My Docs

普通开发者应该如何入门 AIGC 开发？

我是一个传统的开发者，应该如何学习AI相关的知识？应该如何转成 AI Developer 呢？
这个问题非常多人关注，毕竟作为一个开发者，肯定不想错过即将来临的 AI 浪潮，这个问题，可以看知乎的相关回答： https://www.zhihu.com/question/263823175/answer/3157821046

知乎上的前面几位答主回答的非常专业，但是我认为他们没有讲清楚 AI 开发的方向。我个人认为，目前 AI 有两个方向：

  1. AI 基建开发者
  2. AIGC 开发者

##AI现状分析

大家可以自己多搜索一下相关的资料，我这里根据自己的入门大概总结一下:

首先 AI 开发是一个非常广泛的概念，相关的岗位与领域，不亚于程序员这个职业，也就是说它有很多细分的岗位

大家不要一听到再不学 AI 就要被淘汰了，首先 AI 虽然经过 2023 年的 GPT 发布，整个 AI 似乎爆炸性的增长了，实际上AI目前的处理能力，解决方案等， 还是不够成熟的。

一个图总结一下目前 AI 的现状：

AI 现状

也就是说，AI 到目前为止，暂时还没有很好的落地，或者落地的成本很高，它只能走某个领域有一定的效率提升，AI 发展到后面，可能下面几个方向：

领域专有 AI

比如专门的医学 AI，类似于现在大家用 GPTs，在上面上传一些医学的相关知识，它能回答用户一些医学问题。但是目前的AI还是离专业的医生有一段相当长的距离， 目前国内外许多公司也在研究某个领域专有的 AI，比如训练出一个超级医生之类的.

多模态 AI

这种AI就是目前已 GPT 为代表的全能全知AI，这种AI可能是无所不能的，发展到到最后，可能就是黄仁勋说的，最后可能是资源的争夺（GPU 与 电量），谁能提供 超大规模的AI 资源，谁就能成为下一个AI巨头。

私有可部署小型 AI

现在比较多的人希望能出一个类似于私人助理的 AI，类似于小爱同学，或者 Siri，在手机或电脑上就能独立运行。将AI做小，做精细化，是目前AI比较大的一个 难题，因为AI目前的发展上看，需要的资源还是非常庞大的，尽管部分AI大模型能运行在个人电脑上，但是效果非常差。可能性可以看这篇文章：ai手机-本地部署大模型

如何入门

AI 的相关知识浩如烟海，如果你想全部学会基本也是不太可能的事情，它有机器学习，深度学习，自然语言处理（NLP）,计算机视觉，大模型 LLM等等。
相关的领域特别多，并且大部分的门槛也相当的，需要你精通数学或计算机基础。

具体方向

所以如果你需要入门AI开发，一定要先去了解，目前AI有什么领域与方向, 每个大方向上又有需要细分的领域，比如传统的后端开发者，也只是一个统称，包含的职业 不限于：web 开发，api 开发，数据库管理，系统架构师，DevOps工程师，云计算等等. 所以建议入门之前，先了解一下AI的大方向，以及具体每个方向 上的具体岗位与职业。

AI基建开发者

AI 基建开发开发需要具备一系列技能和知识，除了编程语言，还需要精通机器学习和深度学习，数据处理和分析，算法和模型优化，深度神经网络等等。这些东西都需要 一定的数学功底，以及计算机基础，算法基础。

也就是说，如果一个普通的 AI，想要转变成这样的AI开发者，可以说非常难，大家可以看看我文章开头的链接，这里就不在展开了。

而且俗话说得好，万事开头难，中间难，结果也难。如果你一开始什么AI 基础都不会，只是一个普通开发者，想要直接过渡成AI开发者，可以说是非常难的，这种难度， 会直接卡着你的转变，凡事先易后难，先从入门相对较为容易的 AIGC 开发者入手，再慢慢过渡成AI基础建设开发者者，也是普通开发者更容易走的路。

AIGC 开发者

生成式人工智能AIGC（Artificial Intelligence Generated Content）与AI 基础建设开发不太一样，AI基础建设开发主要集中在构建能够执行特定任务的模型，如分类、回归、聚类等。 而AIGC开发更侧重于生成内容，如文本、图像、音频等，通常使用生成式模型，如生成对抗网络（GANs）或变换器（Transformers）。
AIGC开发更加强调模型的创造性和生成能力，能够生成新颖、有趣的内容，而AI基础建设开发更注重模型在特定任务上的准确性和效率。
需要更复杂的评估方法，如生成内容的质量、多样性、真实性等。 开发主要应用于内容生成、创意产业、艺术创作等领域, 可能涉及更多的伦理和道德考量，因为生成的内容可能会引发版权、隐私、虚假信息等问题，需要更谨慎地处理。

AIGC 开发者更注重的是应用领域，AI基础建设开发者开发的是AI相关技术的技术，基建，算法模型等等。而 AIGC 开发者 则更接近普通大众，是AI 算法模型的应用者。
但不是说那些高数，算法，机器学习不重要，这是AI的基石。
举个不太恰当的例子，AI基础建设开发就好比在开发操作系统，而 AIGC 则是在该系统上编写应用。那应用开发者需不需要理解底层系统原理呢？肯定是需要的，理解了底层的系统原理， 能够帮助我们写出更好的应用程序，但这是两个方向。一个人的精力是有限的，特别是底层AI技术的门槛更高，所以我建议普通开发者，应该学学会如何成本一个 AIGC 开发者， 在此基础上，再研究一些底层的原理，从而更好的帮助我们理解与开发AI应用。

AIGC 方向

AIGC，目前主要关注利用生成式模型来创造各种类型的内容，如文本、图像、音频等。以下是关于AIGC方向的一些重要内容：

  1. 文本生成：在AIGC领域，文本生成是一个重要的应用方向。文本生成模型可以用于生成文章、故事、对话等文本内容，如GPT（生成式预训练模型）系列就是其中的代表。

  2. 图像生成：除了文本生成，AIGC还涉及图像生成。图像生成模型可以生成逼真的图像，Stable Diffusion，Midjourney，等模型可以生成艺术风格的图像。

  3. 音频生成：AIGC方向还包括音频生成，例如生成逼真的语音、音乐等。

  4. 视频生成：生成式模型也可以用于视频生成，创造出逼真的视频内容。这涉及到对帧的生成和合成，例如最近非常火的 Sora。 Sora

  5. 创意产业应用：AIGC在创意产业中有着广泛的应用，如广告、艺术、设计等。通过AIGC技术，可以创造出新颖、有趣的内容，拓展创意空间, 比如一键换衣 一键换衣

  6. 安全，监管，对抗，伦理和道德考量：在AIGC的发展过程中，也需要考虑伦理和道德问题，如内容真实性、版权问题、虚假信息等，需要加强监管和规范。
    这个领域可以说是一个确定的，且非常独特的领域。说到监管，很多人就想到政治问题，实际上监管包含的方面也很广泛，也不是说我国的AI才需要监管。
    首先安全这不必多少，必不可少。对抗也是，比如如何识别图片是AI生成的，如何识别文章，或者论文是AI生成的。监管就更不用说，如何让AI原理暴力，政治等， 这些都需要一些非常实际的需求。

##AI印象 如果你从来没有了解过AI 的相关东西，对AI的大部分术语与基础都不太了解，建议你先看看这个： 通往 AGI 之路

这个网上收集了很多AI的相关资料与知识，适合绝大部分人AI入门，里面包含的东西也非常的多，看完之后对AI就有一个大概的印象了，这样对入门 AIGC 开发 打下了基础，方便自己转入AI开发。

需要指出的是这份资料目前也只是让你认识 AI，里面的东西太多了，我还是得强调一个问题，现阶段，大而全就就意味着不是很精，目前这份资料的每个领域还不是很系统化， 也不是很深入，但是作为入门AI的资料还是非常合格的。

AIGC 基础技术

AIGC 由于领域与岗位不同，需要掌握的技术也不尽相同，这里说一下一些我认为作为一个普通的 AIGC 开发者，应该掌握的常规基础知识。

Python 编程语言

Python 是AIGC领域中最常用的编程语言，具有丰富的库和工具，适合快速开发和实验。在这一部分，你可以探讨Python在AIGC中的具体应用、常用的库 （如TensorFlow、PyTorch等）以及如何利用Python进行数据处理、模型训练等。 可以这么说，目前几乎所有的AI相关的项目，都需要 Python 来作为入口运行，所以必须要掌握一定Python 基础。

Linux/服务器基础知识

由于AIGC任务通常需要大量计算资源，哪怕一个项目能使用高性能的 PC 个人电脑跑，但它也是比较卡的，而我们作为开发者，是需要将项目部署到线上给用户用的，所以 掌握简单的服务器知识是必须的。熟悉Linux系统和服务器基础知识是至关重要的。

Prompt Engineering

Prompt Engineering是指设计和构建用于生成式AI模型的输入提示（prompts）。这在训练和调整生成式模型时至关重要，可以影响生成内容的质量和准确性。你可以探讨如何设计有效的提示，如何优化提示以获得更好的生成结果等。 这个可能跟技术没什么关系，但是没一个入门的AI开发者都必须掌握的，好的提示词语差的提示词，对AI的效果是完全不同的，这里推荐一下吴恩达老师 联合 OpenAI 出品的 三个课程，每个课程非常值得学习：
《面向开发者的 Chatgpt 提示工程》 B站链接
《使用 Chatgpt 构建系统》 B 站链接
《LLM应用程序开发的LangChain》 B 站链接

我认为每个 AIGC 开发者都应该掌握上面的三个课程，甚至应该成为 AIGC 岗位的面试基本题。

数据处理与特征工程

在AIGC开发中，数据处理和特征工程是非常重要的环节。这包括数据清洗、特征提取、数据标注等工作，直接影响到模型的性能和生成内容的质量。

模型训练与调优

了解如何训练和调优生成式模型是成为一名优秀的AIGC开发者所必备的技能。这包括选择合适的模型架构、调整超参数、优化训练过程等方面。
并不是说成为 AIGC 开发者，就不需要优化AI模型的参数，如果是这样的话，那你跟只会调用 API 的程序员没有什么两样，很快就会被替代掉。以使用 StableDiffusion 为例， 我们需要知道如何训练大模型，Lora，以及出图的各种参数，这样成为某个AIGC 领域的专家，而不是一个 CURD boy.

另外有一个趋势是: 目前优秀大模型普通人或者普通公司都是玩不起的，它需要海量的资源支持，而非常优秀的AI模型通常都是闭源的。但是这不妨碍我们针对大模型进行 微调，GPTs 就是一个很典型的代表，只不过 GPTs 把微调的们门槛降低了，人人都可以是AI 的微调师。

我在这里大胆的猜测，未来AI的模型很长一段时间应该都是闭源的，这个是AI公司的核心资产。但是它会开放一些微调能力，这些则需要每个AI相关的人都掌握，它不一定需要 编程能力，但是如果你理解了大模型与微调模型，底层基座之间的关系，对模型调优的帮助肯定非常大！！

伦理与法律考量

在AIGC开发过程中，需要考虑到伦理和法律方面的问题，如数据隐私、版权问题、虚假信息等。我们用的大模型，或者某个AI项目是否是可以商用的，用的数据，是否是合法的。 或者是否会产生黄暴内容等等，这些都是需要相关的技术支撑。

入门开发实践

上面的基础技术掌握之后，我们可以先入门一个比较简单的领域，尝试一下 AIGC 的魅力。目前最简单，且可用，又最能提升成就感的AI领域，就是AI 绘画，让你不会从 《入门到精通》变成《入门到放弃》。

AI 绘画入门，可以看我这边文章：AI绘画入门

总结

总的来说，想从一个普通开发者，转成一名 AIGC 开发者，需要：

  1. 先了解一些AI的背景与方向
  2. 再了解一些 AIGC 的领域与方向，现状与技术，略读并尝试通往 AGI 之路中的例子与自己感兴趣的方向
  3. 掌握 AIGC 基础开发知识
  4. 找一个自己感兴趣的领域入门，如：AI绘画入门，或者：手机部署大模型 等等

等基本了解差不多了，再根据AI发展的趋势，以及自己的职业规划，选择一个合适的方向，去深入研究与学习，这样在未来的AI浪潮中，自己就不会被AI所淘汰了。

加油！！！

Next
开发者 AI 绘画入门