我是一名ai小白，我想学习如何从一名小白利用ai创造财富

通过这篇文章，我们展示了如何使用极简未来平台、腾讯云轻量应用服务器、宝塔面板和Docker来搭建一个AI微信聊天机器人。即使是技术小白，也能通过详细的教程和简单的操作，低成本地实现自己的AI应用。本文的主要要点包括：1.技术组件的选用：极简未来平台、腾讯云轻量应用服务器、宝塔面板和Docker。2.详细的配置步骤：从购买服务器、配置宝塔面板，到部署Docker和COW组件，再到绑定微信号。3.费用问题的解答：极简未来平台的费用和腾讯云服务器的费用，以及如何通过积分和优惠降低成本。4.运维问题的解答：如何简单高效地管理和维护服务器和服务，以及遇到问题时的解决方案。如果在实战过程中有任何不懂的地方，可以随时私信我。我会尽力帮助解答。需要注意的是，本文展示的是最基础和简单的玩法，帮助大家快速入门。实际上，基于这些技术组件，我们还可以配置更多高级功能，比如各种AI机器人的大模型、知识库、各种插件的丰富配置等，这些进阶配置我将在后续的文章中详细展开分享。通过不断学习和探索，相信大家都能在AI的世界中找到属于自己的乐趣和成就感，创造属于自己的价值。对了，如果大家有兴趣学习相关的AI Agent知识，可以加入我免费的AI Agent共学群，这个群组会基于WaytoAGI社区等其他高质量信息源，来分享时下AI Agent相关的各种玩法和经验分享，以及各种最新的AI前沿资讯。搜索我的微信号Andywuwu07或扫描以下二维码加我微信，备注AI共学，以便我会拉你进去共学群。

一、视频一主要回答了什么是AI大模型，原理是什么。1、概念：生成式AI生成的内容，叫做AIGC2、概念与关系：相关技术名词1）AI——人工智能2）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。3）监督学习——有标签的训练数据，算法的目标是学习输入和输出之间的映射关系。包括分类和回归。4）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，比如拿一堆新闻文章，让模型根据主题或内容特征分成具有相似特征的组。5）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。6）深度学习——一种方法，参照人脑有神经网络和神经元（因为有很多层所以叫深度）。神经网络可以用于监督学习、无监督学习、强化学习。7）生成式AI——可以生成文本、图片、音频、视频等内容形式8）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；3、技术里程碑——2017年6月，谷歌团队发表论文《Attention is All You Need》。这篇论文首次提出了Transformer模型，它完全基于自注意力机制（Self-Attention）来处理序列数据，而不需要依赖于循环神经网络（RNN）或卷积神经网络（CNN）。

一、视频一主要回答了什么是AI大模型，原理是什么。1、概念：生成式AI生成的内容，叫做AIGC2、概念与关系：相关技术名词1）AI——人工智能2）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。3）监督学习——有标签的训练数据，算法的目标是学习输入和输出之间的映射关系。包括分类和回归。4）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，比如拿一堆新闻文章，让模型根据主题或内容特征分成具有相似特征的组。5）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。6）深度学习——一种方法，参照人脑有神经网络和神经元（因为有很多层所以叫深度）。神经网络可以用于监督学习、无监督学习、强化学习。7）生成式AI——可以生成文本、图片、音频、视频等内容形式8）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；3、技术里程碑——2017年6月，谷歌团队发表论文《Attention is All You Need》。这篇论文首次提出了Transformer模型，它完全基于自注意力机制（Self-Attention）来处理序列数据，而不需要依赖于循环神经网络（RNN）或卷积神经网络（CNN）。