chatGPT智能问答平台,智能问答系统功能,智能问答是什么,智能问答一般有哪些方法

原标题：ChatGPT的智能是人的心镜吗？

图片来源@视觉中国

文 | 追问Next【【微信】】，作者 | Terrence J.Sejnowski，编译 | 铸雪，责编 | Lixia，审校 | Yunke

最近，ChatGPT频频登上热搜，尽管存在这样或那样的不足，不少用户都不得不承认这将是改变人类未来工作生活形态的革命性成果。

ChatGPT以及前段时间Google发布的LaMDA，都属于大型语言模型（Large language model，LLM）。早先处理不同的任务往往需要开发者训练不同的网络模型，而LLM是经过预训练自我监督的基础模型，可以通过微调适应各种自然语言任务。这标志着语言模型朝着人类语言的多功能性又迈出了重要的一步。

ChatGPT可以利用预先给出的少量例子进行学习，进而可以与人类就多种主题展开对话。然而，对于类似的LLM是否可以理解对话的内容或者表现出具有智力的迹象，仍然存在广泛的讨论和争议，不同用户在测试之后往往会给出不同的结论。一种可能的解释是，LLM所表现出的“智能”实际上可能只是一面反映使用者心智水平的镜子，这显然可以被视作一种逆向的图灵测试。倘若这一假设成立，那么通过研究LLM，我们反而可能会更多地了解用户自身的心智水平及所持有的信念，而非LLM本身。随着LLM能力愈发强大，它们可能会改变我们与机器，甚至机器与机器之间的交互模式。

镜像假设与逆向图灵测试

对于LLM而言，一种常见的用户反馈是，LLM似乎是人类思想的镜子，反映出与之对话的人类用户所表现的信念和期望。这一现象在人类社会中也十分常见，是一种亲社会行为。正如Agüera y Arcas （2022）所指出的，人类是社会生物，语言的演化也并非用作形式推理，而是作为一种生物适应，帮助人类彼此互动并发展道德和行为准则（Churchland，2019）。

一种假设是，LLM即用户的需求和心智水平的镜像，这有点像哈利・波特故事里的厄里斯魔镜（the Mirror of ERISED，读过小说的读者也许还记得，“ERISED”其实就是英语单词“DESIRE”的镜像）。在哈利・波特的世界里，魔镜向人们“展示自己内心最深切、最强烈的渴望“。然而，“这面镜子不能教给我们知识，也不能告诉我们实情。人们在它面前虚度时日，为他们看到的东西而痴迷，甚至被逼得发疯，因为他们不知道镜子里的一切是否真实，是否可能实现”（Rowling，1997）。

关于镜像假设，我们其实可以从不同研究者对于LLM的测试中一见端倪，例如Hofstadter在2022对GPT-3的测试：

又例如在2022年，Lemoine对Google旗下的模型LaMDA进行的对话测试。这里我们摘录其中的一小段：

上面的对话就能很好地展示出镜像假设所述的现象。Hofstadter用荒诞无逻辑的问题开启对话，LLM便会根据提问煞有介事地回答。而Lemoine选择了与Hofstadter相反的测试思路，不仅开启对话的问题本身符合逻辑，且之后的问题也相互关联。在此情况下LLM给出有用的信息，且随着Lemoine的进一步追问，LLM所能提供的信息也就越多。

这不由得让我们思考，人类是否也能映射出与之互动的其他人类的心智。在网球等运动和国际象棋等游戏中，与更强大的对手交手可以提高参赛者的竞技水平，这就是一种镜像效应。甚至有研究显示，观看职业网球比赛也能提高比赛水平，这也许是通过激活大脑皮层相应区域的镜像神经元实现的，在实际完成相同动作时，这些区域也被激活（Kilner & Lemmon，2013）。在习得语言时，镜像神经元也可能被激活（Arbib，2010）。上述研究的有趣之处在于，它可以解释我们如何学习新单词的发音，以及为什么家教的教学效果往往比计算机教学甚至课堂教学更为有效，因为学生可以通过一对一的互动来模仿家教，而家教也可以读懂学生的想法。那么，可以读懂“学生”情况的LLM“家教”会成为一名卓有成效的老师吗？

?图片来源：Midjourney bot

对AI进行图灵测试，可以了解它们能否如人类一样做出反应。在模仿使用者的过程中，LLM可能也在进行一种更为复杂的逆向图灵测试，即通过将人们的指令和对话所表现出的智力水平映射回使用者，来测试其智力水平。你越聪明，你的指令越聪明，LLM就显得越聪明。如果你怀有某种强烈的观点，LLM也将加深这种观点。这是启动对话所带来的效果，使用者的语言能力也不必然使LLM具有像人类一样的心智或情感。但我们仍然可以得出，LLM具有模仿许多人类个性的非凡能力，尤其是在经过微调之后（Karra等，2022）。对镜像假设和逆向图灵测试的形式化测试可以通过让人类评估者评估人类用户的智力与LLM的智力来完成。根据镜像假设，两者的智力应该是高度相关的。

人工智能将通用智能作为圣杯，这似乎已经在LLM中出现，但并非以其倡导者们所设想的方式。LLM在形形色色的语言任务中用途广泛，甚至已经可以编写计算机程序。值得注意的是，模型似乎具有高度发达的社会意识。镜像假设为我们指明了一个新的思考方向：通用智能是否起源于人类社交互动的模式？而语言是否是演化过程中为增强社交属性而出现的产物？

道法自然

哺乳动物的感知运动系统演化了2亿多年，脊椎动物的大脑更是有5亿多年的历史。语言则是在最近几十万年内演化出现的。这段时间不足以演化出全新的大脑结构，但灵长类动物大脑皮层的现有区域本就可以扩展并重新用于语音产生和语音识别，无需进行实质性的结构改变。此外，由于社会互动的复杂性，增强的记忆能力和更快的学习速度进一步推动了语言的诞生。随着灵长类动物演化过程中大脑皮层的扩展，更多大脑皮层区域形成，层次结构加深（【【微信】】，1999）。在大脑发育过程中，多一次有丝分裂，皮层神经元的数量就会增加一倍，从而达到新能力的阈值并增强认知功能。

演化造成了归纳偏差――预学习的架构和学习算法。然而，演化所采用的路径并不遵循人类设计的逻辑（Brenner，1996）。在生命的最初几年，婴儿的大脑在语言功能出现的同时，会形成大量的突触（Lister等，2013）。婴儿通过多种感官与世界互动并了解它，世界也用感知运动的经验、因果关系，以及语言表达塑造了婴儿的大脑（Gopnik等，1999）。然而，仅仅是基于抽象概念的传统人工智能缺乏这种基础。LLM表明，可以从原始文本中发现的各种不完美线索（包括句法标记、词序和语义），来学习语法语言是如何生成的。

在感知运动基础充分建立的同时，大脑也在快速发育。这可以解释为什么婴儿可以从日常语言表达中提取句法。语言学家得出结论，这种“缺乏刺激”证明句法是天生的（Chomsky，1971），但这忽略了大脑在发育过程中的构建方式（【【微信】】和Sejnowski，1995）。大脑结构和学习算法的演化是天生的，它们提取和概括世界的物理结构与社会结构。大自然将归纳偏差降至分子水平以最大限度地提高能量利用的效率。如果想减少LLM快速增长的能源预算，我们也必须走上这条道路（Sejnowski和Delbruck，2012）。

从大脑机制来看，语言和思维的演化是趋于同步的。皮层-基底核之间用于生成动作序列的循环被重新用于生成单词序列（见下图）。人类前额叶皮层的大幅扩张，使得思维序列可以通过基底核的类似回路产生（Graybiel，1997）。同样重要的是，对声道的调整允许声音在宽频谱上进行快速调制（Nishimura等，2022）。口腔和喉部快速发音是大脑能够产生的最快的运动程序（Simonyan和Horwitz，2011）。这些结构是脊椎动物的古老部分，它们在演化中变得完善和精致，这也使语言成为可能。人们用“语言器官”这一比喻意义上的术语，来解释语言的奥秘（Anderson & Lightfoot，2002），它通过改变原有的执行器和神经系统演化而来。

LLM也被训练来预测句子中缺失的单词（编者注：类似于英语考试中的完形填空）。为什么这是一个行之有效的策略？在强化学习模型中，时间差异学习是基于预测，来预测未来的奖励。同样地，大脑中的感知运动系统也会做出预测。小脑是与大脑皮层相互作用的重要脑结构，可预测运动指令的预期感知和认知结果（Sokolov等，2017）。如此说来，使用自我监督学习、通过不断做出许多小预测来引导越来越复杂的内部模型，其最终的结果就是形成所谓的“智能”吗？这可能就是婴儿的大脑如何在积极与世界互动的同时，通过做出预测和观察结果来快速了解世界因果结构的方法（Ullman等，2017）。已经有学者就此开展研究，并在使用深度学习从视频中学习直观物理方面取得了进展（Piloto等，2022）。

上世纪对大脑的研究启发了新的机器学习算法：视觉皮层区域的层次结构启发了卷积神经网络的诞生（LeCun等，1998，2015），操作性条件反射启发了用于强化学习的时间差分学习算法（Sutton，1988）。在人工神经网络进步的同时，美国“脑科学计划”（The Brain Research through Ad【【微信】】rotechnologies，BRAIN Initiative）通过创新的神经技术加速了本世纪神经科学的发现（Ngai，2022）。由这些发现所产生的大脑功能的新概念框架将启发更先进的神经网络模型。机器学习正被用于分析来自数十个大脑区域的数十万个神经元的同时记录，并通过串行电子显微镜自动重建神经回路。这些进步改变了我们对跨皮层分布式处理的理解。

人工智能和神经科学之间的融合正在加速。人工智能和神经科学之间的对话是一个良性循环，同时丰富了这两个领域（Hassabis等，2017；Sejnowski，2020；Richards等，2022）。仿照研究大脑活动的方式，通过分析超高维空间中隐藏单元的活动模式，将会得出更好的人工智能理论；分析LLM中潜在状态的几何动力学、揭示其潜在的数学结构，可能会使我们更好地理解智能。由此，人工智能和神经科学正通过开发新的概念框架更广泛地彼此影响。

既然我们能够盘问整个大脑的神经元，我们或许能够解决其最大的谜团之一：分布在大脑如此多神经元上的信息是如何被整合到统一的感知之中，并汇集在一起做出决定的（Dehaene和Naccache，2001）？大脑的结构是分层的，每一层负责在感知和运动系统的不同时间尺度上做出决策（Wang，2022；Nakahira等，2021；Li，2022b）。当我们构建超大规模网络（【【微信】】rk，VLSN）架构时，许多元网络也需要集成到一个统一的系统中。这可能会揭示人类负责潜意识决策和意识控制的机制。

系统神经科学通常是在离散任务中对神经元进行研究，例如对视觉刺激的选择反应，其中强制选择和刺激的数量有限。对刺激和反应的严格控制确保了研究者可以对研究结果进行解释。但神经元可以以多种不同方式参与多项任务，因此从单一任务得出的解释可能会对研究者们产生误导。我们现在有能力记录全脑数十万个神经元，并且可以通过机器学习解码其行为，但神经科学家仍在使用旧的基于单一任务的范式。一个解决思路是针对许多不同的任务进行训练，但训练一只猴子完成每项任务需要数周到数月的时间；另一个解决思路则是在更长的时间间隔内扩展任务的复杂性（Gao等，2017）。

通过离散任务来研究行为还存在一个更基本的问题。现实世界中动物的自然行为大多是自发产生且有互动的，社交行为尤其如此。研究这种自发产生的连续行为比研究严格约束的反射行为要困难得多。如果LLM接受了自然行为期间大量大脑记录的训练，以及伴随的眼动追踪、视频、声音和其他模式，会产生怎样的效果？LLM是自监督的，可以通过预测跨数据流的缺失数据段来进行训练。从传统的实验角度来看，这在科学上并无用处，但从LLM提供新的计算角度来考察，它确实是有意义的。通过将在自然条件下工作的大脑下载到LLM中，大型神经基础模型（large neurofoundation model，LNM）可以针对任务进行快速微调，并作为大脑的代理接受询问，就像预训练的LLM可以针对许多任务进行微调一样。这将彻底改变大脑的研究方式并增进我们的理解，同时减少研究所需的动物的数量。人脑活动也可以类似地下载到先进的LNM中。

在不久的将来，我们可以对人工智能的发展有什么期待呢？一方面，调试预训练的LLM需要人类和LLM之间的合作。微调LLM的工作周期比开发某个单一应用的机器学习模型要快得多，后者需要自定义数据库和超参数搜索。基于LLM的产品将如雨后春笋般出现。LLM可以成为终极的信息工具。关键词搜索将被可以直接给出问题答案的LLM所取代。也许不出十年，LLM个人助理将如现在的Siri那样普及，帮助我们更好地安排生活。LLM助教可以在课堂上协助教学，LLM法律助手能够整合所有曾经在法庭上裁决过的案件，这对法律行业来说也是一个福音。但就创新对于人类的影响而言，人们的展望总是偏保守的。

许多年以后，面对无处不在的通用人工智能，我们将会想起今天这个历史性的转折点。如果一定要做一个比喻，或许科幻电影《她》中的私人助理可以让我们瞥见那个人工智能无处不在的未来。

原文链接：

https://direct.mit.edu/neco/article/35/3/309/114731/【【微信】】s-and-the-Re【【微信】】返回搜狐，查看更多

责任编辑：

程序员对ChatGPT的看法 ChatGPT还需要程序员吗

程序员lt,程序员ceguun,程序员cxuan,程序员给人感觉

自从人工智能技术得以广泛应用以来，职业从业人员的种类也逐渐多样化。

近来，各大科技公司在人工智能领域的竞争日趋激烈，在ChatGPT和新必应（New Bing）凭借开放式聊天和更复杂的互联网搜索版本进入公众视野后，当地时间3月21日，谷歌宣布放开聊天机器人Bard的部分访问权限，即日起美国和英国用户可通过网址进入候补名单并访问Bard。

在此背景下，外界开始担心以聊天机器人为代表的新一代AI会对一些人类工作产生影响，某些特定的应用场景和行业可能受到更大的影响。据美媒VICE 3月21日报道，ChatGPT的开发公司OpenAI表示 ，80% 的美国劳动者的工作将受到GPT模型的影响。

OpenAI称，随着像OpenAI的GPT-4这样的大型语言模型变得更加先进，并且能够更准确地写作、编码和做数学运算，用不了多久，人工智能就会作为一种日常使用的工具进入工作场所，OpenAI认为，绝大多数劳动者的工作将至少有一部分由 GPT 模型自动化。

那么，进化到现在的ChatGPT究竟能做什么？

能回答问题

只要你问，它就能答。

而且条理清晰，简洁流畅，表达能力胜过很多人。

情绪稳定，不管你怎么怼它，都不生气。

有人说，如果它从事服务行业，比如当客服，就太好了。

能写文章

你给它一个主题，再给一些背景信息，它就能给你写邮件。

你可以给它一些数据，让它根据这些材料撰写一份结构清晰的报告。

还能帮你想创意、提供不同的好点子，最后形成广告方案。

给它一个选题，它也能生成大量内容、风格都不同的文章，可以放在不同的平台上，用来做营销。

除了这些，有人还在用它写论文。

就连考试，它也能和人类旗鼓相当。GPT-4做美国高考SAT试题，满分800分，能拿到700分。

能生成代码

它还有一个绝活，生成代码能力非常强。

将手绘的页面草图输入GPT-4，只等10秒，系统就能返回一段代码，代码输出就是一个网页。

能提炼总结

它可以从几万字的文字中提炼和总结文章要点，可以帮助律师处理卷宗。

也能对一篇文章进行修改润色。

图像自动生成

用户只需向系统提供文本提示，人工智能就能帮你生成一组与该提示匹配的图像。

微软就曾表示 Bing Image Creator 预览版也将在 Microsoft Edge 中提供，使其成为第一个也是唯一一个集成了人工智能图像生成器的浏览器。

......

你以为这就是全部了吗？

NO NO NO

就在3月24日，OpenAI 发布 ChatGPT Plugins (ChatGPT 插件集)，它能将 ChatGPT 连接到第三方应用程序。

这是 AI 的 App Store时刻，AI 经历了「iPhone」时刻后，如今也有了应用商店。这些插件使 ChatGPT 能够与开发人员定义的 API 进行交互，极大增强 ChatGPT 的功能，适应无数广泛的场景。

啥？你不知道这代表什么？

那带你简要了解为什么这么重磅：

1.ChatGPT 成为了一个 AI 计算平台；

2.ChatGPT 轻松成为了一个 App Store；

3.ChatGPT for E【【微信】】――万物皆可 ChatGPT；

4.自然语言交互：OpenAI 的插件集的插件接入方式非常 GPT，开发者只需要像说话一样写清楚你的插件可以做什么，Chat GPT 就可以理解你的插件怎么调用，非常人性化；

此外，现在的ChatGPT还能做到：

1.连接最新的互联网，检索实时信息；例如，体育比分、股票价格、最新消息等；

2.高效的写程序、调试程序的助手；

3.上传个人资料，检索知识库信息；例如，公司文件、个人笔记等；

4.代表用户执行工作流；例如，订机票、订餐等；

除此之外，来自OpenAI和宾夕法尼亚大学的研究人员认为“80%的美国劳动力至少有10%的任务会受到GPT的影响，20个职业或被ChatGPT接管。”

其中包括数据录入员、客户服务代表、校对、律师助理、会计、译员、广告文字撰稿人、市场研究分析师、社交平台运营、行程规划者、电话推销员、虚拟助理、转录员、新闻记者、旅行服务人员、教师、技术支持分析师、电子邮件营销人员、网络版主、招聘人员。

ChatGPT还在对话中表示，聊天机器人可以在某些重复性和标准化的任务上替代人类，这可能会导致一些低技能的工作被机器人所取代。与此同时，聊天机器人可以提高许多行业的工作效率，如在客服行业，聊天机器人可以减少客户等待时间，快速响应并解决一些常见的问题。

不过，据有关专家预估，随着各大厂商纷纷入局ChatGPT和人工智能赛道，除了以上职业或被ChatGPT接管外，受影响最大的还当属设计领域的创意设计者。

就在上周Adobe召开的峰会上，Adobe 除了推出自己的创意生成式 AI 模型集：Adobe Firefly，宣布即将在Photoshop、After Effects、Premiere Pro及其客户体验工具中也引入生成式人工智能工具并解决了使用该技术时最棘手的版权和支付两个法律问题。

还在数字体验峰会Adobe Summit上发布了Adobe Experience Cloud的全新生成式AI创新服务，其或将重新定义企业提供客户体验的方式。

据了解，在Sensei GenAI的支持下，营销人员和其他客户体验团队将如同多了“一双副手”来帮助他们提高生产力，而无需增加个人工作量。

新功能将率先原生整合到Adobe Experience Manager、Adobe Journey Optimizer、Adobe Real Time Customer Data Platform、Customer Journey Analytics和Marketo Engage等应用程序，支持从规划和资产创建到个性化和客户旅程管理等使用情境。团队可完整掌控创意，以确保内容和体验符合品牌风格，而Adobe的洞察将帮助他们了解能够引发客户共鸣的关键。

Adobe Firefly为Adobe Experience Cloud的图像生成提供支持

另一方面，Adobe也将在Adobe Experience Cloud中直接导入全新创意生成式人工智能模型集Adobe Firefly。

这是Adobe第一个模型利用Adobe Stock图像、公开授权内容和版权已过期的公共领域内容进行训练，将聚焦图像和文本效果，用来产生可安全使用的商用内容。

在Adobe Firefly中，用户能轻松快速地制作无限版本的内容，以及进行符合品牌形象的反复修改。用户未来还可运用品牌自有的内容训练Firefly，产出体现品牌风格和设计语言的内容。

Adobe Experience Manager（AEM）Assets是企业用来管理图像、视频和其他内容数据库的数字资产管理系统。品牌可在其中使用Firefly大大加快内容开发速度，大幅提升效率。配置Adobe Firefly的Adobe Express将直接整合至AEM Assets，让团队能实时修改色彩、对象和场景等元素，同时还能自动针对网页、移动端和电子邮件等渠道产生不同内容。Firefly将有助于加速品牌的内容供应链，支持大规模的个性化。

目前 Firefly 已正式对公众开放申请，可体验文字生成图片和图形字体两个功能，之后还将图形变体等新功能，可以说 Firefly 的加入将会对影像后期的工作流程产生变革。

此外，文心一言作为百度全新一代知识增强大语言模型，文心大模型家族的新成员,也是深深刺痛着不少就业者的心灵！

百度CEO李彦宏展示了文心一言的五大能力：文学创作、商业文案创作、数理逻辑推算、中文理解、多模态生成，可见文心大模型家族的新成员，不仅能够与人对话互动，回答问题，协助创作，高效便捷地帮助人们获取信息、知识和灵感。

看到这里，相对对于那些稍有研究的小伙伴们来说，便能够明白，人工智能取代部分人类，已经迫在眉睫了。

如果你不信......,那么请你接着往下看：

人工智能定取代一些低效率、没用含量、重复性及流水线的工作这是没办法改变的事情，就像达尔文进化论里“物竞天择，适者生存”一个道理。

在这里就以设计师行业及人群来说，在我国“设计师已经慢慢变成流水线工人”！

国内的很多设计，其实还停留在外观设计，改良设计层面，可以理解为换汤不换药。很多企业主为了节省研发成本，缩短资金回笼周期，一般都会找到设计公司，要求快速的提供设计方案，甚至有些甲方公司会采用竞单的方式来获取方案。而这类所谓的设计方案，一般也只是换壳设计，或者往原产品上增加一两个简单的功能。久而久之，众多企业家逐一效仿，慢慢形成了这种风气，从而直接导致设计师有如流水线工人，在设计过程中忽略了很多产品开发设计必要的流程，只追求在最短的时间内出最多的方案，基本不考虑功能创新，只是单纯做外观设计。

同样抱有此类观点的还有清华教授柳冠中，其曾痛斥中国设计弊病：80%的设计师，还干着美工的活。

中国设计教育-没有从根本上解决问题

中国目前的设计教育并没解决这个问题，别看每年开那么多论坛，大部分讲的还是表面东西。真正深入进去，发现知识结构不对，硬件也没有，老师教的就是做方案。最后用参加竞赛代替教学，竞赛做的是什么？概念。

在大部分院校， 学生4年下来，从来没有一个产品是从头做到底的，没有。都是在做表面效果，创意，造型，时尚，漂亮，好看。

中国80%以上的设计公司

只有电脑，没有工具

你看国内遍地都是设计公司，我敢说80%以上的设计公司，只有电脑，没有工具，没有自己的车间，都在电脑前面操作。

基于此，对于这些不论是流水线上的工人来说，还是所谓的设计美工来说，是否会被人工智能所淘汰，答案明显是已经呼之欲出，那便是：中国企业所谓的设计师肯定是会被淘汰！

反之，那如何才能不被淘汰呢？

首先！中国设计要沉淀下来，企业家要重新认识设计

沉淀，说的大白话一点，就是学到有用的东西，获得有价值的积累，领悟到生活的真谛，这其实就是成长，成熟的过程。

而非所谓的把设计叫“时尚”，时尚是什么？短命鬼。

乔布斯再伟大，还是被苹果这样的商业集团控制了。苹果4、4s、5、5s，你换吧。

设计不该是这样，设计需要被使用，能用5年就不要用4年。这才是真正的绿色和可持续，不然就是在糟蹋资源。

当然，沉淀这个东西，人人都需要。尤其是进入社会，开始工作，接触人际以后。要学会正确解读些社会现象，理解背后深层次的原因，内化成我们自己的思想，成为自己能力的一部分，这样我们就得到了成长。

其次，中国设计师要奋发图强，始终坚持提高设计师素养

每个设计师都应该在设计不断被商业化的进程中不断学习，提升创新意识，敢于创新勇于创新。而非所谓的“物以类聚 人以群分”。

这一点可能也是中国90%设计师的通病。就拿再简单不过的“考证”一事来说，设计师要不要考证就然都能成为热点，成为话题。

事实上！设计师是否需要考取证书取决于设计师的领域和行业要求。一些设计领域，如建筑设计和室内设计，需要设计师取得相应的资格证书才能从事该领域的工作。其他设计领域，如平面设计和工业设计，证书通常是可选的，但持有证书可以提高设计师的专业声誉和就业机会。

对于需要取得证书的设计领域，通常需要完成相关的学历或培训课程，并通过相关的考试才能获得资格证书。例如，美国的建筑设计师需要通过国家考试（NCARB）才能取得建筑师资格证书。而平面设计师资格证也称为Adobe Photoshop 国际认证（简称：Photoshop 国际认证），是Adobe公司CEO签发的权威国际认证体系，面向设计师、学生、教师及企业技能岗位的国际认证及培训体系。

无论你持什么态度，都不能否认证书的作用，有人说，能力比证书更加重要，但在快节奏的现代社会中，没有证书，你可能连展示能力的机会都没有，反过来说，证书也能在侧面展示你的个人能力。

总之，作为一名设计师，拥有专业资格证书是非常重要的。无论是在室内设计、平面设计、建筑设计还是工业设计等领域，持有相关的证书可以增强设计师的专业素养和职业竞争力。更何况在现代社会，拥有专业证书已经成为了竞争职场的基本要求。

同样的，设计师如果想在行业内立足，不被人工智能所取代，拥有相关的证书必会提高自己的职业竞争力，跳出所谓的流水线、美工怪圈。

闻道有先后，术业有专攻，考证考多了，并不是拿到证书就可以了，一定是需要自己多学习，多加强反复的练习，把自己的技能提升，做到精益求精。

同样，也要时刻明白：任何时候都是需要靠努力、认真的做一些事情，而不是为了拿证而拿证，我们可以选择更加努力的提升自己，并不是只靠考证这一个途径。

......

当然，从开放 API 到升级 GPT-4，再到开放插件，短短的几个月里 ChatGPT 以应接不暇的速度，一次又一次地改变了人们使用大语言模型的方式。

AI 不仅在不断进化，还是在不断地被人类驯化，从而融入我们的日常生活之中，颠覆每一个人体验，兴奋和焦虑的情绪不断交织。

就像 iPhone 重新定义了智能手机一样，ChatGPT 也重新定义了 AI ――从此以后，人人都可以是 AI 的主人。

但......也许，还有可能是奴隶！

Adobe Certified Professional认证培训体系（简称：Adobe国际认证）是Adobe公司CEO 签发的权威国际认证体系，面向设计师、学生、教师及企业技能岗位的国际认证及培训体系。

该体系基于Adobe核心技术及岗位实际应用操作能力的测评体系得到国际ISTE协会的认可，并在全球 148 各国家推广，得到行业专家、企业的认可。