來源：新智元
Bing能識圖了！開局一張圖，需求都滿足。這波，GPT-4要輸麻了。
什麽，微軟的Bing能識別圖片了？還是搶在了ChatGPT之前？
和當初只畫餅、不落地的GPT-4預覽相比，Bing這次可謂占盡了風頭。
有Reddit網友發現，Bing的界面上突然就出現了個上傳圖片的選項。
據說，上傳一張圖片之後，Bing什麽都能幹。
不管是編程寫代碼、做題作圖，甚至看病，通通不在話下。
（但似乎還在小規模測試，比如小編就還沒體驗到）
看梗圖
在大量網友發現這項功能以後，最先測試的肯定是各種各樣的梗圖。
把梗圖輸入給Bing，看看它能不能分析出笑點在哪里。
比如下面這張圖片，一個男人在出租車後面熨衣服，而且車還在開著。
Bing表示，這圖里不同尋常的部分太多了。首先，在出租車上熨衣服很離譜，其次，男人穿的衣服和出租車顏色一致，是不是在暗示什麽？或者是某種巧合？
第三，熨衣板固定在出租車上，這樣有不穩定的風險。最後，男人正在熨的衣服是藍色的，和黃色撞色了，是不是在暗指什麽？
能看出，Bing還是盡可能的捕捉到了圖片中的所有細節，甚至分析的還挺有道理。
而在下圖這個「為什麽要給神經網絡加層數？」的漫畫中，Bing也給出了自己的分析。
這個漫畫誇張了統計學習和神經網絡的差異，讓前者使用的嚴肅和技術性語言與後者的簡單直接建議形成對比，創造了一種幽默的並置效果。
總的來說，這個漫畫利用了與機器學習這兩種方法相關的刻板印象和常見看法，突顯了統計學習和神經網絡的不同。
當然，相同的圖片也在預覽版的GPT-4中展示過。
GPT-4一針見血地點出，這副漫畫諷刺了統計學習和神經網絡在提高模型性能方法上的差異。
但在另一組圖中，Bing似乎並沒有get到點。
Bing還裝模做樣的分析了分析，它說也許是接頭和包裝的反差？也可能是插頭的底下看著像一張臉。
甚至還沒話找話的分析了三幅圖片分別是什麽，就是沒提梗在哪里。
不過，如果讓Bing去做一些客觀分析的話，比如識別線材品牌，結果還是非常準確的。
相比之下，GPT-4在逐個分析下面這組梗圖時，可以立馬反應過來——
圖里的這個「Lighting充電線」，看起來就是個又大又過氣的VGA接口，插在這個又小又現代的智能手機上，反差強烈。
寫代碼
當時GPT-4在畫餅的時候，最驚豔的就是它對代碼的超強的理解能力。
在演示中，Greg Brockman直接在紙上畫了一個草圖，拍個照，發給GPT-4說，給我按照這個布局寫網頁代碼，就寫出來了。
這個小哥也讓Bing試一試，能不能搞個同款笑話網站出來。
最終效果看起來還真不錯，雖然界面看起來沒多美觀，但是該有的都有。
程序代碼如下：
接著，小哥讓Bing繼續完善代碼，把對應的網頁給做出來。
Bing表示當然可以，只需微調代碼。但是指出了JavaScript並不是編譯語言，而是一種解釋語言。
所以不需要一個編譯器，只需要瀏覽器或者一個JavaScript的引擎就好了。
友情科普完，Bing也是成功完成了任務。
當醫生
下面這個用例就比較厲害了。
小哥直接拍了一張發紅手臂的圖片，問Bing自己得了什麽病。
Bing直接判定為瘀傷，皮下血管破裂。
甚至還開出了很多方法來緩解症狀：
·前24個小時貼冰袋，緩解腫脹和發炎。
·24小時以後加熱，促進血液循環，清除淤血。
·把瘀傷的部分抬到比心髒高的位置，降低血壓和血液聚集。
·服OTC止痛藥。
·多吃富含維生素C、維生素K、鋅，以及菠蘿蛋白酶的食物，加速傷口愈合以及膠原合成。
·塗藥膏減輕瘀傷和發炎腫脹。
還是蠻專業的。
還有小哥發了一張組織的橫切面圖讓Bing來斷一斷。
Bing不僅識別出了圖片內容，還詳細的講解了一下什麽叫組織，什麽叫橫切面。
甚至還解釋了什麽情況下會用到組織的橫切面圖。
接著小哥追問，你覺得是什麽組織的切面？
Bing分析認為，這是肌肉組織的橫切面。
甚至，Bing還十分嚴謹地指出，自己不能單獨根據一張圖，來判斷這個人是不是健康。
還有網友化身苦難中的大學生，讓Bing當個好老師，給他講講圖里是個什麽玩意兒。
Bing表示，好好聽老師說（刪掉），這是腎元，主要有四個功能，分別是blah blah blah...
好家夥，以後這種梳理總結類的學習任務，直接甩給AI就完事了。AI永遠不會失去耐心。
甚至直接有人甩給Bing一道有關細胞減數分裂的題。
Bing表示，上傳的圖片是減數分裂的示意圖，從一個二倍體細胞分裂成四個單倍體細胞。
然後又從減數分裂的過程、意義進行了講解。
有時並不太靈光
當然，Bing的識圖功能目前還有不少改進的空間。
比如，小哥問圖中A框里有幾個×（根據圖例，A.trifida就是×）。
人眼一看是11個，可怎麽Bing說的不對呢。
Bing說總共有9個，A框里5個X，B框里4個○，加起來一共9個。
說好的A框，說好的X呢！怎麽又○又B框的。
再比如，這張《任天堂大亂鬥》的遊戲角色圖中，Bing只認出了其中的7個角色。
然後，小哥又問一個國際象棋的問題：「在這個開局里，白棋接下來該怎麽走？」
但Bing一上來就回答錯了：「現在輪到黑棋走，至於白棋怎麽走，取決於黑棋……」
網友趕緊更正稱，不對，你先看清棋子的位置，然後我再說一遍，現在是輪到白棋走。
然而，Bing這次依然沒有回答正確——在給出的位置中，有好幾處實際上都沒有棋子……
能看出來，Bing新添的識圖功能性能倒是挺強大。
開局一張圖，後面全靠強大的生成能力發揮。
事實性的識別和生成感覺問題不大，就是不知道未來有點文化隱喻的那一趴能不能做到更好。
編輯/lambor