ChatGPT多模态识图评测 – GPT4视觉识图具体应用示例

转自：数字生命卡兹克

自从3月GPT4发布，惊鸿一瞥一来，无数人都期待着GPT4真正完全体的到来。

也就是最大的那个饼： 多模态 。

支持图片识别，图片+文字，能玩出多少花活，我自己脑袋里想一想都激动。

而9月25号，OpenAI也终于宣布，两周内正式推出识图功能，多模态终于能跟大家见面了。

至于我为什么今天才写评测。。。你懂的。。。

这些新功能，我永远是最后一批，妈的。。。到现在我也没有，只能借了一个有识图功能的号，此处手动感谢@徐扬的号。感恩！

玩了两天，大概整理了一些有趣的案例，来给大家演示一下多模态的牛逼超神之处。

1. 个人医生助理

这是奥特曼在最近一次演讲上，最看好的两个方向之一，而多模态也完美的契合这个方向。

详细大家很多人都在医院做过检测，拿到检测结果以后，看不懂，可能又得排队好久找医生复查，好点的医院甚至得隔天。但是有了GPT4的多模态，直接扔给他。

肯定不能替代专业医师，但是作为家庭医师，或者医生助理，绝对是没有任何问题！一次医疗行业的革命啊。

2. 教育助理

奥特曼极度看好的第二个方向，教育。

当一张图片，直接扔给大模型以后，不仅可以得到答案，还可以根据你的情况，因人而异，针对这道题和你的知识水平，给你更详细的讲解，属实是真正的哪里不懂点哪里。

OpenAI甚至还专门成了了教育研究院，教育这个行业啊，跟AI结合，跟多模态结合，学习的路径和方式，要变天了。

3. 健身助理

很多健身人士天天控热量对吧，一张图，直接给你算卡路里，虽然不是特别精准，但是有个大概。很香。

比如直接把一堆东西扔给他，然后做视觉分割，提取信息。

你甚至可以拍你健身动作给它看，让他给你纠正，看看哪发力不对。

这块我就不放例子了，我只在网上看过，但是我没法测，因为我不健身，我的理念就是：生命在于静止。（不是因为懒，真的）

4. 摄影助理

扔给美女照片给它，让它打分，或者告诉你如何优化构图，这都是个小case，玩个有趣的，直接扒滤镜参数。

一张图片，你就有了各种参数了，不用再去小红书求数值了。

当然，你也可以传一个美女图片，让它根据这个美女图片写个诗…

5. 开发助理

一张草图，直接生成网站，这个OpenAI在3月发布会的时候就演示过了。

但是真的发布以后呢，才发现这玩意更骚。

X上一个老哥，直接花了一张草图，

然后变成了一个游戏。。。

(下面是视频的链接)

https://acnkqh6nshzy.feishu.cn/wiki/Y600w28ksiFP3dkqV3XcqIjHnJg#share-Hf7PdCl0qovFhKx4IF2cTHWfnDe

多模态的魅力啊！体现的无以复加。

6. 解码文件

有一个大佬玩了一个骚操作。

用ChatGPT-4V 解码了 NASA 发布的有关 UFO 目击事件的经过编辑的政府文件。

直接放视频。

(下面是视频的链接)

https://acnkqh6nshzy.feishu.cn/wiki/Y600w28ksiFP3dkqV3XcqIjHnJg#share-LvnidcdVtoBO0Kxvb9ecQYL6nrg

新时代，来临了。

写在 最后。

随着GPT-4V的发布，大模型的下一个多模态时代正式打响。

我也一直坚定不移的认为，多模态和通用AGI，是未来AI的必经之路。

新时代的诞生，毕竟随着旧时代的陨落。

“科学总是在一次又一次的葬礼中进步”

普朗克如是说道。

这个时代，同样如此。

愿大家对世间万物都保持好奇，一起拥抱新革命。