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）
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。
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。
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OTC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。
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。
