🚀 30分钟 AI 快速体验

目标： 在正式学习前，先亲手玩一下 AI，感受它能做什么
时间： 30 分钟 ～ 1 小时
需要准备： 一个 Google 账号（用来打开 Colab），其他什么都不用装

为什么要先体验？

很多人学编程，一上来就啃语法、背概念，学了两周还不知道自己在干什么，然后就放弃了。

我们反过来——先玩，再学。 你先看看 AI 能干什么，觉得"这也行？"，然后带着好奇心开始系统学习。

这 30 分钟里你会体验三件事：

1. 让 AI 识别图片 —— 你给它一张照片，它告诉你照片里是什么
2. 和 AI 对话 —— 你说一句话，它接着往下编
3. 让 AI 画画 —— 你用文字描述一个画面，它给你生成出来

不需要任何编程基础

下面的代码你现在不需要理解，只需要复制粘贴运行就行。等你学完第一阶段（Python 基础），回头再看这些代码，就会觉得非常简单。

---

体验1：让 AI 看懂图片（10分钟）

第一步：打开 Google Colab

1. 在浏览器中打开 Google Colab
2. 新建一个笔记本，任选一种方式即可：
   • 若首页有 「新建笔记本」 或 「New notebook」 按钮，点它
   • 或点击顶部菜单 文件 → 在云端硬盘中新建笔记本（英文界面为 File → New notebook）
3. 打开后你会看到一个类似记事本的界面，里面有一个可输入代码的方框（叫做「代码单元格」）

第二步：安装需要的库

在代码单元格里粘贴下面的代码，然后按 Shift + Enter 运行：

!pip install transformers torch pillow requests -q

等大约 1 分钟，看到输出不报红色错误就行。

如果出现 HF_TOKEN 或 Hugging Face 登录提示

运行后面代码时，可能会看到类似 "The secret HF_TOKEN does not exist" 的警告。可以忽略——本教程用的模型（如 google/vit-base-patch16-224、gpt2）都是公开的，不需要登录即可下载和使用，代码会正常跑完。

若想消除该警告（或以后要访问需登录的模型），可以：

1. 打开 Hugging Face → Settings → Access Tokens，新建一个 Token（Read 权限即可）
2. 在 Colab 左侧点击 钥匙图标 🔑（Secrets），添加 Secret：名称填 HF_TOKEN，值填刚才复制的 Token
3. 重启 Colab 会话：点击顶部 代码执行程序 → 重启会话（英文界面为 Runtime → Restart runtime）。中文版里没有「重新启动运行时」字样，选「重启会话」即可。重启后再重新运行单元格

第三步：运行图像识别

点击左上角的 「+ 代码」 新建一个单元格，粘贴以下代码并运行：

from transformers import pipeline
from PIL import Image
import requests
import io

# 加载一个图像分类模型（第一次运行要下载模型，稍等一下）
classifier = pipeline("image-classification", model="google/vit-base-patch16-224")

# 用一张网上的狗狗图片来测试（先下载字节再打开，避免 Colab 下网络导致的识别失败）
url = "https://upload.wikimedia.org/wikipedia/commons/thumb/2/26/YellowLabradorLooking_new.jpg/1200px-YellowLabradorLooking_new.jpg"
resp = requests.get(url, headers={"User-Agent": "Mozilla/5.0"})
resp.raise_for_status()
image = Image.open(io.BytesIO(resp.content))

# 让 AI 识别这张图片
results = classifier(image)

# 看看结果
print("🤖 AI 认为这张图片是：")
for r in results[:3]:
    print(f"  {r['label']:30s} 置信度: {r['score']:.1%}")

你应该看到类似这样的输出

🤖 AI 认为这张图片是：
  Labrador retriever              置信度: 95.6%
  golden retriever                置信度: 1.0%
  kuvasz                          置信度: 0.5%

🎉 想一想： 你没有教 AI 什么是拉布拉多，也没有给它标注图片，它怎么就认出来了？因为这个模型已经在 1400 万张图片上"学习"过了。这种"先大规模学习、再识别新事物"的过程，就是深度学习的核心思想——也是本课程要教你的东西。

试试换成你自己的图片

把 url 换成任何网上图片的链接，看看 AI 能不能认出来：

url = "https://upload.wikimedia.org/wikipedia/commons/thumb/3/3a/Cat03.jpg/1200px-Cat03.jpg"
resp = requests.get(url, headers={"User-Agent": "Mozilla/5.0"})
resp.raise_for_status()
image = Image.open(io.BytesIO(resp.content))
results = classifier(image)

print("🤖 AI 认为这张图片是：")
for r in results[:3]:
    print(f"  {r['label']:30s} 置信度: {r['score']:.1%}")

---

体验2：和 AI 对话（10分钟）

方式A：在 Colab 里运行一个小模型（免费）

新建一个代码单元格，粘贴运行：

from transformers import pipeline

# 加载一个文本生成模型
generator = pipeline("text-generation", model="gpt2")

# 给一个开头，让 AI 接着写
prompt = "The future of artificial intelligence is"
result = generator(prompt, max_length=80, num_return_sequences=1)

print("📝 你给的开头：", prompt)
print()
print("🤖 AI 接着写：")
print(result[0]['generated_text'])

关于这个模型

GPT-2 是 2019 年的模型，比现在的 ChatGPT 弱很多，生成的内容可能不太通顺。但它帮你理解了一个关键原理——AI 写文章其实就是不断预测"下一个最可能出现的词是什么"。ChatGPT 也是这个原理，只不过模型大了几百倍、训练数据多了几百倍。

方式B：直接体验最新大模型（推荐）

如果你想感受最强大的 AI 对话能力，打开以下任意一个（都免费）：

产品	网址	特点
ChatGPT	chat.openai.com	全球最知名，英文能力最强
Claude	claude.ai	长文本理解强，中文也不错
通义千问	tongyi.aliyun.com	阿里出品，国内直接访问
Kimi	kimi.moonshot.cn	支持超长上下文
DeepSeek	chat.deepseek.com	开源模型，性价比高

试着问它一个有挑战性的问题：

请用 Python 写一个函数，计算斐波那契数列的第 n 项。
要求：
1. 用递归实现一个版本
2. 用动态规划实现一个版本
3. 对比两种方式的效率差异

🎉 想一想： AI 不仅能聊天，还能写代码、翻译、总结文档、分析数据……在学完本课程后，你将能自己开发这样的 AI 应用，甚至构建能自主调用工具、自己做决策的 AI Agent。

---

体验3：让 AI 画画（10分钟）

操作步骤（无需写代码）

1. 打开以下任意一个 AI 绘画工具：

   • Hugging Face Spaces 上的 Stable Diffusion
   • LiblibAI（国内可直接访问）
   • 或搜索 "AI 在线绘画" 找其他工具

2. 在输入框中输入英文描述词（叫做 Prompt）：

a cute robot reading a book in a cozy library, digital art, warm lighting

3. 点击 Generate，等待 10-30 秒

4. AI 会为你生成一张全新的图片——这张图片世界上从未存在过，是 AI "想象"出来的

更多 Prompt 可以试试

a futuristic city at sunset, cyberpunk style, neon lights, rain

an astronaut riding a horse on the moon, oil painting style

a traditional Chinese ink painting of mountains and rivers, misty, elegant

Prompt 的奥秘

你会发现，描述词写得越具体，生成的图片质量越高。这种用文字控制 AI 输出的技巧叫做 Prompt Engineering（提示词工程），是本课程第八A阶段的重要内容，也是当前 AI 行业最实用的技能之一。

🎉 想一想： 这就是 AIGC（AI Generated Content，AI 生成内容）。你只需要用文字描述想要的画面，AI 就能"画"出来。本课程的第十阶段会教你这背后的扩散模型原理，以及如何微调模型生成你想要的风格。

---

✅ 体验完成！回顾一下

恭喜你完成了 AI 快速体验！花 30 分钟，你已经亲手感受了 AI 的三大核心能力：

你体验了什么	背后的技术	课程中哪里学
图像识别	卷积神经网络 + 预训练模型	第五阶段（深度学习）+ 第六阶段（CV）
文本对话	大语言模型 + Transformer 架构	第八A阶段（大模型原理）
图片生成	扩散模型（Diffusion Model）	第十阶段（AIGC）

术语不用记

CNN、Transformer、Diffusion……这些词现在看着完全陌生没关系。等你一步步学过来，每一个都会变得清清楚楚。现在你只需要记住一件事——这些你都能学会。