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

入门经典必读

Answer

以下是一些入门经典必读的资源：

  • 作者为 Derrick Harris、Matt Bornstein 和 Guido Appenzeller 的文章，原文地址：https://a16z.com/2023/05/25/ai-canon/ 。文中提到人工智能研究增长迅速，对于初学者和专家都有一定难度，因此分享了用于深入了解现代 AI 的精选资源列表，称为“AI 典藏”，包括对 Transformer 和 Latent Diffusion 模型的介绍，技术学习资源、构建大型语言模型的实用指南、AI 市场分析以及里程碑式研究成果的参考列表等。
  • 《Transformers，explained》（https://daleonai.com/transformers-explained）：由 Dale Markowitz 撰写，是对“什么是 LLM，它是如何工作的？”的更短、更直接回答，有助于轻松进入主题并建立直观理解，适用于新模型。翻译：[解析 Transformer 模型：理解 GPT-3、BERT 和 T5 背后的模型]（https://ywh1bkansf.feishu.cn/wiki/WCOcwp3DYiNj2mkiGVycjJ0Znaf）
  • 《How Stable Diffusion works》（https://mccormickml.com/2022/12/21/how-stable-diffusion-works/）：Chris McCormick 为非专业人士解释了 Stable Diffusion 的工作原理，从文本到图像模型的角度帮助建立直观理解。翻译：[稳定扩散（Stable Diffusion）是如何运作的]（https://ywh1bkansf.feishu.cn/wiki/TNIRw7qsViYNVgkPaazcuaVfndc）
  • 入门文章的翻译：
    • 《软件 2.0》（https://ywh1bkansf.feishu.cn/wiki/FFJawIKRpi77JokULCvcjIPBnBv），作者 Andrej Karpathy，他最早清楚解释了新的 AI 浪潮的重要性，论点为 AI 是一种新的强大的编程计算机的方式。
    • 《GPT 的现状》（https://ywh1bkansf.feishu.cn/wiki/IXjfwF9l9iX0IzkUg1Ec0Vcinx3），作者 Andrej Karpathy，是对 ChatGPT/GPT 模型工作原理、使用方法及研发方向的容易理解的解释。
    • 《ChatGPT 是在做什么，为什么它有效？》（https://ywh1bkansf.feishu.cn/wiki/LnMOwmKIwihcRakRalcczNgrnjf），作者 Stephen Wolfram，从早期神经网络到现代 AI 模型的工作原理进行了长而易读的解释。
    • 《解析 Transformer 模型：理解 GPT-3、BERT 和 T5 背后的模型》（https://ywh1bkansf.feishu.cn/wiki/WCOcwp3DYiNj2mkiGVycjJ0Znaf），作者 Dale Markowitz，对“什么是 LLM，它是如何工作的？”进行了更短、更直接的回答，有助于轻松进入主题并建立直观理解。
Content generated by AI large model, please carefully verify (powered by aily)

References

入门经典必读

作者：[Derrick Harris](https://a16z.com/author/derrick-harris/)，[Matt Bornstein](https://a16z.com/author/matt-bornstein/)和[Guido Appenzeller](https://a16z.com/author/guido-appenzeller/)原文地址：https://a16z.com/2023/05/25/ai-canon/译者：通往AGI之路后半部分：[目录：a16z推荐进阶经典](https://ywh1bkansf.feishu.cn/wiki/EXX1w3QyFiBz8fknLFYce7gvnug)人工智能的研究正在以指数级别的速度增长。对于AI专家来说，跟上所有新发布的内容已经非常困难，对于初学者来说更是难上加难。因此，在这篇文章中，我们分享了一份我们信赖的、用于更深入了解现代AI的精选资源列表。我们称之为“AI典藏”，因为这些论文、博客文章、课程和指南在过去几年中对该领域产生了巨大影响。我们首先对Transformer和Latent Diffusion（潜在扩散）模型进行了简单的介绍，这些模型正在推动当前的AI浪潮。接下来，我们深入研究了技术学习资源；构建大型语言模型（LLMs）的实用指南；以及AI市场的分析。最后，我们列出了一份里程碑式研究成果的参考列表，从2017年谷歌发布的“Attention is All You Need”开始——这篇论文向世界介绍了Transformer模型，并开启了生成AI的时代。

入门经典必读

[Transformers，explained](https://daleonai.com/transformers-explained)：这篇文章由Dale Markowitz撰写，是对“什么是LLM，它是如何工作的？”这个问题的一个更短、更直接的回答。这是一种很好的方式，可以轻松地进入这个主题，并对这项技术建立直观理解。这篇文章是关于GPT-3的，但仍适用于新的模型。翻译：[解析Transformer模型：理解GPT-3、BERT和T5背后的模型](https://ywh1bkansf.feishu.cn/wiki/WCOcwp3DYiNj2mkiGVycjJ0Znaf)[How Stable Diffusion works](https://mccormickml.com/2022/12/21/how-stable-diffusion-works/)：这是一篇与上一篇文章在计算机视觉领域的对应文章。Chris McCormick为非专业人士解释了Stable Diffusion是如何工作的，并从文本到图像模型的角度，帮助你对这种技术建立直观理解。如果你希望更轻松地理解这个概念，可以查看来自r/StableDiffusion的这个[漫画](https://www.reddit.com/r/StableDiffusion/comments/zs5dk5/i_made_an_infographic_to_explain_how_stable/)。翻译：[稳定扩散（Stable Diffusion）是如何运作的](https://ywh1bkansf.feishu.cn/wiki/TNIRw7qsViYNVgkPaazcuaVfndc)

入门经典必读

|多行文本|作者|备注|链接|附件||-|-|-|-|-||软件2.0|Andrej Karpathy|Andrej Karpathy是最早清楚解释（在2017年！）为什么新的AI浪潮真正重要的人之一。他的论点是，AI是一种新的、强大的编程计算机的方式。随着大语言模型(LLMs)的快速改进，这个论点被证明是有先见之明的，并为AI市场的可能进展提供了一个良好的思维模型。|[软件2.0（Software 2.0）](https://ywh1bkansf.feishu.cn/wiki/FFJawIKRpi77JokULCvcjIPBnBv)|||GPT的现状|Andrej Karpathy|这也是Karpathy的文章，这是一个非常容易理解的解释，说明了ChatGPT/GPT模型一般如何工作，如何使用它们，以及研发可能采取的方向。|[GPT的现状（State of GPT）](https://ywh1bkansf.feishu.cn/wiki/IXjfwF9l9iX0IzkUg1Ec0Vcinx3)|||ChatGPT是在做什么，为什么它有效？|Stephen Wolfram|计算机科学家和企业家Stephen Wolfram给出了一篇长而易读的解释，从一开始的原理解释了现代AI模型是如何工作的。他跟随从早期神经网络到今天的LLMs和ChatGPT的时间线|[ChatGPT是在做什么，为什么它有效？](https://ywh1bkansf.feishu.cn/wiki/LnMOwmKIwihcRakRalcczNgrnjf)|||解析Transformer模型：理解GPT-3、BERT和T5背后的模型|Dale Markowitz|这篇文章由Dale Markowitz撰写，是对“什么是LLM，它是如何工作的？”这个问题的一个更短、更直接的回答。这是一种很好的方式，可以轻松地进入这个主题，并对这项技术建立直观理解。这篇文章是关于GPT-3的，但仍适用于新的模型。|[解析Transformer模型：理解GPT-3、BERT和T5背后的模型](https://ywh1bkansf.feishu.cn/wiki/WCOcwp3DYiNj2mkiGVycjJ0Znaf)||群友解读：

Others are asking
学习AI的必读书目
以下是学习 AI 的一些必读书目推荐： 《GPT1 到 Deepseek R1 所有公开论文 The 2025 AI Engineer Reading List》：涵盖了人工智能工程的 10 个领域，包括 LLMs、基准、提示、RAG、代理、CodeGen、视觉、语音、扩散、微调等，适合从零开始的学习者。 对于新手学习 AI，建议先阅读「」部分，熟悉 AI 的术语和基础概念。 还可以在「」中找到为初学者设计的课程，特别推荐李宏毅老师的课程。 三本神经科学相关书籍： 《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，系统介绍认知神经科学的多个方面。 《神经科学原理》（作者：Eric R.Kandel;James H.Schwartz）：让您了解神经元的细胞和分子生物学、突触传递等内容。 《神经生物学:从神经元到脑》（作者：John G.Nicholls 等著）：神经生物学领域的世界级名著，涵盖神经科学的多方面内容。
2025-04-12
检索有关AI入门必读书籍
以下是为您推荐的 AI 入门必读书籍： 1. 「」，有助于熟悉 AI 的术语和基础概念。 2. 「」，其中包含为初学者设计的课程。 3. GPT1 到 Deepseek R1 所有公开论文 The 2025 AI Engineer Reading List：涉及人工智能工程的 10 个领域，包括 LLMs、基准、提示、RAG、代理、CodeGen、视觉、语音、扩散、微调。如果您想从零开始，可以从此处开始。 4. 入门经典必读：作者为 ，原文地址：https://a16z.com/2023/05/25/aicanon/ 。文中分享了一份用于更深入了解现代 AI 的精选资源列表。
2025-03-17
有没有优质的系统的coze入门网课？
以下是一些优质的系统的 Coze 入门网课推荐： 另外，还有“一泽 Eze:万字实践教程，全面入门 Coze 工作流｜用 Coze 打造 AI 精读专家智能体，复刻 10 万粉公众号的创作生产力”，这可能是全网最好的 Coze 教程（之一），即使是非技术出身的爱好者也能上手跟学，一站式学会 AI Agent 从设计到落地的全流程方法论。其核心看点包括通过实际案例逐步演示用 Coze 工作流构建能够稳定按照模板要求生成结构化内容的 AI Agent、开源 AI Agent 的设计到落地的全过程思路、10+项常用的 Coze 工作流的配置细节、常见问题与解决方法等。适合任何玩过 AI 对话产品的一般用户，以及希望深入学习 AI 应用开发平台（如 Coze、Dify），对 AI Agent 工作流配置感兴趣的爱好者。但需注意，本文不单独讲解案例所涉及 Prompt 的撰写方法。文末「拓展阅读」中，附有相关 Prompt 通用入门教程、Coze 其他使用技巧等内容，以供前置或拓展学习。
2025-04-14
七天入门计划
以下是为您提供的七天入门 AI 的计划建议： 第一天： 开始接触李宏毅的生成式人工智能课程。 资源：在 B 站直接搜索《李宏毅 2024 春《生成式人工智能导论》。 第二天至第十四天： 抽空陆续花 2 周时间学完李宏毅的课程。 第五天： 研究并开始使用 Kimi。 参考资料： 。 抱着每天向 kimi 问 100 个问题的心态，调整自己的思考模式，在工作和生活中养成有问题问 AI 的习惯。您还可以参考公众号文章【每天问 Kimi 们 100 个问题，你就 AI 入门了】。 在学习过程中，建议做好笔记，总结所学知识和心得体会，以便更好地掌握和应用。
2025-04-13
给我提供一份清华大学104页的deepseek从入门到精通的手册的链接
以下是为您找到的与清华大学 DeepSeek 相关的一些资料链接： https://pan.quark.cn/s/56e2713e95f4 https://docs.qq.com/doc/DSG9SWFpjVXI3aHZ1 清华大学 104 页的 DeepSeek 从入门到精通的手册：https://waytoagi.feishu.cn/record/FjWorH （2 月 11 日更新附录）
2025-04-11
给我提供一份清华大学104页的deepseek从入门到精通的手册
以下是为您整合的相关信息： 清华大学出品了《DeepSeek：从入门到精通》的指南，该指南详细阐述了 DeepSeek 的功能，如智能对话、文本生成、代码生成、自然语言理解等，并探讨了其使用方法，包括推理模型与通用模型的区别、提示语设计策略等，旨在帮助用户更好地掌握这一 AI 工具的使用，提升工作效率和创新能力。您可以通过以下链接获取：https://waytoagi.feishu.cn/record/QAURr4CNGeJ5GIcvU0nc9X3dndg 。 此外，还有一些相关的更新和资料，如 2 月 11 日更新附录的清华大学 104 页 Deepseek 从入门到精通、1 月 21 日更新热门 AI deepseek 推荐及案例征稿通知、1 月 14 日更新爱好者交流 g 群和微信群、12 月 30 日更新案例 24,25,26 等。 同时还有关于 AI 赋能教学的课程实施流程及案例亮点等内容，如利用 AI 生成开放性问题引发深度思考、通过多维数据分析支持全面客观的判断、通过辩论提升批判性思维和表达能力等。
2025-04-11
入门：Ai绘画
以下是为您提供的 AI 绘画入门相关的资源和教程： 在“通往 AGI 之路介绍.pdf”中，有关于 AI 绘画入门的部分，包括产品工具与案例实战，开箱即用。 以下是一些 B 站的视频教程链接： 「AI 绘画」软件比较与 stable diffusion 的优势： 「AI 绘画」零基础学会 Stable Diffusion： 「AI 绘画」革命性技术突破： 「AI 绘画」从零开始的 AI 绘画入门教程——魔法导论： 「入门 1」5 分钟搞定 Stable Diffusion 环境配置，消灭奇怪的报错： 「入门 2」stable diffusion 安装教程，有手就会不折腾： 「入门 3」你的电脑是否跑得动 stable diffusion？： 「入门 4」stable diffusion 插件如何下载和安装？： 还有 SD 新手从 0 入门的 AI 绘画教程，包括以下章节： 第一节课：AI 绘画原理与基础界面 第二节课：20 分钟搞懂 Prompt 与参数设置，你的 AI 绘画“咒语”学明白了吗？ 第三节课：打破次元壁！用 AI“重绘”照片和 CG 第四节课：AI 绘画模型，“画风”自由切换 第五节课：提高 AI 绘画分辨率的方式 第六节课：LoRa|Hypernetwork 概念简析 第七节课：定向修手修脸，手把手教你玩转局部重绘！ 第八节课：提示词补全翻译反推，“终极”放大脚本与细节优化插件 第九节课：LoRA 从原理到实践 第十节课：零基础掌握 ControlNet！ 您可以通过以上资源进行学习，祝您在 AI 绘画领域学有所成！
2025-04-10
AI入门
以下是为您提供的 AI 入门的相关指导： 一、Python + AI 入门 在深入学习 AI 时，编程可能会让您感到困难，尤其是对于不会代码的朋友。但别担心，这里有一份 20 分钟的简明入门指南，能帮助您更快掌握 Python 和 AI 的相互调用，并在接下来的 20 分钟内完成以下任务： 1. 完成一个简单程序。 2. 完成一个爬虫应用，抓取公众号文章。 3. 完成一个 AI 应用，为公众号文章生成概述。 关于 Python： Python 就像哆啦 A 梦，拥有装满各种道具的标准库，遇到问题时可直接使用。若标准库道具不够，还能通过 pip 一类的工具从 GitHub 一类的分享代码平台订购新道具。Python 在 AI 领域被广泛使用，遍地是大哥。 关于 OpenAI API： OpenAI 通过两种方式提供服务，一是通过 ChatGPT 提供开箱即用的服务，直接对话即可；二是通过 OpenAI API 提供更加灵活的服务，通过代码调用完成更多自动化任务。 二、JavaScript 的 AI 堆栈入门 尽管当前版本是一个很好的起点，但仍在逐步完善，路线图包括： 1. 交互式 CLI 用于 createaistack，开发人员可选择自己的项目脚手架和依赖项。 2. 用于高级用例的事务性数据库（例如，在问答中保留问题、用户偏好等）。 3. 更多的向量数据库和部署平台选项。 4. 用于开源模型的轻量级微调步骤。 同时，对在创建过程中发挥重要作用的开源项目表示感谢，如 Tailwind、ai sdk、dotenv、Next.js、langchain.js 等。 三、新手学习 AI 的方法 1. 了解 AI 基本概念： 建议阅读「」部分，熟悉 AI 的术语和基础概念，了解人工智能及其主要分支（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、当前应用和未来发展趋势。 2. 开始 AI 学习之旅： 在「」中，有一系列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，您可根据兴趣选择特定模块深入学习，一定要掌握提示词的技巧，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您的作品。知识库中有很多大家实践后的作品、文章分享，欢迎您实践后也进行分享。 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，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。
2025-04-10
AI怎样改编经典IP创作
以下是关于 AI 改编经典 IP 创作的相关内容： 在节目单方面，涵盖了视频与影视、音乐与舞蹈等领域。 视频与影视中，有“赛博朋克与未来：AI 未来变化的畅想”，包括脑洞、炫酷的 AI 图片、AI 视频、想象中的 AI 功能展示等内容；“四大名著重生：AI 重新诠释的中国四大名著”，包含经典桥段分镜、AI 图片、AI 视频等。 音乐与舞蹈方面，有“AI 原创歌：AI 制作的音乐”，涉及原创 AI 音乐、AI 视频、音乐版权、AI 图片生视频或转绘视频等；“原创 RAP：AI Rapper 表演”，涵盖原创 RAP、AI Raper、视频驱动等。 在电影制作方面，以 Junie 的首部 AI 长电影为例，制作初衷是为了好玩和为经典故事注入新意。尽管有人质疑其用 AI 制作反 AI 电影的讽刺性，但它为 AI 创作者提供了共同创作机会，带来启示：人类创造力不会被机器取代，AI 电影是电影领域的一部分，不会取代传统电影，而是开辟新的艺术表达方式。同时，AI 技术快速迭代，类似 Sora 的工具将改变对电影的传统认知。未来，强交互的由 AI Agent 驱动的一对一交互媒介可能成为主流。 在音乐创作方面，以《西游不能停》为例，过去一首歌制作流程复杂，需多个环节和角色协作，现在 AI 合并了很多环节，能帮创作者迅速呈现 idea 的 demo 形式，搭起歌曲骨骼框架，让创作者把更多精力投入到更具个人表达的部分，如歌词、音色、节奏等。但 AI 也有不足和缺陷，如生成结果不可控、保真度低等。
2025-01-19
RAG的经典应用场景
RAG（检索增强生成）的经典应用场景主要包括以下方面： 1. 构建智能问答客服：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。 2. 知识问答系统：用户提问后，RAG 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提示词中，提交给大模型，大模型的回答会充分考虑到“包含答案的内容”。
2025-01-06
RAG的经典应用场景
RAG（检索增强生成）的经典应用场景主要包括以下方面： 1. 构建智能问答客服：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。 2. 知识问答系统：用户提出问题，RAG 可以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提示词中，提交给大模型，大模型的回答会充分考虑到“包含答案的内容”。
2025-01-06
最经典的ai应用场景及其原理
AI 的应用场景非常广泛，以下是一些经典的 AI 应用场景及其原理： 1. 医疗保健： 医学影像分析：AI 可以用于分析医学图像，例如 X 射线、CT 扫描和 MRI，以辅助诊断疾病。 药物研发：AI 可以用于加速药物研发过程，例如识别潜在的药物候选物和设计新的治疗方法。 个性化医疗：AI 可以用于分析患者数据，为每个患者提供个性化的治疗方案。 机器人辅助手术：AI 可以用于控制手术机器人，提高手术的精度和安全性。 2. 金融服务： 风控和反欺诈：AI 可以用于识别和阻止欺诈行为，降低金融机构的风险。 信用评估：AI 可以用于评估借款人的信用风险，帮助金融机构做出更好的贷款决策。 投资分析：AI 可以用于分析市场数据，帮助投资者做出更明智的投资决策。 客户服务：AI 可以用于提供 24/7 的客户服务，并回答客户的常见问题。 3. 零售和电子商务： 产品推荐：AI 可以用于分析客户数据，向每个客户推荐他们可能感兴趣的产品。 搜索和个性化：AI 可以用于改善搜索结果并为每个客户提供个性化的购物体验。 动态定价：AI 可以用于根据市场需求动态调整产品价格。 4. 制造业： 预测性维护：AI 可以用于预测机器故障，帮助工厂避免停机。 质量控制：AI 可以用于检测产品缺陷，提高产品质量。 供应链管理：AI 可以用于优化供应链，提高效率和降低成本。 机器人自动化：AI 可以用于控制工业机器人，提高生产效率。 5. 交通运输： 自动驾驶：AI 可以用于开发自动驾驶汽车，提高交通安全性和效率。 交通管理：AI 可以用于优化交通信号灯和交通流量，缓解交通拥堵。 物流和配送：AI 可以用于优化物流路线和配送计划，降低运输成本。 无人机送货：AI 可以用于无人机送货，将货物快速送达偏远地区。 6. 其他应用场景： 教育：AI 可以用于个性化学习，为每个学生提供定制化的学习体验。 农业：AI 可以用于分析农田数据，提高农作物的产量和质量。 娱乐：AI 可以用于开发虚拟现实和增强现实体验。 能源：AI 可以用于优化能源的使用，提高能源效率。 总的来说，AI 的应用场景非常广泛，它可以帮助人们解决各种各样的问题，提高效率和生产力，改善生活质量。随着技术的不断发展，AI 的应用场景还将不断扩大和深化。
2024-05-28