微軟悄悄上新了。日前，有網(wǎng)友發(fā)現(xiàn)自己的Bing Chat賬號新增了一個上傳圖片的入口。根據(jù)用戶上傳的圖片，Bing Chat就能識圖回答問題。

早在3月份，OpenAI在發(fā)布GPT-4時，特別提出了GPT-4較GPT-3.5最大的亮點是圖像輸入功能，即GPT-4支持圖片輸入，可以看懂梗圖、看懂物理題，還能看懂論文。不過當(dāng)時，該多模態(tài)功能尚處于研究預(yù)覽階段，還不能公開。

如今，微軟似乎要搶先ChatGPT一步發(fā)布識圖功能。在上個月Bing的大更新日志中，微軟就提到了會為使用GPT-4模型的Bing Chat加入多模態(tài)支持。

那么，“長了眼睛”的Bing Chat到底是怎么樣的呢？

首先，針對看梗圖功能，Bing Chat根據(jù)網(wǎng)友上傳的一幅關(guān)于機(jī)器學(xué)習(xí)的梗圖漫畫，或者一張在汽車上燙衣服的梗圖，就能準(zhǔn)確地答出圖中的內(nèi)容和笑點，基本上可以說是Get到了點位。其次，在識圖精確度的評測方面，網(wǎng)友上傳了《任天堂大亂斗》游戲的角色圖，同一張圖上有排列著非常多的角色，Bing Chat對其進(jìn)行了一一辨認(rèn)后，從12個角色中認(rèn)出了7個。結(jié)果而論，Bing Chat在二次元問題上還有待進(jìn)一步提升。再者，在根據(jù)手繪圖編程網(wǎng)頁方面，Bing Chat對于網(wǎng)友給出的手畫“試題”，基本能夠搭出網(wǎng)頁的雛形。

在大語言模型升級的過程中，在文字理解和表達(dá)能力的基礎(chǔ)上，學(xué)習(xí)了視覺識別后的Bing Chat將具有更多的功能，給人類的使用帶來更大的方便。而曾經(jīng)一些難以用語言表達(dá)的內(nèi)容，現(xiàn)在都可以通過圖片進(jìn)行解決。甚至，具備了圖像識別功能的AI還可以在教育、醫(yī)療等領(lǐng)域發(fā)揮更大的作用和價值。比如，在教育領(lǐng)域，Bing Chat 將可以擔(dān)任一個初高中乃至大學(xué)老師的角色，幫助學(xué)生解答復(fù)雜的數(shù)理化問題。這將在很大程度上解決教育資源不均衡的問題。在醫(yī)療領(lǐng)域，用戶還可以用它做基礎(chǔ)的醫(yī)療診斷，節(jié)約就醫(yī)所需要的金錢和時間。AI應(yīng)用在社會生活中的價值將由此得到最大化的實現(xiàn)。

由Bing Chat帶來的前景功能，無疑令人興奮的。但是，從目前的小范圍測試功能到完全向公眾開放識圖功能，確保公眾不會因為誤信Bing Chat的回答而出現(xiàn)安全問題，微軟還需要做大量的限制和調(diào)試，可謂任重道遠(yuǎn)。