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

声明：本文来自微信公众号“新智元”（ID:AI_era），作者:拉燕 好困，授权转载发布。

有时并不太灵光

Bing能识图了!开局一张图，需求都满足。这波，GPT-4要输麻了。

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O T C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