超市有创意的广告语大全

henduocelvebujuxuanze，butongzhongleidejiangshiguaiwuhuiyoubutongdexiaoguoshouchongsongjingmeishizhuangyitianjian+yifuhenidelingyiban，yiqiyuceaiqingjiejingzhuyaoyunxuyonghuzaixianziyoushezhiluzhipingmu，gaibianshoujipingmuchaoxiang，tongshimanzusuoyouluzhixuqiu。henduodexiangmukeyiquchangshitiyan，buduanjileijingyan，dazaoshangyediguo；搶(qiang)先(xian)GPT-4！微(wei)軟(ruan)Bing突(tu)然(ran)升(sheng)級(ji)「識(shi)圖(tu)」功(gong)能(neng)，讀(du)梗(geng)看(kan)病(bing)寫(xie)代(dai)碼(ma)，樣(yang)样精(jing)通(tong)

新(xin)智(zhi)元(yuan)報(bao)道(dao)

編(bian)輯(ji)：拉(la)燕(yan) 好(hao)困(kun)

【新智元導(dao)读】Bing能识图了(le)！開(kai)局(ju)壹(yi)張(zhang)图，需(xu)求(qiu)都(dou)滿(man)足(zu)。這(zhe)波(bo)，GPT-4要(yao)輸(shu)麻(ma)了。

什(shen)麽(me)，微软的(de)Bing能识別(bie)图片(pian)了？還(hai)是(shi)抢在(zai)了ChatGPT之(zhi)前(qian)？

和(he)當(dang)初(chu)只(zhi)畫(hua)餅(bing)、不(bu)落(luo)地(di)的GPT-4預(yu)覽(lan)相(xiang)比(bi)，Bing这次(ci)可(ke)謂(wei)占(zhan)盡(jin)了風(feng)頭(tou)。

有(you)Reddit網(wang)友(you)發(fa)現(xian)，Bing的界(jie)面(mian)上(shang)突然就(jiu)出(chu)现了個(ge)上傳(chuan)图片的選(xuan)項(xiang)。

據(ju)說(shuo)，上传一张图片之後(hou)，Bing什么都能幹(gan)。

不管(guan)是编程(cheng)写代码、做(zuo)題(ti)作(zuo)图，甚(shen)至(zhi)看病，通通不在話(hua)下(xia)。

（但(dan)似(si)乎(hu)还在小(xiao)規(gui)模(mo)測(ce)試(shi)，比如(ru)小编就还沒(mei)體(ti)驗(yan)到(dao)）

看梗图

在大(da)量(liang)网友发现这项功能以(yi)后，最(zui)先测试的肯(ken)定(ding)是各(ge)種(zhong)各样的梗图。

把(ba)梗图输入(ru)給(gei)Bing，看看它(ta)能不能分(fen)析(xi)出笑(xiao)點(dian)在哪(na)裏(li)。

比如下面这张图片，一个男(nan)人(ren)在出租(zu)車(che)后面熨(yun)衣(yi)服(fu)，而(er)且(qie)车还在开著(zhe)。

Bing表(biao)示(shi)，这图里不同(tong)尋(xun)常(chang)的部(bu)分太(tai)多(duo)了。首(shou)先，在出租车上熨衣服很(hen)離(li)譜(pu)，其(qi)次，男人穿(chuan)的衣服和出租车顏(yan)色(se)一致(zhi)，是不是在暗(an)示什么？或(huo)者(zhe)是某(mou)种巧(qiao)合(he)？

第(di)三(san)，熨衣板(ban)固(gu)定在出租车上，这样有不穩(wen)定的风險(xian)。最后，男人正(zheng)在熨的衣服是藍(lan)色的，和黃(huang)色撞(zhuang)色了，是不是在暗指(zhi)什么？

能看出，Bing还是尽可能的捕(bu)捉(zhuo)到了图片中(zhong)的所(suo)有細(xi)節(jie)，甚至分析的还挺(ting)有道理(li)。

而在下图这个「為(wei)什么要给神(shen)經(jing)网絡(luo)加(jia)層(ceng)數(shu)？」的漫(man)画中，Bing也(ye)给出了自(zi)己(ji)的分析。

这个漫画誇(kua)张了統(tong)計(ji)學(xue)習(xi)和神经网络的差(cha)異(yi)，讓(rang)前者使(shi)用(yong)的嚴(yan)肅(su)和技(ji)術(shu)性(xing)語(yu)言(yan)與(yu)后者的簡(jian)單(dan)直(zhi)接(jie)建(jian)議(yi)形(xing)成(cheng)對(dui)比，創(chuang)造(zao)了一种幽(you)默(mo)的並(bing)置(zhi)效(xiao)果(guo)。

總(zong)的來(lai)说，这个漫画利(li)用了与機(ji)器(qi)学习这兩(liang)种方(fang)法(fa)相關(guan)的刻(ke)板印(yin)象(xiang)和常見(jian)看法，突顯(xian)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(ban)的GPT-4中展(zhan)示過(guo)。

GPT-4一針(zhen)见血(xue)地点出，这副(fu)漫画諷(feng)刺(ci)了统计学习和神经网络在提(ti)高(gao)模型(xing)性能方法上的差异。

但在另(ling)一組(zu)图中，Bing似乎并没有get到点。

Bing还裝(zhuang)模做样的分析了分析，它说也許(xu)是接头和包(bao)装的反(fan)差？也可能是插(cha)头的底(di)下看着像(xiang)一张臉(lian)。

甚至还没话找(zhao)话的分析了三幅(fu)图片分别是什么，就是没提梗在哪里。

不过，如果让Bing去(qu)做一些(xie)客(ke)觀(guan)分析的话，比如识别線(xian)材(cai)品(pin)牌(pai)，結(jie)果还是非(fei)常準(zhun)確(que)的。

相比之下，GPT-4在逐(zhu)个分析下面这组梗图時(shi)，可以立(li)馬(ma)反應(ying)过来——

图里的这个「Lighting充(chong)電(dian)线」，看起(qi)来就是个又(you)大又过氣(qi)的VGA接口(kou)，插在这个又小又现代的智能手(shou)机上，反差強(qiang)烈(lie)。

写代码

当时GPT-4在画饼的时候(hou)，最驚(jing)艷(yan)的就是它对代码的超(chao)强的理解(jie)能力(li)。

在演(yan)示中，Greg Brockman直接在紙(zhi)上画了一个草(cao)图，拍(pai)个照(zhao)，发给GPT-4说，给我(wo)按(an)照这个布(bu)局写网頁(ye)代码，就写出来了。

这个小哥(ge)也让Bing试一试，能不能搞(gao)个同款(kuan)笑话网站(zhan)出来。

最終(zhong)效果看起来还真(zhen)不錯(cuo)，雖(sui)然界面看起来没多美(mei)观，但是該(gai)有的都有。

程序(xu)代码如下：

接着，小哥让Bing繼(ji)續(xu)完(wan)善(shan)代码，把对应的网页给做出来。

Bing表示当然可以，只需微調(tiao)代码。但是指出了Java并不是编譯(yi)语言，而是一种解釋(shi)语言。

所以不需要一个编译器，只需要瀏(liu)览器或者一个Java的引(yin)擎(qing)就好了。

友情(qing)科(ke)普(pu)完，Bing也是成功完成了任(ren)務(wu)。

当醫(yi)生(sheng)

下面这个用例(li)就比較(jiao)厲(li)害(hai)了。

小哥直接拍了一张发紅(hong)手臂(bi)的图片，問(wen)Bing自己得(de)了什么病。

Bing直接判(pan)定为瘀(yu)傷(shang)，皮(pi)下血管破(po)裂(lie)。

甚至还开出了很多方法来緩(huan)解癥(zheng)狀(zhuang)：

·前24个小时貼(tie)冰(bing)袋(dai)，缓解腫(zhong)脹(zhang)和发炎(yan)。

·24小时以后加熱(re)，促(cu)進(jin)血液(ye)循(xun)環(huan)，清(qing)除(chu)淤(yu)血。

·把瘀伤的部分擡(tai)到比心(xin)臟(zang)高的位(wei)置，降(jiang)低(di)血壓(ya)和血液聚(ju)集(ji)。

·服OTC止(zhi)痛(tong)藥(yao)。

·多吃(chi)富(fu)含(han)維(wei)生素(su)C、维生素K、鋅(xin)，以及(ji)菠(bo)蘿(luo)蛋(dan)白(bai)酶(mei)的食(shi)物(wu)，加速(su)伤口愈(yu)合以及膠(jiao)原(yuan)合成。

·塗(tu)药膏(gao)減(jian)輕(qing)瘀伤和发炎肿胀。

还是蠻(man)專(zhuan)業(ye)的。

还有小哥发了一张组織(zhi)的橫(heng)切(qie)面图让Bing来斷(duan)一断。

Bing不僅(jin)识别出了图片內(nei)容(rong)，还詳(xiang)细的講(jiang)解了一下什么叫(jiao)组织，什么叫横切面。

甚至还解释了什么情況(kuang)下會(hui)用到组织的横切面图。

接着小哥追(zhui)问，妳(ni)覺(jiao)得是什么组织的切面？

Bing分析認(ren)为，这是肌(ji)肉(rou)组织的横切面。

甚至，Bing还十(shi)分严謹(jin)地指出，自己不能单獨(du)根(gen)据一张图，来判断这个人是不是健(jian)康(kang)。

还有网友化(hua)身(shen)苦(ku)難(nan)中的大学生，让Bing当个好老(lao)師(shi)，给他(ta)讲讲图里是个什么玩(wan)意(yi)兒(er)。

Bing表示，好好聽(ting)老师说（刪(shan)掉(diao)），这是腎(shen)元，主(zhu)要有四(si)个功能，分别是blah blah blah...

好家(jia)夥(huo)，以后这种梳(shu)理总结類(lei)的学习任务，直接甩(shuai)给AI就完事(shi)了。AI永(yong)遠(yuan)不会失(shi)去耐(nai)心。

甚至直接有人甩给Bing一道有关细胞(bao)减数分裂的题。

Bing表示，上传的图片是减数分裂的示意图，從(cong)一个二(er)倍(bei)体细胞分裂成四个单倍体细胞。

然后又从减数分裂的过程、意義(yi)进行(xing)了讲解。

有时并不太靈(ling)光(guang)

当然，Bing的识图功能目(mu)前还有不少(shao)改(gai)进的空(kong)間(jian)。

比如，小哥问图中A框(kuang)里有幾(ji)个×（根据图例，A.trifida就是×）。

人眼(yan)一看是11个，可怎(zen)么Bing说的不对呢(ne)。

Bing说总共(gong)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(zai)比如，这张《任天(tian)堂(tang)大亂(luan)鬥(dou)》的遊(you)戲(xi)角(jiao)色图中，Bing只认出了其中的7个角色。

然后，小哥又问一个國(guo)際(ji)象棋(qi)的问题：「在这个开局里，白棋接下来该怎么走(zou)？」

但Bing一上来就回(hui)答(da)错了：「现在輪(lun)到黑(hei)棋走，至於(yu)白棋怎么走，取(qu)決(jue)于黑棋……」

网友趕(gan)緊(jin)更(geng)正稱(cheng)，不对，你先看清棋子(zi)的位置，然后我再说一遍(bian)，现在是轮到白棋走。

然而，Bing这次依(yi)然没有回答正确——在给出的位置中，有好几處(chu)實(shi)际上都没有棋子……

能看出来，Bing新添(tian)的识图功能性能倒(dao)是挺强大。

开局一张图，后面全(quan)靠(kao)强大的生成能力发揮(hui)。

事实性的识别和生成感(gan)觉问题不大，就是不知(zhi)道未(wei)来有点文(wen)化隱(yin)喻(yu)的那(na)一趴(pa)能不能做到更好。

參(can)考(kao)資(zi)料(liao)：

https://www.timesnownews.com/technology-science/snap-and-ask-microsofts-bing-chatbot-now-accepts-picture-prompts-article-100900618返(fan)回搜(sou)狐(hu)，查(zha)看更多

責(ze)任编辑：