产品经理学习路径
以下是为您提供的 AI 产品经理学习路径： 1. 入门级： 可以通过 WaytoAGI 等开源网站或一些课程来了解 AI 的概念。 能够使用 AI 产品，并尝试动手实践应用搭建。对应的画像可能是喜欢听小宇宙 APP 的播客或浏览 AI 相关的文章。 2. 研究级： 有两个路径，一个是技术研究路径，一个是商业化研究路径。 这个阶段对应的画像可能是对某一领域有认知，可以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。 3. 落地应用： 这一阶段的画像就是有一些成功落地应用的案例，如产生商业化价值。 对应传统互联网 PM 也有三个层级： 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。 总结来说，对 AI 产品经理要求懂得技术框架，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。AI 说到底也是工具和手段，产品经理要关注的还是场景、痛点、价值。
2025-03-22
小白如何通过学习AI跨行进入游戏行业
对于小白想要通过学习 AI 跨行进入游戏行业，以下是一些建议： 1. 学习基础的 AI 知识：包括机器学习、深度学习的基本概念和算法，了解常见的模型如神经网络等。 2. 掌握相关编程语言：例如 Python，它在 AI 开发中广泛应用。 3. 研究游戏中的 AI 应用：了解游戏中的智能角色、路径规划、策略制定等方面是如何运用 AI 技术的。 4. 实践项目：通过参与开源项目或自己创建小型的游戏 AI 项目，积累实际经验。 5. 学习游戏开发知识：了解游戏引擎、游戏设计原则等，以便更好地将 AI 技术融入游戏开发中。 6. 参加相关培训课程或在线学习资源：获取系统的学习和指导。 7. 建立人脉：与游戏行业的专业人士交流，了解行业动态和需求。 8. 制作优秀的作品集：展示自己在游戏 AI 方面的成果和能力，增加求职竞争力。
2025-03-21
背景：我是一名高中生，想学习AI知识，逐步从入门到精通 目标：希望在<3个月>内具备一定能力。 请结合我的背景和优势，为我设计一份学习路线： - 列出每阶段（例如每一个礼拜）的学习重点（比如编程基础、数学）。 - 为每个阶段推荐<具体资源>（书籍、在线课程、练习项目等）。 - 提供一些学习技巧或注意事项。
以下是为您设计的一份在 3 个月内从入门到具备一定能力的 AI 学习路线： 第一个月： 学习重点：了解 AI 基本概念，包括术语、主要分支及它们之间的联系；掌握编程基础，如 Python 语言。 推荐资源： 书籍：《人工智能：一种现代方法》 在线课程：Coursera 上的“人工智能入门”课程 练习项目：使用 Python 实现简单的数据分析和可视化 学习技巧和注意事项：多做笔记，理解概念，注重实践。 第二个月： 学习重点：深入学习数学基础，包括统计学、线性代数和概率论；了解算法和模型中的监督学习和无监督学习。 推荐资源： 书籍：《概率论与数理统计》《线性代数及其应用》 在线课程：edX 上的“机器学习基础”课程 练习项目：使用监督学习算法进行数据分类预测 学习技巧和注意事项：通过实际案例加深对数学知识的理解，多做练习题。 第三个月： 学习重点：掌握神经网络基础，包括网络结构和激活函数；学习模型的评估和调优。 推荐资源： 书籍：《深度学习》 在线课程：Udacity 上的“深度学习入门”课程 练习项目：构建并优化一个简单的神经网络模型 学习技巧和注意事项：积极参与在线讨论，及时解决学习中的问题。 在整个学习过程中，您还可以： 体验 AI 产品，如 ChatGPT、文心一言等，了解其工作原理和交互方式。 掌握提示词的技巧，提高与 AI 的交互效果。 参与相关的社区和论坛，分享学习经验和成果。
2025-03-21