很多新手想学AI，但一上来就被论文、算法吓住了。别怕，AI入门其实很简单：先装好工具，然后跑通一个现成的模型，你就能看到AI在“学习”了。这篇教程就是帮你走完这第一步。

准备环境：你需要装什么

要跑AI，电脑上需要三样东西：Python（一种编程语言，AI最常用）、Jupyter Notebook（一个写代码的网页工具，方便边写边看结果）、深度学习框架（比如TensorFlow或PyTorch，它们把复杂的数学运算打包好了，你只要调一下参数就能训练模型）。

• Python：推荐装3.8到3.11版本，太新或太旧可能不兼容。
• Jupyter：装完Python后通过pip安装。
• 框架：新手建议先装TensorFlow，社区资源多。

安装步骤：一步步来

1. 下载Python安装包，官网 python.org 找到对应系统版本，安装时勾选“Add Python to PATH”。
2. 打开命令行（Windows按Win+R输入cmd，Mac打开终端），输入 python --version，看到版本号说明装好了。
3. 安装Jupyter：在命令行输入 pip install jupyter，等待完成。
4. 启动Jupyter：输入 jupyter notebook，浏览器会自动打开一个页面，点右上角“New”->“Python 3”新建一个笔记本。
5. 安装TensorFlow：在笔记本的单元格里输入 !pip install tensorflow，运行（按Shift+Enter）。

验证是否成功：跑第一个模型

装好后，我们来跑一个最简单的图像分类模型——用MNIST数据集（手写数字图片集，每个数字0-9有几千张样本）训练AI识别手写数字。复制下面的代码到Jupyter单元格，运行：

import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10)
])
model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test, verbose=2)

运行后你会看到一堆数字滚出来，最后显示准确率（比如0.97左右）。恭喜！你已经跑通了一个AI模型。

下一步可以做什么

• 换一个数据集：比如CIFAR-10（彩色小图片，10类物体），在代码里把mnist改成cifar10试试。
• 调参数：把epochs=5改成10，看看准确率会不会更高。
• 学更多：搜索“TensorFlow 入门教程”或“PyTorch 入门”，跟着做小项目。

AI入门不难，关键是动手。装好环境，跑通第一个模型，你就已经迈出了最重要的一步。接下来，不断尝试新数据、新模型，你会越来越熟练。