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

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

Answer

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「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。

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。

90分钟从0开始打造你的第一个Coze应用: 证件照 2025年1月18日 副本

[heading2]总结Code AI应用开发教学Code AI应用背景：智能体开发从最初的chatbot只有对话框，到有了更多交互方式，因用户需求扣子推出了AI应用，其低代码或零代码的工作流等场景做得较好。AI CODING现状：AI CODING虽强，但目前适用于小场景和产品的第一个版本，复杂应用可能导致需求理解错误从而使产品出错。证件照应用案例：以证件照为例，说明以前实现成本高，现在有客户端需求并做了相关智能体和交互。AI应用学习过程：创建AI应用，学习操作界面、业务逻辑和用户界面，包括布局、搭建工作流、用户界面及调试发布，重点熟悉桌面网页版的用户界面。

问：AI的技术历史和发展方向，目前最前沿的技术点有哪些

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[heading3]偏向应用方向[content]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。内容由AI大模型生成，请仔细甄别。

Others are asking
ai能做什么
AI 能做的事情非常广泛，已经深入渗透到生活的各个层面，引发了一场生产力的革命。以下是一些具体方面： 医疗保健方面：包括医学影像分析以辅助诊断疾病、加速药物研发、提供个性化医疗方案、控制手术机器人提高手术精度和安全性等。 金融服务方面：用于风控和反欺诈、信用评估、投资分析、提供 24/7 客户服务等。 零售和电子商务方面：进行产品推荐、改善搜索和个性化体验、实现动态定价、提供聊天机器人服务等。 制造业方面：做到预测性维护机器、检测产品质量、优化供应链、控制工业机器人提高生产效率等。 交通运输方面：（此处未给出具体内容） 如今，AI 正推动着智能化时代的到来，其发展速度远超大多数人的预期。例如，像 ChatGPT 这样的聊天机器人，其交流体验已经非常接近和正常人类的交流。虽然对于 AI 是否真正拥有智慧还存在争议，但它无疑已经在改变着我们的生活和工作。
2025-03-23
我是一个AI Agent初学者，现在我想要捏一款Agent，目的是喂给Agent固定材料之后对其做提问，让Agent学习完我的材料之后，在不联网的情况下对我问出的问题做出贴切材料的回答，现在请你告诉我如何操作
以下是捏制一个满足您需求的 AI Agent 的操作步骤： 1. 规划： 制定任务的关键方法，总结任务目标与执行形式。 将任务分解为可管理的子任务，确立逻辑顺序和依赖关系。 设计每个子任务的执行方法。 2. 实施： 在 Coze 上搭建工作流框架，设定每个节点的逻辑关系。 详细配置子任务节点，并验证每个子任务的可用性。 3. 完善： 整体试运行 Agent，识别功能和性能的卡点。 通过反复测试和迭代，优化至达到预期水平。 AI Agent 相关概念： AI Agent 是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。 Chain：通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作是一个步骤，可以接受一些输入变量，产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 Router：可以使用一些判定（甚至可以用 LLM 来判定），然后让 Agent 走向不同的 Chain。例如：如果这是一个图片，则 a；否则 b。 Tool：Agent 上可以进行的一次工具调用。例如，对互联网的一次搜索，对数据库的一次检索。 常见的 AI Agent 类型包括： Responser Agent：主 agent，用于回复用户（伪多模态）。 Background Agent：背景 agent，用于推进角色当前状态（例如进入下一个剧本，抽检生成增长的记忆体）。 Daily Agent：每日 agent，用于生成剧本，配套的图片，以及每日朋友圈。 Background Agent 每隔一段时间运行一次（默认 3 分钟），分析期间的历史对话，变更人物关系（亲密度，了解度等），变更反感度，如果超标则拉黑用户，抽简对话内容，提取人物和用户的信息成为“增长的记忆体”，按照时间推进人物剧本，有概率主动聊天（与亲密度正相关，跳过夜间时间）。
2025-03-23
为什么ai能够“思考”
AI 能够“思考”主要基于以下几个方面： 1. 以 AlphaGo 为例，它在对战围棋传奇李世石时展示了超越简单模式模仿、真正“思考”的能力。在预训练时，它不仅模仿人类专家决策，还会在作答前“停下来思考”，通过模拟多个未来可能的棋局，评估得分并选择最优应对方式。随着推理时间增加，表现逐步提升并超过人类。但将此概念移植到大规模语言模型（LLM）上存在构建价值函数的难点，如在评估文章初稿、制定旅行计划等较为开放领域的打分问题。 2. 人类的思维过程分为快速、直觉的“系统 1”和缓慢、深思熟虑的“系统 2”。研究人员认为，如果有足够大、接近人脑的人工神经网络，就可能实现人脑的“思考”工作。 3. 像 HiDeepSeek 这样的工具，旨在让 AI 像人类交流时那样展示思考过程，通过特别的规则要求 AI 在思考时自然地提出疑问、修正错误等，使 AI 的回答不再是冰冷的结论，而是可跟踪、可理解的思考过程。虽然这种“思维”是模拟的，但有助于更好地理解和使用 AI 。
2025-03-23
我是一个AI Agent初学者，现在我想要捏一款Agent，目的是喂给Agent固定材料之后对其做提问，让Agent学习完我的材料之后，在不联网的情况下对我问出的问题做出贴切材料的回答
以下是为您提供的关于捏制 AI Agent 的相关知识： 一、手捏 AI Agent 的思路 在 Coze 中创建工作流驱动的 AI Agent，简单情况可分为 3 个步骤： 1. 规划 制定任务的关键方法。 总结任务目标与执行形式。 将任务分解为可管理的子任务，确立逻辑顺序和依赖关系。 设计每个子任务的执行方法。 2. 实施 在 Coze 上搭建工作流框架，设定每个节点的逻辑关系。 详细配置子任务节点，并验证每个子任务的可用性。 3. 完善 整体试运行 Agent，识别功能和性能的卡点。 通过反复测试和迭代，优化至达到预期水平。 二、AI Agent 的概念 AI Agent 是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。 AI Agent 包括以下几个概念： 1. Chain：通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作是一个步骤，可以接受一些输入变量，产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 2. Router：可以使用一些判定（甚至可以用 LLM 来判定），然后让 Agent 走向不同的 Chain。例如：如果这是一个图片，则 a；否则 b。 3. Tool：Agent 上可以进行的一次工具调用。例如，对互联网的一次搜索，对数据库的一次检索。 同时，需要三个 Agent： Responser Agent：主 agent，用于回复用户（伪多模态）。 Background Agent：背景 agent，用于推进角色当前状态（例如进入下一个剧本，抽检生成增长的记忆体）。 Daily Agent：每日 agent，用于生成剧本，配套的图片，以及每日朋友圈。 三、Agent 的“明斯基时刻” 心灵社会理论认为，智能是由许多简单的 Agent（分等级、分功能的计算单元）共同工作和相互作用的结果。这些 Agent 在不同层次上执行不同的功能，通过协作实现复杂的智能行为。 其特点包括： 1. 多重层次：心灵社会将智能划分为多个层次，从低层次的感知和反应到高层次的规划和决策，每个层次由多个 Agent 负责。 2. 功能模块：每个 Agent 类似于功能模块，专门处理特定类型的信息或执行特定任务，如视觉处理、语言理解、运动控制等。 3. 分布式智能：智能不是集中在单一的核心处理单元，而是通过多个相互关联的 Agent 共同实现。这种分布式智能能够提高系统的灵活性和鲁棒性，应对复杂和多变的环境。 同时，在《心灵社会》中，明斯基还详细描述了不同类型的 Agent 及其功能： 专家 Agent：拥有特定领域知识和技能的 Agent，负责处理复杂的任务和解决特定问题。 管理 Agent：协调和控制其他 Agent 的活动，确保整体系统协调一致地运行。 学习 Agent：通过经验和交互，不断调整和优化自身行为，提高系统在不断变化环境中的适应能力。
2025-03-23
什么是ai中的RAG
RAG 是检索增强生成（RetrievalAugmented Generation）的缩写，是一种结合了检索模型和生成模型的技术。其核心目的是通过某种途径把知识告诉给 AI 大模型，让大模型“知道”我们的私有知识，变得越来越“懂”我们。 RAG 的核心流程是：根据用户提问，从私有知识中检索到“包含答案的内容”，然后把“包含答案的内容”和用户提问一起放到 prompt（提示词）中，提交给大模型，此时大模型的回答就会充分考虑到“包含答案的内容”。 RAG 的最常见应用场景是知识问答系统，用户提出问题，RAG 模型从大规模的文档集合中检索相关的文档，然后生成回答。 RAG 的基本流程如下： 1. 首先，给定一个用户的输入，例如一个问题或一个话题，RAG 会从一个数据源中检索出与之相关的文本片段，例如网页、文档或数据库记录。这些文本片段称为上下文（context）。 2. 然后，RAG 会将用户的输入和检索到的上下文拼接成一个完整的输入，传递给一个大模型，例如 GPT。这个输入通常会包含一些提示（prompt），指导模型如何生成期望的输出，例如一个答案或一个摘要。 3. 最后，RAG 会从大模型的输出中提取或格式化所需的信息，返回给用户。
2025-03-23
AI 大模型的专业术语有哪些
以下是一些 AI 大模型的专业术语： 1. AIGC：生成式 AI 生成的内容。 2. AI：人工智能。 3. 机器学习：电脑找规律学习，包括监督学习、无监督学习、强化学习。 监督学习：使用有标签的训练数据，算法目标是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：学习的数据没有标签，算法自主发现规律，经典任务包括聚类。 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。 4. 深度学习：一种参照人脑有神经网络和神经元的方法（因有很多层所以叫深度），神经网络可用于监督学习、无监督学习、强化学习。 5. 生成式 AI：可以生成文本、图片、音频、视频等内容形式。 6. LLM：大语言模型。对于生成式 AI，其中生成图像的扩散模型就不是大语言模型；对于大语言模型，生成只是其中一个处理任务，比如谷歌的 BERT 模型，可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。 7. Prompt：提示词，即输入给大模型的文本内容，可以理解为和大模型说的话、下达的指令。 8. Token：大模型语言体系中的最小单元。不同厂商的大模型对中文的文本切分方法不同，通常 1Token≈1 2 个汉字。大模型的收费计算方法及对输入输出长度的限制，都以 token 为单位计量。 9. 上下文：英文通常翻译为 context，指对话聊天内容前、后的内容信息。上下文长度限制了模型一次交互中能够处理的最大 token 数量，上下文窗口限制了模型在生成每个新 token 时实际参考的前面内容的范围。
2025-03-23
我想学AI编程，用的电脑系统是WIN7，好多编程软件装不了吧，给我个建议
如果您使用的是 WIN7 系统且想学习 AI 编程，由于很多编程软件可能不支持该系统，以下是一些建议： 1. 考虑升级您的操作系统至 Windows7 以上版本，如 Windows10 或 Windows11，以获得更好的兼容性和支持。 2. 对于电脑硬件，系统要求 Windows7 以上，显卡要求为 NVDIA 独立显卡且显存至少 4G 起步，硬盘需留有足够的空间，最低 100G 起步（包括模型）。 3. 下载并更新 Nvidia 显卡驱动，下载地址：https://www.nvidia.cn/ geforce/drivers/ 4. 下载并安装所需环境，包括 Python、Git、VSCode： 安装 Python：https://www.python.org/downloads/release/python3119/ ，安装时选中“将 Python 添加到系统变量”。 安装 VSCode：https://code.visualstudio.com/Download 安装 Git：https://gitscm.com/download/win 安装 CUDA：https://developer.nvidia.com/cuda1220downloadarchive?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_network 请注意，Mac 系统、AMD 显卡、低显卡的情况也可以安装使用，但可能功能不全，出错率偏高，严重影响使用体验，个人建议升级设备或者采用云服务器玩耍。
2025-03-20
我是一个ai小白，然后我想要快速学习如何在自己电脑里用ai制作一个知识流的 服务，要怎样设计学习路径
以下是为您设计的在自己电脑里用 AI 制作知识流服务的学习路径： 1. 基础知识学习： 了解 AI 的基本概念和原理，包括常见的术语和应用场景。 2. 工具和技术选择： 确定适合您需求的 AI 工具和框架，例如一些常见的机器学习库和深度学习框架。 3. 编程基础： 掌握一种编程语言，如 Python，这是在 AI 领域中广泛使用的语言。 4. 数据处理： 学习如何收集、整理和预处理数据，这是 AI 模型训练的重要前提。 5. 模型训练与应用： 从简单的模型开始，如线性回归、决策树等，逐步深入到更复杂的神经网络模型。 通过实践项目，如让 AI 提炼书籍精华、进行文本翻译等，熟悉模型的训练和应用过程。 6. 持续学习与改进： 关注 AI 领域的最新发展和技术更新，不断提升自己的知识和技能。 您可以在网上寻找相关的教程和课程，例如在 B 站搜索 AI 入门课程进行自学。同时，在学习过程中，要多实践、多尝试，遇到问题及时解决和总结经验。
2025-03-20
我准备用无影云电脑部署一个独属于我们公司的AI，在大模型方面我准备用deepseek的满血版，你有什么建议吗
以下是关于您准备用无影云电脑部署公司专属 AI 并使用 deepseek 满血版大模型的一些建议： 1. 本地部署方面：如果拥有云服务器，要了解如何进行本地部署以及满血版本地部署的实际情况。 2. 免费额度：在 freely.aliyun.com 可领取 500 元免费额度，但有使用限制，不能部署满血版和较大的增流模型。 3. 平台服务差异：了解 DLC、DSW 和 EAS 等模型部署平台服务的差别。 4. 模型蒸馏微调：可以学习并实践模型的蒸馏和微调相关知识。 5. 获取 DeepSeekR1 满血版密钥： 注册并登录火山引擎，点击立即体验进入控制台。 创建一个接入点，点击在线推理创建推理接入点。 为接入点命名为 DeepSeekR1。 若有提示未开通模型，点击“立即开通”，勾选全部模型和协议一路开通。 确认无误后点击“确认接入”按钮。 复制推理点的 ID 并保存。 点击【API 调用】按钮，复制 API Key 并保存。 6. 模型选择与配置：可以参考理想的配置，如推理模型选择 gemini2.0flashthinking，代码模型选择 claude3.5sonet 或 gpt4omini，多模态模型选择 gemini2.0flash，常规模型选择 DeepSeek V3。同时，了解 OpenRouter 新发布的 BYOK 功能，它能集成第三方 Key，整合免费额度并解放更多槽位。若对现有供应商支持的模型不满意，还可考虑 simpleoneapi。
2025-03-18
给我推荐一个家庭用的私人部署deepseek电脑配置，要求价格在5W一下，能够比较流畅的运行，还有采用那一个版本的模型
很抱歉，您提供的内容中没有关于家庭用私人部署 deepseek 电脑配置的相关信息。如果您需要配置一台价格在 5 万以下、能流畅运行的家庭用电脑，以下是一些建议： CPU：可以选择英特尔酷睿 i9 或 AMD 锐龙 9 系列的高端处理器。 显卡：选择 NVIDIA GeForce RTX 40 系列的高端显卡，如 RTX 4080 或 RTX 4070Ti。 内存：32GB 或 64GB 的 DDR5 内存。 存储：1TB 或 2TB 的 NVMe SSD 作为系统盘，再加上大容量的机械硬盘用于数据存储。 主板：选择与所选 CPU 兼容的高端主板，以确保稳定性和扩展性。 关于模型版本，Midjourney 的 V5 模型是较新且先进的版本，具有更广泛的风格范围、更高的图像质量、更详细的图像等优点。您可以通过添加“v 5”参数或使用“/settings”命令并选择 MJ Version 5 来使用该模型。
2025-03-17
给我推荐一个家庭用的私人部署deepseek电脑配置，要求价格在5W一下，能够比较流畅的运行，还有采用那一个版本的模型
以下是为您推荐的家庭用私人部署 deepseek 电脑配置，价格在 5 万以下，能够较流畅运行： CPU：Intel Core i913900K 或 AMD Ryzen 9 7950X 显卡：NVIDIA GeForce RTX 4080 或 RTX 4070Ti 内存：32GB 或 64GB DDR5 高频内存 硬盘：1TB NVMe M.2 固态硬盘 + 4TB 机械硬盘 主板：支持所选 CPU 的高端主板，如 Z790 或 X670 系列 电源：850W 及以上的高品质电源 关于模型版本，Midjourney 最新的模型是 V5 版本，于 2023 年 3 月 15 日发布。使用此模型，您可以在提示词末尾添加 v 5 参数，或使用 /settings 命令并选择 MJ Version 5。该模型具有很高的连贯性，擅长解释自然语言提示，分辨率更高，并支持如 tile 重复图案等高级功能。它在风格范围、图像质量、细节表现、对提示的响应以及图像提示性能等方面都有显著改进。
2025-03-17
给我推荐一个家庭用的私人部署deepseek电脑配置，要求价格在5W一下，能够比较流畅的运行
对于家庭用的私人部署 deepseek 电脑配置，在 5 万元以下的预算，以下是一个推荐配置： CPU：Intel Core i913900K 或 AMD Ryzen 9 7950X 主板：选择与所选 CPU 兼容的高端主板，如华硕、技嘉等品牌的 Z790 或 X670 系列 内存：32GB 或 64GB DDR5 高频内存 硬盘：1TB NVMe M.2 固态硬盘作为系统盘，再加上 4TB 以上的机械硬盘用于数据存储 显卡：NVIDIA GeForce RTX 4070Ti 或 AMD Radeon RX 7900 XTX 电源：850W 及以上的高品质电源 机箱：选择散热良好、空间宽敞的机箱 请注意，电脑配置的选择还需要考虑您的具体需求和使用场景，以上配置仅供参考。
2025-03-17