往期
本书目录
01
序言
02
第 1 章 · 认知困局
03
第 2 章 · 产品观
04
第 3 章 · 需求观
05
第 4 章 · 用户观
06
第 5 章 · 认知融合
07
第 6 章 · 问题定义
08
第 7 章 · 体验设计
09
第 8 章 · 数据证据
10
第 9 章 · 技术认知
11
第 10 章 · 决策沟通
12
第 11 章 · 路线图与优先级
13
第 12 章 · 场景建模
14
第 13 章 · 能力抽象
15
第 14 章 · 平台架构
16
第 15 章 · 商业思维
17
第 16 章 · 市场分析
18
第 17 章 · 增长思维
19
第 18 章 · 产品运营
20
第 19 章 · 项目协作
21
第 20 章 · 组织能力
22
第 21 章 · 长期价值
23
后记
文章目录
1
AI基础认知
一张图厘清名词关系
什么是人工智能(AI)?
什么是机器学习ML?
机器学习ML-监督学习
机器学习ML-无监督学习
机器学习ML-强化学习
机器学习ML-半监督学习
机器学习ML-自监督学习
什么是深度学习DL?
深度学习DL-卷积神经网络(CNN)
深度学习DL-循环神经网络(RNN)
深度学习DL-生成对抗网络(GAN)
神经网络与机器学习的关系?
2
AI演进发展
AI的起源及发展变迁历程
AI的起源及发展变迁历程
现象级产品-DeepBlue
现象级产品-AlphaGo
现象级产品-ChatGPT与DeepSeek
现象级产品-ChatGPT与DeepSeek
AI1.0:感知智能时代
AI2.0:认知智能时代
3
什么是大模型?
什么是大模型?
常见的大模型
大模型认知误区(补充)
大模型的"超能力1"-总结与提取
大模型的"超能力2"-生成与创作
大模型的"超能力3"-翻译与改写
大模型的"超能力4"-逻辑与推理
大模型的"超能力5"-意图理解
大模型的"致命伤1"-幻觉
大模型的"致命伤2"-记忆受限
大模型的"致命伤3"-时效性与私有数据
大模型的"致命伤4"-不可控性与延迟
大模型的发展趋势
大模型面临的挑战
4
我们如何拥抱AI?
大模型的行业应用
大模型落地-提示词工程(Prompt)
大模型落地-检索增强生成(RAG)
大模型落地-智能体(Agent)
大模型落地-微调(Fine-tuning)
相关文章



