微軟悄悄上新了。日前，有網友發現自己的Bing Chat賬號新增了一個上傳圖片的入口。根據用戶上傳的圖片，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。不過當時，該多模態功能尚處于研究預覽階段，還不能公開。

如今，微軟似乎要搶先ChatGPT一步發布識圖功能。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根據網友上傳的一幅關于機器學習的梗圖漫畫，或者一張在汽車上燙衣服的梗圖，就能準確地答出圖中的內容和笑點，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對其進行了一一辨認后，從12個角色中認出了7個。結果而論，Bing Chat在二次元問題上還有待進一步提升。再者，在根據手繪圖編程網頁方面，Bing Chat對于網友給出的手畫“試題”，基本能夠搭出網頁的雛形。

在大語言模型升級的過程中，在文字理解和表達能力的基礎上，學習了視覺識別后的Bing Chat將具有更多的功能，給人類的使用帶來更大的方便。而曾經一些難以用語言表達的內容，現在都可以通過圖片進行解決。甚至，具備了圖像識別功能的AI還可以在教育、醫療等領域發揮更大的作用和價值。比如，在教育領域，Bing Chat 將可以擔任一個初高中乃至大學老師的角色，幫助學生解答復雜的數理化問題。這將在很大程度上解決教育資源不均衡的問題。在醫療領域，用戶還可以用它做基礎的醫療診斷，節約就醫所需要的金錢和時間。AI應用在社會生活中的價值將由此得到最大化的實現。

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的回答而出現安全問題，微軟還需要做大量的限制和調試，可謂任重道遠。