抢先 GPT-4，微软 Bing 突然升级「识图」功能，读梗看病写代码，样样精通

什么，微软的 Bing 能识别图片了？还是抢在了 ChatGPT 之前？

和当初只画饼、不落地的 GPT-4 预览相比，Bing 这次可谓占尽了风头。

有 Reddit 网友发现，Bing 的界面上突然就出现了个上传图片的选项。

据说，上传一张图片之后，Bing 什么都能干。

不管是编程写代码、做题作图，甚至看病，通通不在话下。

（但似乎还在小规模测试，比如小编就还没体验到）

看梗图

在大量网友发现这项功能以后，最先测试的肯定是各种各样的梗图。

把梗图输入给 Bing，看看它能不能分析出笑点在哪里。

比如下面这张图片，一个男人在出租车后面熨衣服，而且车还在开着。

Bing 表示，这图里不同寻常的部分太多了。首先，在出租车上熨衣服很离谱，其次，男人穿的衣服和出租车颜色一致，是不是在暗示什么？或者是某种巧合？

第三，熨衣板固定在出租车上，这样有不稳定的风险。最后，男人正在熨的衣服是蓝色的，和黄色撞色了，是不是在暗指什么？

能看出，Bing 还是尽可能的捕捉到了图片中的所有细节，甚至分析的还挺有道理。

而在下图这个「为什么要给神经网络加层数？」的漫画中，Bing 也给出了自己的分析。

这个漫画夸张了统计学习和神经网络的差异，让前者使用的严肃和技术性语言与后者的简单直接建议形成对比，创造了一种幽默的并置效果。

总的来说，这个漫画利用了与机器学习这两种方法相关的刻板印象和常见看法，突显了统计学习和神经网络的不同。

当然，相同的图片也在预览版的 GPT-4 中展示过。

GPT-4 一针见血地点出，这副漫画讽刺了统计学习和神经网络在提高模型性能方法上的差异。

但在另一组图中，Bing 似乎并没有 get 到点。

Bing 还装模做样的分析了分析，它说也许是接头和包装的反差？也可能是插头的底下看着像一张脸。

甚至还没话找话的分析了三幅图片分别是什么，就是没提梗在哪里。

不过，如果让 Bing 去做一些客观分析的话，比如识别线材品牌，结果还是非常准确的。

相比之下，GPT-4 在逐个分析下面这组梗图时，可以立马反应过来 ——

图里的这个「Lighting 充电线」，看起来就是个又大又过气的 VGA 接口，插在这个又小又现代的智能手机上，反差强烈。

写代码

当时 GPT-4 在画饼的时候，最惊艳的就是它对代码的超强的理解能力。

在演示中，Greg Brockman 直接在纸上画了一个草图，拍个照，发给 GPT-4 说，给我按照这个布局写网页代码，就写出来了。

这个小哥也让 Bing 试一试，能不能搞个同款笑话网站出来。

最终效果看起来还真不错，虽然界面看起来没多美观，但是该有的都有。

程序代码如下：

接着，小哥让 Bing 继续完善代码，把对应的网页给做出来。

Bing 表示当然可以，只需微调代码。但是指出了 JavaScript 并不是编译语言，而是一种解释语言。

所以不需要一个编译器，只需要浏览器或者一个 JavaScript 的引擎就好了。

友情科普完，Bing 也是成功完成了任务。

当医生

下面这个用例就比较厉害了。

小哥直接拍了一张发红手臂的图片，问 Bing 自己得了什么病。

Bing 直接判定为瘀伤，皮下血管破裂。

甚至还开出了很多方法来缓解症状：

・前 24 个小时贴冰袋，缓解肿胀和发炎。

・24 小时以后加热，促进血液循环，清除淤血。

・把瘀伤的部分抬到比心脏高的位置，降低血压和血液聚集。

・服 OTC 止痛药。

・多吃富含维生素 C、维生素 K、锌，以及菠萝蛋白酶的食物，加速伤口愈合以及胶原合成。

・涂药膏减轻瘀伤和发炎肿胀。

还是蛮专业的。

还有小哥发了一张组织的横切面图让 Bing 来断一断。

Bing 不仅识别出了图片内容，还详细的讲解了一下什么叫组织，什么叫横切面。

甚至还解释了什么情况下会用到组织的横切面图。

接着小哥追问，你觉得是什么组织的切面？

Bing 分析认为，这是肌肉组织的横切面。

甚至，Bing 还十分严谨地指出，自己不能单独根据一张图，来判断这个人是不是健康。

还有网友化身苦难中的大学生，让 Bing 当个好老师，给他讲讲图里是个什么玩意儿。

Bing 表示，好好听老师说（删掉），这是肾元，主要有四个功能，分别是 blah blah blah...

好家伙，以后这种梳理总结类的学习任务，直接甩给 AI 就完事了。AI 永远不会失去耐心。

甚至直接有人甩给 Bing 一道有关细胞减数分裂的题。

Bing 表示，上传的图片是减数分裂的示意图，从一个二倍体细胞分裂成四个单倍体细胞。

然后又从减数分裂的过程、意义进行了讲解。

有时并不太灵光

当然，Bing 的识图功能目前还有不少改进的空间。

比如，小哥问图中 A 框里有几个 ×（根据图例，A.trifida 就是 ×）。

人眼一看是 11 个，可怎么 Bing 说的不对呢。

Bing 说总共有 9 个，A 框里 5 个 X，B 框里 4 个○，加起来一共 9 个。

说好的 A 框，说好的 X 呢！怎么又○又 B 框的。

再比如，这张《任天堂大乱斗》的游戏角色图中，Bing 只认出了其中的 7 个角色。

然后，小哥又问一个国际象棋的问题：「在这个开局里，白棋接下来该怎么走？」

但 Bing 一上来就回答错了：「现在轮到黑棋走，至于白棋怎么走，取决于黑棋……」

网友赶紧更正称，不对，你先看清棋子的位置，然后我再说一遍，现在是轮到白棋走。

然而，Bing 这次依然没有回答正确 —— 在给出的位置中，有好几处实际上都没有棋子……

能看出来，Bing 新添的识图功能性能倒是挺强大。

开局一张图，后面全靠强大的生成能力发挥。

事实性的识别和生成感觉问题不大，就是不知道未来有点文化隐喻的那一趴能不能做到更好。

参考资料：

• https://www.timesnownews.com/technology-science/snap-and-ask-microsofts-bing-chatbot-now-accepts-picture-prompts-article-100900618

本文来自微信公众号：新智元 （ID：AI_era）

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。