文章主题：GPT-4, 图像识别, 多模态功能, Bing Chat
还记得今年 3 月 OpenAI 在发布 GPT-4 时提到的多模态功能吗？
▲ GPT-4 回答 Demo，由机器翻译
🎉【超凡能力】🔥GPT-4革命性突破！🔍图片不再是障碍，它能深度解析梗图、物理题的隐晦信息，甚至论文里的专业概念。一发布就让所有人眼前一亮！💡这是GPT-4对GPT-3.5的飞跃式进化，展现无与伦比的理解力和广泛适用性。🌍无论何时何地，只需图像，它就能带你深入知识海洋。🔥SEO优化提示：使用关键词”图片输入能力”、”GPT-4升级点”、”深度解析”、”论文理解”、”革命性突破”等，并适当增加emoji符号以提升可读性和情绪表达。
只可惜，OpenAI 表示图像输入功能仍然是研究预览阶段，还不能向公众公开。
▲ 新增了一个识图图标 图片来自：Reddit
🎉👀Reddit用户惊喜地揭示了:Bing Chat悄然升级，解锁了图片识别新功能！🔍只需简单几步，你的账号就能与AI互动，通过图像瞬间获得智能回复。😍再也不用担心找不到合适的描述，Bing Chat的图像理解能力让你沟通更高效。👩💻赶紧体验这一创新，让聊天变得更有趣且富有洞察力吧！记得，保密哦~😉
Microsoft has透露，Bing Chat is harnessing the power of GPT-4, as evidenced by their recent update notes hinting at multi-modal enhancements. It’s safe to assume that Bing Chat is on its way to integrating image recognition capabilities for a more immersive user experience. Stay tuned for exciting developments that could soon make Bing Chat even more versatile and AI-driven! 🤖🌐🔍
🎉Microsoft’s Bing Chat has been put through its paces by a tech-savvy user, and the results are impressive! 🤖 Let’s dive into the ‘eyes-on’ capabilities of this AI chat platform and witness its prowess firsthand. 💬 Discover how it thinks, learns, and engages in conversations like a pro, making it a game-changer in the realm of digital communication. #BingChat #AIAssistance #InnovativeTechnology
🎉惊叹！🔍GPT-4的图像理解与幽默感简直是超凡之作！它不仅能深度解析图片信息，还能精准捕捉那些让人大笑的瞬间，让你一目了然，瞬间爆笑！😍🔥技术突破，娱乐升级！只需轻轻一点，GPT-4就能将复杂的图解化为轻松的幽默，带你领略图像与智慧的完美碰撞。👀不论是日常调侃还是专业漫画，它都能轻松驾驭，让你的笑声回荡在每一个角落。😄欲感受这一黑科技的魅力，赶快体验吧！你的欢笑，GPT-4全心准备！👨💻👩💻
🎉 图片中的梗趣之处在于，使用老旧的 VGA 接口为 iPhone 充电，这无疑是一种超现实且啼笑皆非的设计想象。🌟 通过 GPT-4 的解析，我们可以看到这种创意背后的幽默，它巧妙地揭示了技术进步与传统设备之间的不协调。💡 想象一下，如果这样的场景真的发生，那将是科技史上的一个经典笑话。🔥 现代的充电方式早已超越了 VGA，这样的设计不仅不合时宜，也引人发笑。💡
▲ 由机器翻译
网友给 Bing Chat 上传了同样的梗图做测试，奇怪的事情发生了：Bing Chat 并没有认出这是 VGA 接口，因此它也「get」不到其中的笑点，不过 Bing Chat 还是一五一十地把照片解读了出来，甚至还能说出线缆的品牌，并给出更详细的资料。
这也许是 Bing Chat 偶然的误差，也可能是微软在实际应用 GPT-4 做了更多的限制调整导致回答偏差。
网友再上传了另一幅关于机器学习的梗图漫画，这次 Bing Chat 就能比较准确地答出图中的内容和笑点。
Bing Chat 对另一张在汽车上烫衣服的梗图分析也同样到位。
▲ 此处翻译有误，原文为：Diddy Kong, Pyra, Pikachu, Zero Suit Samus, Donkey Kong, Sonic the Hedgehog, Ness, Cloud Strife, and Incineroar
Bing Chat 识图的精度有多高呢？他上传了一张《任天堂大乱斗》游戏的角色图，同一张图上有排列着非常多的角色，要求 Bing Chat 一一认出所有的角色。
结果是，Bing Chat 在 12 个角色中认出了 7 个，看来二次元问题对它来说还是有点难度。
OpenAI 在发布时还展示了一个拍手绘图就能编程网页的案例，该网友也手画了一张图考考 Bing。
让我们跳过冗长的代码环节，直接看看这个网页跑起来的效果。可以看出，基础的网页雏形还是搭出来了。
识图功能的加入给 Bing Chat 增添非常多的用途，毕竟现实中很多内容（例如公式、图表）很难用文字表达清楚，这时候直接一张图甩给 AI 就能得到回答。
例如让它解释一下染色体在减数分裂时交叉互换的过程。
让它扮演生物老师，分析一下肾元过滤的工作原理。
甚至可以让它充当网络医生，简单诊断一下皮肤症。
此前，ChatGPT 由于出色的文字理解和表达能力，已经被人们开发出了学外语、练口语的功能。
再加入视觉识别后，Bing Chat 甚至可以担任一个初高中乃至大学老师的角色，帮助学生解答复杂的数理化问题，如果未来能把识图功能推广开来的话，这也许在一定程度上可以解决教育资源不均衡的问题。
用户还可以用它做基础的医疗诊断，节约就医所需要的金钱和时间，体现出 AI 普惠大众的价值。
当然，Bing Chat 虽然能基本看懂现实世界的内容，但它的回答终究只能作为参考，不可以当做专业意见。
所以要完全向公众开放识图功能的话，微软还需要做大量的限制和调试，才能确保公众不会因为误信 AI 的回答而出现安全问题。
在短期内，Bing Chat 识图应该还只是少部分用户才可以使用的测试性功能，如果你感兴趣的话，可以立刻登录一下你的微软账号，看看在 Bing Chat 的聊天栏上是否多了一个图片的图标。
目前 Bing Chat 面向所有微软账户开放，快来开盲盒看看你有没有收到测试资格吧 ⬇️
https://www.bing.com/new
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
相关文章
