AI学习资源精选（建议收藏）

最近，沃垠AI群里有人问：有没有入门的课程推荐？适合小白系统学的那种。


我说：不如看我们的文章。


AI系统课程，确实有，但多数要么是理论派（公开课，下文会讲），要么是割韭菜（贵到上万）。很难有学习资源，从入门到进阶、从理论到实践，全链路介绍AI。


网上看文章、看视频，也是东一榔头西一棒槌，无法形成体系知识。接触太多杂乱甚至错误的信息，反而会干扰我们的判断。


所以，我就在想，不如干脆给大家做一个学习资源汇总（大部分来自我自己在看的东西）。汇总要求：精选高质量信息，过滤劣质信息。这样，一方面是给我自己定学习计划，另一方面也希望能够帮到大家。


本文核心：精选信息，源头学习，动手学习。





在学习前，有必要先介绍几个方法论，作为我们学习的思路。


1、源头学习


知识源头，就像江河的源头一样，是知识发源的地方，是知识刚刚被创造出来的地方。源头的知识浓度和质量极高，有丰富的底层逻辑和基础概念。离源头越远，支流越多，混入的杂质也就越多。


所以，我们要站在知识的源头，萃取、消化第一手知识，重视第二手知识，轻视甚至无视第三、四手知识。



图自文心一格，雪山之巅


AI领域，源头的知识尤为重要。因为目前的AI，不是一个成熟的领域，而是一个充满了变化、饱含开放的新兴领域，需要我们去到源头，了解底层逻辑，判断信息价值。


比如AI新产品，了解它最好的方式就是看技术文档或论文，不要轻易被自媒体的标题党给忽悠。如何精读论文，可参考我们之前的提示词。

• 用这个提示词读论文，学习效率和质量MAX
  

https://mp.weixin.qq.com/s/dg9D_gp5hfzmjnn0MhFs4w


2、功利学习


认知心理学认为：成人学习有三个前提要求的时候效率最高，即有目标导向、有即时反馈、最近发展区。通俗理解就是，能解决当下问题的、学了有地方用的、难度适中的知识最有效。


所以，我们学习AI要有极强的目的性，也就是功利学习。要么它能够帮你变现，要么它能够帮你涨工资（提高生产力），要么它能够让你成功创业。


基于功利学习目的，我们要给自己制定学习计划，从自己的需求出发，设计学习清单，给自己分配学习资源（可从下文中配置资源）。


3、动手学习


AI这行，是极其讲究动手能力的。现在用自然语言就可与AI对话，动手门槛也低。建议大家首先要成为一名AI发烧友，这样你对AI的理解才会更加深刻些，实践出真章。


动手学习，可以让我们形成“输入问题（Input question）-解决问题（Problem solving）-输出产品（Ouput product）”的知识IPO闭环，交付属于自己的知识MVP（minimum viable product，最小可交付产品）。



图自文心一格，山城

下面，我将从5个方面来汇总AI学习资源，以帮助大家精选信息，源头学习，动手学习。


1、了解底层逻辑
·Transformer架构
·Diffusion模型
·空间智能


2、萃取源头
·AI领军人物
·顶流AI公司
·最新论文
·书籍


3、信息同步
1）理论派
·看外媒、听播客
·精读一些论文
2）实用派
·沃垠AI
3）交流派
·加1-2个AI社群
·参加一些活动
·与大佬交流
4）商业派
5）工具派


4、学以致用
·使用AI工具
·建智能体（提示词是绕不开的主角）
·搭Bot
·自部署


5、职业选择
·系统学习公开课
·考证（99%不靠谱）
·学业深造


这个list，主要来自于我自己在看的渠道或资源，比较主观，可能会有所遗漏。欢迎大家补充，将你的学习资源发到留言区，我们一起对这个list进行迭代。





毋庸置疑，了解AI必须首先了解它的底层逻辑，也就是知道AI从哪里来，以及要到哪里去。


这里分两步：第一步了解基本概念，第二步了解底层技术。


1）了解入门概念


关于AI的基本概念，我们发表过“12个问题带你系统认识AI”文章，有助于你打好底子，快速了解一些基础概念。

• 系统认识AI，了解AI的底层逻辑和工作原理
  

https://mp.weixin.qq.com/s/nDCL4LyQCqFR6GeFIuj0tA


也有一些公开课，值得一看，全英文，需要科学上网。

• Deeplearning.ai课程，涵盖了从入门到进阶，入门只用学习“introductory”部分
  

https://www.deeplearning.ai/courses

• 微软AI公开课，介绍了AI的核心原理
  

https://microsoft.github.io/AI-For-Beginners


2）了解底层技术


除了基础概念外，我建议还是要了解一下AI的底层技术（虽然理解起来有门槛），这样有助于我们理解AI的内在原理，理解当前技术的局限和边界。


当前的GenAI（生成式人工智能），主要由2个底层技术奠定。


➊Transformer架构，奠定了大语言模型（LLM）的基础。2017年，谷歌八子发表论文《Attention is all you need》，提出了著名的Transformer架构。

• 啃原论文：
  

https://arxiv.org/pdf/1706.03762.pdf

• B站@跟李沐学AI 视频《Transformer论文逐段精读》，全程中文，科普性比较好。
  

https://www.bilibili.com/video/BV1pu411o7BE


➋Diffusion模型，是文生图、图生视频的底层技术。

• 知乎科普文，十分钟读懂Diffusion扩散模型
  

https://zhuanlan.zhihu.com/p/599887666


➌空间智能，李飞飞认为AI下一步是空间智能，并且亲自下场创业。

• TED演讲原文
  

https://www.ted.com/talks/fei_fei_li_with_spatial_intelligence_ai_will_understand_the_real_world/transcript

• 中文翻译及解读
  

https://mp.weixin.qq.com/s/ZQPDq2G5gJGfSXxpWroeQA





源头的知识浓度和质量极高，有丰富的底层逻辑和基础概念。关于AI的源头知识，可以从4个渠道获取。


1）AI领军人物


这里的领军人物，主要指技术大佬和对人工智能有过重要贡献的人物，如图灵三巨头（Yoshua Bengio、Geoffrey Hinton、Yann LeCun）、李飞飞、吴恩达、Ilya Sutskever、Jan Leike、Shane Legg、Max Tegmark等。



而非商业领袖，如Sam Altman、马斯克、黄仁勋、扎克伯格、Demis Hassabis、李彦宏等，他们的采访或访谈，都是有商业目的性的，要么是提高公司估值，要么是寻找投资人，以及迷惑竞争对手。比如Sam Altman，就经常放卫星。


获取渠道：

• Lex Fridman的播客
  

https://www.youtube.com/@lexfridman

• 20VC的播客
  

https://www.youtube.com/@20VC

• web3天空之城（搬运外网采访，一般外网发布1-2天后B站就有了，配有中文精校字幕）
  

https://space.bilibili.com/351754674

• 各位大佬的X（原推特）
  

2）头部AI公司


头部AI公司，他们的官网都专门有1个板块，用来发布自己的技术文档和最新研究。

• OpenAI的News
  

https://openai.com/news

• Anthropic的最新论文
  

https://www.anthropic.com/research



5.21 Anthropic 论文，关于可解释性在大模型中的工作原理

• 谷歌deepmind的最新研究
  

https://deepmind.google/research/publications

• Meta AI的博客
  

https://ai.meta.com/blog


3）最新论文


无论公司or高校，一般都会首选在Arxiv上发布预印本论文，是我们研究第一手论文的主要来源。

• Arxiv机器学习最新论文检索主页
  

https://arxiv.org/list/stat.ML/recent?ref=bestofml.com

• Arxiv Sanity Preserver，帮助分类、搜索和过滤特征主页
  

http://www.arxiv-sanity.com/?ref=bestofml.com


4）书籍


虽然带着“人工智能”四个字的书有很多，但是能看的真的很少，只推荐这几本。

• 《深度学习》，由全球知名专家IanGoodfellow、YoshuaBengio和AaronCourville撰写，深度学习奠基性教材，被称为“AI圣经”。
  

电子版（已翻译）：
https://github.com/exacity/deeplearningbook-chinese

• 《生命3.0》，未来生命研究所创始人Max Tegmark著。
  

• 《三体》，刘慈欣，不用多说。
  

• 《我看见的世界》 ，既是李飞飞的个人史，也是人工智能的发展史。
  

我最近正在读这本书

• 《Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition》，目前地球上最好的机器学习书籍，不仅有实例而且还讲明了原理。
  

信息同步这一块，主要分为5个部分，大家按需选取。


1）理论派


➋看外媒、听播客


如果你想更深度地跟踪海外动态，推荐阅读外媒的一手报道。

• 媒体：TheInformation、Techcrunch、Github、Reddit。
  

或者，观看对技术大佬的深度访谈，比如Lex Fridman的播客，就采访了很多大佬，每期播客动辄2-3个小时。

• Lex Fridman的播客
  

https://www.youtube.com/@lexfridman


国内这类访谈深度不够，一般不做推荐。有一位网红周鸿祎算是唯一推荐的人物，但只能作为入门。


➌精读一些论文


如果你想更深层次理解技术原理，推荐阅读一些论文。普通人读论文，会比较困难，建议先读这几篇精品论文。后期，再按需增加阅读量。


a.《Attention is all you need》


这个就不用我多说了吧，Transformer架构的奠基之作，认识当下GenAI必读论文。论文不长，建议精读。如果没有读过这篇论文，别说自己是搞AI的……

• 论文网址
  

https://arxiv.org/pdf/1706.03762.pdf

• B站李沐带读
  

https://www.bilibili.com/video/BV1pu411o7BE


b.《Generative Agents:interactive simulacra of human behavior》


斯坦福小镇的Agent实验，文章里创造了一个AI社会雏形，是AI Agent的先驱。

• 论文链接
  

https://arxiv.org/pdf/2304.03442.pdf


c.《Sparks of Artificial General Intelligence:Early experiments with GPT-4》


理解GPT-4的第一手资料和核心论文，内容详实，建议全篇细读。

• 论文链接
  

https://arxiv.org/pdf/2303.12712.pdf

• OpenAI技术文档
  

https://cdn.openai.com/papers/gpt-4-system-card.pdf


d.《Video generation models as world simulators》


Sora技术文档，了解文生视频的新技术，它是如何理解现实世界的物理规则。

• 技术文档
  

https://openai.com/research/video-generation-models-as-world-simulators


e.李沐老师的论文精读


李沐老师的论文精读视频，非常值得一看。既适合小白，也适合专业人士。不过有近1年没更新了，可能他在亚马逊的AI项目实在太忙了吧。


B站：https://space.bilibili.com/1567748478
外网：https://www.youtube.com/@mu_li


2）实用派


讲资讯、理论的媒体有很多，但讲实用的很少，相关内容主要集中在其他渠道上。

• 比如沃垠AI（不要脸的首推自己），就主要做AI应用研究和落地，我们先后发布了通义、Kimi、GPT、文心、豆包、讯飞、智谱、Claude 3、Suno、Coze、Dreamina、PixVerse、天工AI搜索、钉钉AI等若干AI产品的评测和使用攻略。
  

3）交流派


a.加1-2个AI社群

• AI产品榜：每月更新AI产品榜单（含全球和国内），日渐成为行业引用的权威榜单。
  

网址：aicpb.com

• 通往AGI之路：宝藏社群，由很多互联网爱好者共创AI知识库，比较全面。
  

网址：https://waytoagi.com


以上2个社群都来自飞书，单群最高可容纳5000人。除了飞书外，你也可以加一些质量高的微信群。


b.参加一些活动


参加线下活动，有助于我们近距离观察行业情况。如果无法参加线下，也可以报名线上直播。大部分品质高的活动，都是免费的。


4）商业派


国内券商的研报基本不用看，懂的都懂。这里，仅推荐一些专注AI赛道的VC。

• 红杉资本，注意，不是红杉中国
  

网址：https://www.sequoiacap.com

• a16z，主要投AI的VC
  

网址：https://a16z.com

• 路奇（奇绩创坛创始人兼CEO）
  

路奇演讲完整版PPT：
https://mp.weixin.qq.com/s/fzYxwaANqWpqxC__1zTNDA

• 信息平权：信息量爆炸，擅长解读AI硬件厂商
  

• 红衣大叔周鸿祎：辩证的看，关于人工智能领域有一些发声值得一读。国内鲜见有商界大佬愿意抛头露面，从这一点来说，也是难能可贵。
  

5）工具派


AI学习，少不了相应的工具，首推这2个：

• 飞书，“先进团队先用飞书”这句slogan毋庸置疑。国内很多AI交流社区都来自飞书，如AI产品榜、通往AGI之路等。飞书有很多产品，如云文档、知识库、视频会议、多维表格等，全都内置了AI功能。
  

https://www.feishu.cn

• GitHub，全球最大的开源代码社区，有一亿的开发者。
  

https://github.com/





人工智能最终的落脚点，肯定是在应用上。如果只是理论束之高阁，无法进入应用，那其最终命运肯定也会被历史给淘汰。


普罗大众学AI也是如此，核心是要学以致用，能够进入实际的应用场景。不管是生活也好，工作也好，能切实从生产力上帮到大家，那就是好的AI。


对于目前的GenAI，可从4个角度学以致用。


1）把AI当做生产力工具


不管是搜索、总结也好，绘图、做视频也行，把他们通通视作生产力工具。也许GenAI还无法完成整个工作链路，但在其中一些节点上已经能够很流畅的帮助我们完成工作了。


可以从这里，选取适合自己的AI工具进行使用。

• AI产品推荐榜
  

https://mp.weixin.qq.com/s/Cw3hn-_vwlYqiK3I9emQ7g


2）建智能体


让AI更懂你，懂你的需求，懂你的业务，智能体（也即提示词）是绕不开的环节。


提示词是我们与大语言模型（LLM）沟通的基础语言，好的提示词=懂业务+懂技术+会提问+结构化写作。

• 吴恩达智能体设计思路
  

https://mp.weixin.qq.com/s/FBWgeq2OmOr3ixJMAxh1RQ


3）搭AI-Bot


再进一步。学会写提示词后，可通过AI-Bot平台搭一个Agent，可部署到企微、公众号、飞书、豆包或自己的网站。


可选平台有：

• Coze，分国际版和国内版。国际版，内置的ChatGPT模型；国内版，内置的moonshot、通义、MiniMAX、豆包4家模型。
  

国际版：www.coze.com
国内版：www.coze.cn

• GPTs，依托ChatGPT模型搭建。
  

https://chatgpt.com


4）自部署模型


5月来，多家大模型宣布免费，即使付费版API也非常便宜。AI正在普及和平权，是我们做自部署的好时机。


接一个API，通过Python简单代码，即可完成自部署，搭建出一个属于自己的Demo模型。自部署的模型，可在本地运行，也可发布到自己网站，还可以拿来开发一个微信聊天机器人。





如果职业计划进入人工智能行业，有3种渠道。


1）系统学习公开课

• Deeplearning.ai课程，从入门到进阶
  

https://www.deeplearning.ai/courses

• 吴恩达《Machine Learning》
  

https://www.coursera.org/learn/machine-learning

• 吴恩达《Deep Learning》
  

https://mooc.study.163.com/university/deeplearning_ai#/c

• 强化学习 | Reinforcement Learning-David Silver
  

https://www.bilibili.com/video/av45357759

• 林轩田《机器学习基石》
  

https://www.bilibili.com/video/av36731342

• 微软AI公开课，了解AI核心原理
  

https://microsoft.github.io/AI-For-Beginners

• 英伟达在线自主培训课程，免费、付费皆有
  

https://www.nvidia.cn/training/online

• 斯坦福大学，CS230 Deep Learning
  

https://www.bilibili.com/video/av47055599

• 斯坦福大学，计算机视觉“神课”CS231n
  

https://cs231n.stanford.edu

• TED学AI，挑选自己喜欢的学
  

https://www.ted.com/search?q=AI


2）考证


目前，AI领域人才，除了自读在线学位或全职攻读学位外，没有任何被行业认可的证书。市面上所谓考证提升AI能力的，99%都是割韭菜。


3）学业深造


学业深造，分为2种。第1种是自读相关的在线学位，主要是要花钱。目前国内有50所高校开设了人工智能研究生专业，这些高校录取门槛较高，而且几乎都只收计算机本科生。


另一种就是全职攻读相关学位，通过读研或读博，来完成学历打造。选学校，可参考https://csrankings.org排名。



中国前20高校

美国前20高校





以上，就是我推荐的AI资源List，比较主观，可能会有所遗漏。欢迎大家补充，将你的资源分享到留言区。创作不易，恳请大力点赞、在看和转发我们的文章，感谢~


你的小小举动，将会给我们带来莫大的鼓励，比心[心]~