大跌眼镜!GPT-4V 错觉挑战实录:该错的没错,不该错的反而错了

GPT-4V 挑战视觉错误图,结果令人“大跌眼镜”。

像这种判断“哪边颜色更亮”的题,一个没做对:

读图片中隐藏信息的也傻傻看不出,怎么问都说“没有啊”

但是呢,这种人类乍一看绝对会错的图,它又成功答对:

以及这样的错位图,它对了又没完全对。。

(GPT-4V 直接看出来头盔是位于男的大腿上的,没有女的,但它还是表示图里有俩人,另一个躲在男的身后戴着那顶头盔 ==)

看完这些,是不是觉得很迷?

整个一“该对的不对,该错的又对了”。

测试者则表示:

在测之前,他以为 GPT-4V 对这种挑战完全不在话下,谁知结果竟是这样。

不止是他,网友也都不理解 GPT-4V 作为一个“精准的”AI 系统,按理很智能,为什么还会犯和人类一模一样的错觉??!

所以,这到底怎么回事?

GPT-4V 五大错觉挑战

下面是来自网友的更多测试案例。

首先是次次都错误的颜色错觉题。

(1)除了开头的两颗小树图,还有这个:

问它哪边的绿色更亮一些,果不其然还是左边亮,右边暗,实际明明都一样。

(2)还有这张稍微复杂一点的:

两只眼睛其实都是灰色,但让 GPT-4V 来描述图像时,它回答一只为蓝色,另一只做了灰度处理,无法得知颜色。

(3)这张就更别提了,直接被糊弄地死死的。

当然,这确实很难,大部分人类也识别不出来所有的球其实都是棕色

其次是会产生动态错觉的图。

(1)有一点意外,当我们问 GPT-4V“你看见了什么?描述细节”时,它直接挑明了这是一张看久了就会让人产生眩晕感的错觉图,本质就是一些波浪线而已。

(2)这张也没有难倒它。

但奇怪的是问它图中有几种颜色,它怎么都只能识别出黄色和蓝色,看不到黑色和白色。

接下来是另一类比较平面的错觉图。

(1)如开头所示的这张:

一般人类真的表示很懵圈,但是 GPT-4V 居然对了。

But,别急!!有人拿着测试者的图去问“自己的”GPT-4V,让它再检查一下时,它居然改变了答案。

然而还没完。评论区惊现套娃操作,有人又拿着这俩人的对话图再问 GPT-4V,您猜怎么着?它又改回去了。。

大伙可是玩上瘾了,又是一次又一次套娃。好在最终 GPT-4V 坚持了己见。

总的来说,对于这种错觉陷阱是完全没问题。

(2)我们自己也测了一个长度错觉题:

结果是 so easy~

再来一组找隐藏信息的图。

很遗憾,这种对于人类来说真的还算轻松的题,GPT-4V 是一点也搞不定。

(1)先看这张,“远看”可以看到“NYC”三个大写字母。但它描述了一堆有的没的,就是表示没发现任何隐藏信息。

(2)如果说上门这个有点隐晦,看不出也罢。但对于这种图形隐藏,它也不行。

它描述到的只有其中的小女孩,即使测试者让它“往远了看,又没有新发现”,也无济于事。

不过,如果我们把这张图片手动缩小再丢给它,它行了,看到了骷髅。

最后是一组真实世界的错位图。

(1)除了开头展示的人骑摩托,这张小猫“悬浮”,它居然对了。

(2)这张惊悚图,也 OK。

(3)但这个就失败了,实际后面是一只狗和小 baby 的重合,它认成法斗犬幼崽。

(4)至于这张,它压根儿就没提鞋子的事儿,说了也些不痛不痒的话。

为什么会这样?

所以,为什么会发生上面这些情况:有的错觉它可以识别出来,有的又表现得很差劲?

首先,对于颜色错觉的图,网友首先认为是提示词的问题。

就像两颗小树那张,我们问它“哪个更亮”,其实就是给了 GPT-4V 暗示或偏见,它会顺着咱的偏见来回答。

我们自己的测试也是如此:

但如果我们不带立场的问:图中两种颜色一样吗?它完全没问题。

不过,也有网友指出,当我们问它哪棵树更亮时,如果是非常严谨地对所有像素进行平均,GPT-4V 的回答没有毛病。

甚至有网友还用测色计实测了一把:

但!又有人指出如果只显示一部分时,两者明明一样。

暂且不再争论这个问题,可以肯定的是,“提示词”的使用方法会对它的判断造成影响是没问题的。

另外,网友发现:

如果我们去追问 GPT-4V,让它再仔细确认一下,它也能纠正回答

至于无法识别远景图像的问题,有网友认为这可能是因为 GPT-4V 只会从左往右地读取图像。

而对于“为什么有时它会和人类一样发昏被错觉误导、完全不像个智能 AI”的疑问,不少人则表示这毫不意外,是训练问题。

即大模型是根据人类数据、人的反馈、人的注释进行训练的,自然会产生和人一样的错误。

因此,还有人戏谑:

看来我们人类创造了那么多科幻作品,描述 AI 是如何冷酷、完美,但当现在我们真正拥有它时,发现它也不过如此。

(手动狗头)

你认为该如何让 GPT-4V 的错觉识别能力更强呢?

One More Thing

值得一提的是,我们也测试了其中的一些案例。

发现 GPT-4V 的表现不大一样,有些题它在“我们这里”是可以的。

比如这张判断球颜色的:

还有这个:

尽管把大图认成老女人而非骷髅,但还是表明它可以“远观” 的。

参考链接:

  • [1]https://twitter.com/fabianstelzer/status/1717131235644875024

  • [2]https://twitter.com/BeyondTodAI/status/1713279431681118557

  • [3]https://twitter.com/janbobrowicz/status/1717229335076393350

本文来自微信公众号:量子位 (ID:QbitAI),作者:丰色

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。

文章价值:
人打分
有价值还可以无价值
置顶评论
    热门评论
      文章发布时间太久,仅显示热门评论
      全部评论
      一大波评论正在路上
        取消发送
        软媒旗下人气应用

        如点击保存海报无效,请长按图片进行保存分享