周弘毅表示，AI科普的需求量很大，李一舟之所以能获得高收入，主要是因为他从用户的角度发现了用户的需求。 李一舟最大的问题是，与其对相关课程内容收费，不如免费。 我将推出免费的AI培训课程，做更多的AI科普。
有趣的是，周弘毅也是清华大学的博士，他正是一名主修电子信息的计算机科学专业，虽然只是兼职学生，但他也希望360智能大脑能帮助他顺利毕业，也算得上是AI工具的践行者。
有的网路大佬喜欢现身指点国，有的讲课踏踏实认真，比如张朝阳的物理课，质量很高。 周弘毅的话....它介于两者之间，有强烈的表达和干货欲望，但仍然会有一些交通的功利主义。
而且也不知道周老师打算讲什么知识，演示什么工具，毕竟上课可以免费，软件、算力或本地部署环境所需的PC显卡都不是免费的。
之前朋友圈里有很多人卖过课，这次李一舟的事情是片面的，有的人委婉地表示支持李一舟，也有人没提李一舟，却在谈论知识付费的影响。
我还是说，为李一舟辩护的人，都是想成为李一舟的人。 李一舟的问题确实不在于费用，而在于课程的内容和质量。 拿路边的花言巧语，兜售梦想和焦虑，是无益的，也是有害的。
换句话说，我们不必要求每个人都为爱发电，如果真的有高质量的内容，就有必要为此付费。 而且每个学员的情况都不一样，有的人喜欢自己探索，有的人习惯了被动的死记硬背。
以下是分享一些免费课程资源的顺便：
这些课程是与OpenAI、Microsoft、Google、HuggingFace、Langchain等第三方合作推出的，一半的课程是一个小时，部分课程还会有笔记本或服务器学习环境。 这相当于 Ng Endar 赞助每个人免费录制课程。
serverless llm apps with amazon bedrock
chatgpt prompt engineering for developers
building systems with the chatgpt api
langchain for llm application development
langchain: chat with your data
finetuning large language models
large language models with semantic search
building generative ai applications with gradio
evaluating and debugging generative ai models using weights and biases
how diffusion models work
building applications with vector databases
automated testing for llmops
llmops
advanced retrieval for ai with chroma
reinforcement learning from human feedback
building and evaluating advanced rag applications
quality and safety for llm applications
vector databases: from embeddings to applications
functions, tools and agents with langchain
pair programming with a large language model
understanding and applying text embeddings
how business thinkers can start building ai plugins with semantic kernel
我还建议看一下之前的 AI for Everyone： AI for Everyone
前 OpenAI 科学家 Andrej Karpathy 的个人频道枯燥而感人......b站有人加字幕来携带它们。
良好的飞书知识库
总之，AI工具还是需要用到的，多用多用，多练习。 如果你真的不感兴趣，不要那么着急。 我之前也分享了王川的一个观点：
技术发展如此之快，以至于现在最好的策略可能是默认“躺平，照顾好你的身体，然后等待”。 否则，你拼命积累的一点资源，很可能在几年内就化为乌有。由于技术的原因，它不值一分钱，但你的健康是一个真正的损失。其实想想，从去年到现在，很多事情在这个过程中都发生了变化，AI能力的不断增强会让一些技能变得不必要，AI工具的发展方向一定是通用的，没有门槛的。 因此，不跟进学习无非是失去了一些可能存在的机会和发展过程中不必要的试错，从长远来看，你可能会得到更多的普遍红利。