还记得今年 3 月 OpenAI 在发布 GPT-4 时提到的多模态功能吗？

▲ 新增了一个识图图标 图片来自：Reddit

然而，近日 Reddit 有网友发现，自己的 Bing Chat 账号悄悄新增了一个上传图片的入口，把图片上传上去后，Bing Chat 竟然会识图回答！

此前微软曾透露 Bing Chat 使用的正是 GPT-4 模型，并在上个月的大更新日志中有提到会为 Bing 加入多模态支持，综合来看，Bing Chat 很可能正在逐步开发向用户开放识图功能测试。

该网友对 Bing Chat 做了大量测试，让我们一起看看「长了眼睛」的 Bing Chat 有多厉害吧。

首先是 GPT-4 最让人拍案叫绝的看梗图功能。GPT-4 不仅可以理解图片里的内容，还能像人类一样分析出梗图的笑点在哪里。

例如这张梗图中，GPT-4 可以看出图片想要表达用过时的 VGA 形状的接口给 iPhone 充电是一件很荒谬的事，引入发笑。

Bing Chat 对另一张在汽车上烫衣服的梗图分析也同样到位。

OpenAI 在发布时还展示了一个拍手绘图就能编程网页的案例，该网友也手画了一张图考考 Bing。

让我们跳过冗长的代码环节，直接看看这个网页跑起来的效果。可以看出，基础的网页雏形还是搭出来了。

识图功能的加入给 Bing Chat 增添非常多的用途，毕竟现实中很多内容（例如公式、图表）很难用文字表达清楚，这时候直接一张图甩给 AI 就能得到回答。

让它扮演生物老师，分析一下肾元过滤的工作原理。

甚至可以让它充当网络医生，简单诊断一下皮肤症。

此前，ChatGPT 由于出色的文字理解和表达能力，已经被人们开发出了学外语、练口语的功能。

再加入视觉识别后，Bing Chat 甚至可以担任一个初高中乃至大学老师的角色，帮助学生解答复杂的数理化问题，如果未来能把识图功能推广开来的话，这也许在一定程度上可以解决教育资源不均衡的问题。

用户还可以用它做基础的医疗诊断，节约就医所需要的金钱和时间，体现出 AI 普惠大众的价值。

当然，Bing Chat 虽然能基本看懂现实世界的内容，但它的回答终究只能作为参考，不可以当做专业意见。

所以要完全向公众开放识图功能的话，微软还需要做大量的限制和调试，才能确保公众不会因为误信 AI 的回答而出现安全问题。

在短期内，Bing Chat 识图应该还只是少部分用户才可以使用的测试性功能，如果你感兴趣的话，可以立刻登录一下你的微软账号，看看在 Bing Chat 的聊天栏上是否多了一个图片的图标。

目前 Bing Chat 面向所有微软账户开放，快来开盲盒看看你有没有收到测试资格吧 ⬇️

https://www.bing.com/new