AI知识卡片与学用路径
来源：qademo 生态用户上传，upload_a9736ed128ba4eaa。
四、知识卡片（短小精悍，适合快速记忆）
卡片1：监督、无监督、强化学习对比
| 类型 | 有没有标签 | 学习方式 | 典型任务 |
|---|---|---|---|
| 监督学习 | 有 | 从（输入，输出）对中学习映射 | 分类、回归 |
| 无监督学习 | 无 | 发现数据内在结构 | 聚类、降维 |
| 强化学习 | 有奖励信号 | 试错 + 最大化累积奖励 | 游戏、机器人控制 |
卡片2：大模型“三驾马车”
- 算法：Transformer 架构
- 数据：海量、高质量、多样化的文本
- 算力：千卡/万卡集群训练
卡片3：机器学习“五步法”
- 收集数据
- 数据清洗与预处理
- 选择模型（如线性回归、随机森林、神经网络）
- 训练模型（拟合参数）
- 评估与调优
卡片4：常见AI岗位与核心能力
- AI产品经理：懂能力边界、懂数据、懂用户场景，不要求写模型代码
- 算法工程师：数学（线代/概率）、深度学习框架、论文复现
- AI应用开发：API调用、Prompt工程、RAG、Agent编排
卡片5：区分“强AI”与“弱AI”
- 弱AI：专注于特定任务。现在所有已实现的应用（人脸识别、ChatGPT）都是弱AI。
- 强AI：拥有与人类同等的通用智能，能理解、学习、适应任何任务。至今未实现。
五、学用路径（可直接作为路径库的条目）
路径1：业务 / 运营 / 零基础小白
目标：会用AI工具提升工作效率，不说外行话。
- 第1周：体验 ChatGPT / Claude / Kimi，每天试着用来写周报、邮件、会议纪要。
- 第2周：学习提示词基础（角色+任务+背景+输出格式），尝试优化自己的Prompt。
- 第3周：了解至少3种其他AI工具（如Midjourney作图、Gamma做PPT、Notion AI）。
- 第4周：阅读《人工智能简史》前5章，搞清AI发展脉络。
- 持续：每天看一个术语卡片，积累词汇。
路径2：产品 / 项目经理（需要评估AI可行性）
目标：能判断需求是否该用AI，懂基本技术和数据流。
- 完成上方“零基础”所有内容。
- 理解 AI 能力边界：哪些任务适合 AI（分类、生成、推荐）、哪些不适合（强逻辑推理、高风险决策）。
- 学习什么是 API，用 Postman 或 Python 简单调用 OpenAI API 或国内大模型 API。
- 了解 RAG 和 Fine-tuning 的区别，能判断产品场景更适合哪种。
- 推荐书籍：《AI 产品经理：方法、技术与实战》。
路径3：开发人员（希望上手AI应用开发）
目标：能独立开发一个调用大模型、带RAG的轻应用。
- Python基础：列表推导、函数、类、常用库（requests, json）。
- 大模型API调用：用 OpenAI / 智谱 / 文心 API 完成一个命令行问答。
- Prompt工程：系统掌握 few-shot、chain-of-thought。
- RAG实战：用 LangChain 或 LlamaIndex 加载本地文档，实现检索+回答。
- 进阶：学习用 vLLM 或 Ollama 部署开源模型（如 Llama 3，Qwen）。
- 可选：学习 FastAPI 将应用包装成 Web 服务。