即使没有编程基础，也可以学习人工智能。以下是一些建议：
学习AI和机器学习的基础概念
理解AI的核心概念，包括机器学习（ML）和深度学习（DL）的区别及其在不同场景中的应用。
学习机器学习中的基本术语，例如特征、标签、训练集、测试集等。
了解AI模型如何通过学习数据中的模式来完成任务，例如分类、预测等。
理解基础模型（如线性回归、决策树、神经网络）背后的基本思路。
推荐资源：Coursera的Andrew Ng的《机器学习》课程（可以先观看课程的理论部分）。
学习数据处理和数据分析
学习数据的基本处理过程，例如数据清洗、分析和简单的可视化。
使用无代码数据处理工具（如Microsoft Excel、Tableau、Google Data Studio）来探索数据，学习如何通过数据找到模式和趋势。
推荐工具：Tableau（无代码的数据可视化工具）、Google Sheets（可以处理简单的数据分析，甚至用公式来计算一些基础统计数据）。
使用无代码AI平台
利用自动化机器学习平台（AutoML），例如Google AutoML、Microsoft Azure ML Studio、DataRobot、H2O.ai。这些平台允许你导入数据、选择模型类型、自动训练模型并生成结果，无需编写代码。
使用Google的Teachable Machine，这是一个无代码平台，可以帮助你创建和部署机器学习模型。
学习数学和编程基础知识
掌握和了解人工智能技术底层的数学理论支撑，包括概率论、矩阵、凸优化算法的设计和原理，以及优化方法（如SGD、牛顿法等）。
学习Python编程语言的基本语法和应用，掌握数据类型、控制结构和函数等知识。
学习机器学习和深度学习
掌握常用的机器学习算法（如决策树、逻辑回归、SVM、聚类等）和深度学习算法（如卷积神经网络、循环神经网络、自编码器等）。
通过在线课程、阅读教材等方式学习机器学习和深度学习的基础理论。
实践项目
通过实践项目加深对AI原理的理解和应用。例如，可以尝试构建简单的分类系统，如图像识别、文本分类等。
参与开源社区和竞赛，与其他专业人士交流、学习和分享经验。
利用现有的AI工具和平台
学习使用AI服务平台和应用，例如图片识别API、智能办公软件等，这些工具可以帮助你快速实现AI应用，无需从零开始编写代码。
通过以上步骤，你可以逐步建立起对人工智能的理解，并能够应用现有的工具和资源来开发AI应用。