Bing能识图了！开局一张图，需求都满足。

Bing能识图了！开局一张图，需求都满足。

Bing现在能够识别图片并进行分析，包括编程、做题作图、看病等。本文通过梗图的例子来展示Bing的识图功能。

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）

看梗图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。

写代码当时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，GregBrockman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：

function generate() {    var element = document.createElement('div');    element.innerHTML = 'Hello, Bing!';    element.style.fontSize = '45px';    element.style.fontFamily = 'Arial';    element.style.color = 'red';    element.style.paddingTop = '200px';    element.style.textAlign = 'center';    return element;}

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。

当医生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blahblahblah...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。

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。