夜雨聆风文章动机
首先，这是一篇AI笔记，记载近日对AI知识的学习与思考结果。
撰写的动机，是某一天群里有人在问如何做AI创新。在此之前已经听到了太多类似的话题，包括探讨如何凭借 AI 实现商业变现、哪家企业接入了诸如 Deepseek 等前沿技术，亦或是思索怎样达成 AI 创新，以及如何巧妙地将 AI 融入自身所处的业务领域（这大概率是公司布置的任务命题），诸如此类的讨论不绝于耳。
在这般热烈的氛围烘托下，看得出，众人都急切地渴望与AI 建立紧密联系。
然而，由于寻觅不到恰当的切入方式，焦虑情绪如影随形，且愈发浓烈。部分人病急乱投医，盲目地购买各类课程。可结果往往事与愿违，反倒让焦虑感进一步加剧。
我自身亦深陷于这种焦虑困境之中，故而决心先让自己沉静下来，梳理出一条跟进AI 发展的清晰方式，找回内心秩序。
我察觉到自己在吸纳AI 相关信息时太过零散、碎片化，铺天盖地的陌生专业名词，诸如大模型、模型训练、Agents 等等，成为我深入理解 AI 的重重阻碍，使得我面对 AI 时，那种 “不明觉厉” 的感觉愈发强烈。
鉴于此，我决意从这些日常频繁映入眼帘的AI 名词切入，以一种系统化的方式将它们串联整合起来，力求让 AI 从抽象模糊的概念层面具象落地。毕竟，唯有精准锚定了连接的目标对象，才能够明晰究竟该如何建立有效连接，进而付诸切实行动，如此这般，方能成功驱散心头的焦虑阴霾。
在此将学习和思考心得分享给大家，希望在AI知识体系的初步建立上，帮助到大家。
一、认识AI：搞清楚要链接的对象
首先，关于“AI”这个名词的解释，百科是说：AI 即人工智能（Artificial Intelligence），是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
好，这里说到AI是一门技术科学，也就是一门技术，就像是如何盖房子、如何开发一套软件的技术，也就是如何将无形知识转化为一个有形交付物的技术。
那么从输入和输出的角度来理解，AI由以下构成：
输入（理论体系）：综合了多个知识领域如数学、计算机科学理论、认知科学与心理学、哲学
工具（技术体系）：机器学习、自然语言处理、计算机视觉、知识表示与推理
输出（AI技术）：AI 模型、AI应用技术、AI应用
目前可被看见和理解（冰山之上）的AI技术，从层级上来说是模型层→应用技术层→AI应用层
AI模型
AI模型，也就是人工智能模型。是指通过计算机算法和数据训练得到的一种能够模拟人类智能行为的系统。这里因为相对黑盒子，因此我将有关的专业名词做了串联。让这些名词形成关系，并最终连接到大众熟知所熟知的AI模型。这样可以降低AI 模型相关信息的距离感。
首先，AI模型的重点学识领域，是对机器学习（ML）的算法研究（机器学习是研究怎样使用计算机模拟或实现人类学习活动的科学，是人工智能中最具智能特征），其中对人工智能发展助力最大，与模仿视听和思考等人类的活动的一种算法是是深度学习（DL）。
机器学习分为监督学习、无监督学习和强化学习三种学习模式。其中监督学习使用标记数据集来训练算法，分为两种学习方法：判别式和生成式。基于这两种方法学习从而建立的模型被称为判别模型和生成模型。
其中，生成模型可以用来不同的数据进行建模，比如图像、文本、声音等。对生成模型的应用，便是生成式AI。
2022年，OpenAI 推出了一款生成式AI：ChatGPT，其所应用的生成模型是经过海量文本数据训练的大语言模型（LLMs）GPT-3.5。
现在热议的大模型，一般是指LLMs。此外，以LLMs为核心还拓展出多模态大语言模型（MM-LLMs），如GPT最新模型：GPT-4o（o是Omni，即全能的意思，凸显了其多功能的特性）。
国内外大模型
AI应用技术
这里我先仅做罗列，方便串联出知识体系。每个主题我将进一步学习和整理
Prompt（提示工程）
RAG（检索增强生成）
AI Agent（人工智能代理）
模型微调
数据向量
数据清洗与标记
AI应用
AI应用，我总结是以AI模型为基座，结合AI应用技术，满足场景化需求并所产生的商业化实体。
以所熟知的Chat-gpt 、DeepSeek、腾讯元宝 、豆包都属于AI应用（属于Chatbot，聊天机器人，以对话为主）。但这些是其出品公司的商业化应用。
对于我们这些用户来说，这些属于AI工具，可以从效率上对既有或计划的商业化实体进行通识性的赋能。
如果要打造自己的商业化或行业垂直应用，就还会拓展出RAG应用、Agents类应用等
二、如何链接AI：采取实践行动
对于非专业开发者、创业工作者这个人群，链接的对象应该是AI知识与AI应用。
链接AI知识：建立自己的AI知识体系
1、保持对AI的好奇心，不断的学习、梳理和更新自己对AI 的理解。做到心中有数，就不会被互联网上碎片化的AI新闻、信息轰炸到焦虑
2、优化信息的获取，减少获取AI威胁论以及为了营销而制造焦虑的信息来源。关注一些理性、客观的渠道，我分享以下几个侧重于AI领域的知识平台：
通往agi 之路：一个全面的AI 学习路径知识库，涵盖从 AI 基本概念到应用等各方面知识
agi 掘金知识库：专注于AGI 相关研究和应用，提供最新资讯、解决方案等
奔赴AGI：开放、免费的知识库平台，专注于收集和分享AIGC 学习资源
AI洞察者中心：提供AI 日报、教学体系、变现方式等资源
二、链接AI应用：开始实践，咱们先上车再说！
大家焦虑的原因，就是怕被时代抛弃后没饭吃，那么就要从主业和副业两个角度切入，看下如何利用成熟的AI应用，做出一些实践行动热热身，这样我们在AI风口下才更加灵活，更加容易随着AI技术的发展而发展。
这部分我分为了三个话题：
1、AI快速创造
2、AI快速创新
3、AI快速变现
为什么要快速，因为打破焦虑的最好办法，就是采取行动。不要过度考虑相对黑盒子的部分
AI快速创造
AI快速创造，这里是指有无技术背景，都可以从0到1的开发一个AI应用，这里目的是实际去感受一下被AI模型加持的能量，而不用过多考虑商业价值（商业价值是创新与快速变现的事）
这里可以去关注一些低技术门槛的智能体开发平台，例如字节的Coze扣子、腾讯的腾讯元器。相关教程网上也是很多，大家可以上手实践一下。
AI创新
思考既有的产品，如何在AI模型和AI应用技术加持下，实现商业价值的提升。其实要分阶段探讨：
1、要做什么：如何选择大模型项目
这个阶段需要明确，要做的项目，一定是性价比最高的，体现在技术可行性高，商业价值高。可以将IDEA在下图中进行分布
技术可行性分析
l数据现状：数据如何获取，是进行标注还是外部购买
l技术现状：要对目前的大模型的能力边界（能做什么，不能做什么，可能的效果）有清晰的认知
l快速测试：对系统进行分解，模块化拆解，可以快速了解每个模块的实现效果
商业价值
l效率提升：例如可以受益的人数、人效的提升
l节约成本：财务角度上看缩减了多少成本
l增收：新增的商机、订单、收入
l品牌价值的提升：提高企业的内外部价值，如员工归属感、行业竞争力等
lROI：从投入产出上进行衡量
2、怎么做：如何落地大模型项目
目前的大模型项目落地，国内大家都属于探索阶段，因此落地原则应是 关注PMF、快速落地、快速测试。以防陷入误区：认为没有掌握关键技术或技术难度不大，产品会不具备竞争力。
但其实AI只是带来技术上的加持，创新还是回归到产品本身的应用场景，因此，应该减少技术成本（可利用已有或可快速集成的数据基础，选择成熟合适的开源模型），把精力更多放在PMF，也就是产品的市场匹配度上的提升上。
当产品落地后，再考虑是否通过技术投入来提高产品壁垒，建立护城河。
我将以AI检索（本地知识库）项目为例，学习和整理出分析与落地步骤说明。
这些将在下一篇笔记中分享。
AI快速变现
如何AI快速变现，还是要回到如何变现的场景，AI只是提供了新的信息差，以及更多提效的工具。
对于这个部分，我分享几个看到过且有收益的项目：
1、AI培训：以AI信息差为主题创造内容进行自媒体引流、出售AI相关课程、AI成长陪跑服务等
2、AI代写服务：如利用ChatGPT 、Deepseek等 AI 写作工具代写演讲稿、电商文案、社交媒体内容等
4、AI应用开发：将AI创造的自有应用，通过外包渠道或者发布至相关平台获取收益
5、AI内容创作：通过AI工具赋能内容创造进行自媒体引流、带货。如使用DeepSeek写脚本+可灵AI创作视频，发布至自媒体平台。当然，这些工具只是降低了创作门槛和难度，变现的重点还是你的内容选题
对于这点，我有在实践的变现行动，待获取较多收益后，再来分享。
结语：
以上是我个人的AI知识笔记，如果理解有误，欢迎指正。
如果有所助益，欢迎关注，这将是我持续分享的动力。