Bing能識圖了！開局一張圖，需求都滿足。這波，GPT-4要輸麻了。

什么，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。

(資料圖)

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，上傳一張圖片之后，Bing什么都能干。

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后，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，一個男人在出租車后面熨衣服，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，是不是在暗示什么？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。最后，男人正在熨的衣服是藍色的，和黃色撞色了，是不是在暗指什么？

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「為什么要給神經網絡加層數？」的漫畫中，Bing也給出了自己的分析。

這個漫畫夸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后者的簡單直接建議形成對比，創造了一種幽默的并置效果。

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似乎并沒有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么，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，最驚艷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并不是編譯語言，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自己得了什么病。

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癥狀：

·前24個小時貼冰袋，緩解腫脹和發炎。

·24小時以后加熱，促進血液循環，清除淤血。

·把瘀傷的部分抬到比心臟高的位置，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。

·涂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么叫組織，什么叫橫切面。

甚至還解釋了什么情況下會用到組織的橫切面圖。

接著小哥追問，你覺得是什么組織的切面？

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么玩意兒。

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...

好家伙，以后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。

然后又從減數分裂的過程、意義進行了講解。

有時并不太靈光

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，可怎么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！怎么又○又B框的。

再比如，這張《任天堂大亂斗》的游戲角色圖中，Bing只認出了其中的7個角色。

然后，小哥又問一個國際象棋的問題：「在這個開局里，白棋接下來該怎么走？」

但Bing一上來就回答錯了：「現在輪到黑棋走，至于白棋怎么走，取決于黑棋……」

網友趕緊更正稱，不對，你先看清棋子的位置，然后我再說一遍，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，后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