Bing Chat圖像識別實測!懂梗圖、還能當醫生「看病」,搶先ChatGPT 開放有多強?
Bing Chat圖像識別實測!懂梗圖、還能當醫生「看病」,搶先ChatGPT 開放有多強?

還記得今年 3 月 OpenAI 在發布 GPT-4 時提到的多模態功能嗎?

screenshot00-62.png!720.png
GPT-4 回答 Demo,由機器翻譯
圖/ 愛范兒

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,發布後震驚了所有人,這也是 GPT-4 相較 GPT-3.5 最大的升級點。

只可惜,OpenAI 表示圖像輸入功能仍然是研究預覽階段,還不能向大眾公開。

然而,近日 Reddit 有網友發現,自己的 Bing Chat 帳號悄悄新增了一個上傳圖片的入口,把圖片上傳上去後,Bing Chat 竟然會識別圖像回答!

此前微軟曾透露 Bing Chat 使用的正是 GPT-4 模型,並在上個月的大更新日誌中有提到會為 Bing 加入多模態支持,綜合來看,Bing Chat 很可能正在逐步開發向用戶開放圖像識別功能測試。

該網友對 Bing Chat 做了大量測試,讓我們一起看看「長了眼睛」的 Bing Chat 有多厲害吧。

Bing Chat實測!能看懂梗圖、識別動漫角色,還可以當「醫生」

首先是 GPT-4 最讓人拍案叫絕的看梗圖功能。GPT-4 不僅可以理解圖片裡的內容,還能像人類一樣分析出梗圖的笑點在哪裡。

screenshot00-61.png!720.png
圖/ 愛范兒

例如這張梗圖中,GPT-4 可以看出圖片想要表達用過時的 VGA 形狀的接頭給 iPhone 充電是一件很荒謬的事,引入發笑。

372c2e10-be9f-4918-a77e-54c4fee9497c!720.jpeg
圖/ 愛范兒

網友也在 Bing Chat 上傳了同樣的梗圖做測試,奇怪的事情發生了:Bing Chat 並沒有認出這是 VGA 接頭,因此它也「get」不到其中的笑點,不過 Bing Chat 還是一五一十地把照片解讀了出來,甚至還能說出線的品牌,並給出更詳細的資料。

這也許是 Bing Chat 偶然的誤差,也可能是微軟在實際應用 GPT-4 做了更多的限制調整導致回答偏差。

057c076f-b6c0-4ee7-ba31-4b2e2461b3a7!720.jpeg
圖/ 愛范兒

網友再上傳了另一張關於機器學習的梗圖漫畫,這次 Bing Chat 就能比較準確地答出圖中的內容和笑點。

5eec36e6-11e4-444f-8969-57251a7bf68a!720.jpeg
圖/ 愛范兒

Bing Chat 對另一張在汽車上燙衣服的梗圖分析也同樣到位。

24685c80-ffff-4f23-a0a6-aa4837f926ce!720.jpeg
此處翻譯有誤,原文為:Diddy Kong, Pyra, Pikachu, Zero Suit Samus, Donkey Kong, Sonic the Hedgehog, Ness, Cloud Strife, and Incineroar
圖/ 愛范兒

Bing Chat 識別圖像的精度有多高呢?他上傳了一張《任天堂大亂鬥》遊戲的角色圖,同一張圖上有排列著非常多的角色,要求 Bing Chat 一一認出所有的角色。

結果是,Bing Chat 在 12 個角色中認出了 7 個,看來二次元問題對它來說還是有點難度。

experimenting-with-bing-ais-visual-input-part-2-mo
圖/ 愛范兒

OpenAI 在發布時還展示了透過手繪圖照片就能寫網頁的案例,該網友也手畫了一張圖考考 Bing。

讓我們跳過冗長的代碼環節,直接看看這個網頁跑起來的效果。可以看出,基礎的網頁雛形還是搭建出來了。

圖像識別功能的加入給 Bing Chat 增添非常多的用途,畢竟現實中很多內容(例如公式、圖表)很難用文字表達清楚,這時候直接一張圖甩給 AI 就能得到回答。

7e621107-8fc0-4f8c-b255-c995fb1fc93d!720.jpeg
圖/ 愛范兒

例如讓它解釋一下染色體在減數分裂時交叉互換的過程。

c71ba13d-3e90-430d-8c22-1add9d869cc6!720.jpeg
圖/ 愛范兒

讓它扮演生物老師,分析一下腎過濾的工作原理。

718040ea-aee8-4c01-a252-178d49f3488c!720.jpeg
圖/ 愛范兒
1edd7cc7-c2aa-45c8-90fc-1931d4f1aef0!720.jpeg
圖/ 愛范兒

甚至可以讓它充當網路醫生,簡單診斷一下皮膚症狀。

此前,ChatGPT 由於出色的文字理解和表達能力,已經被人們開發出了學外語、練口語的功能。

8644e9a6-e2eb-4d7d-84d4-3be817f72417-1!720.jpeg
圖/ 愛范兒

Bing Chat 圖像識別功能開放部分用戶使用

再加入視覺識別後,Bing Chat 甚至可以擔任一個初中高中乃至大學老師的角色,幫助學生解答複雜的數理化問題,如果未來識圖功能推廣開來的話,這也許在一定程度上可以解決教育資源不均衡的問題。

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,展現出 AI 普及大眾的價值。

當然,Bing Chat 雖然能基本看懂現實世界的內容,但它的回答終究只能作為參考,不可以當做專業意見。

所以要完全向大眾開放圖像識別功能的話,微軟還需要做大量的限制和調整,才能確保大眾不會因為誤信 AI 的回答而出現安全問題。

在短期內,Bing Chat 圖像識別應該還只是少部分用戶才可以使用的測試性功能,如果你感興趣的話,可以登錄你的微軟帳號,看看在 Bing Chat 的聊天欄上是否多了一個圖片的圖案。

目前 Bing Chat 開放所有微軟帳戶,快來看看你有沒有收到測試資格吧 。

延伸閱讀:Bing Chat端出爆炸新功能!找迷因、訂餐廳,中文也能生成圖片,亮點一次看

本文授權轉載自:愛范兒

責任編輯:蘇祐萱

關鍵字: #AI
往下滑看下一篇文章
直播霸主圓剛科技以全方位產品,化身創作者的「解憂雜貨店」
直播霸主圓剛科技以全方位產品,化身創作者的「解憂雜貨店」

當觀看與被觀看成為當代人的日常時,直播早已褪去昔日單純的娛樂外衣,從 Twitch 上挑燈夜戰的電競實況、YouTube 的第一手開箱、TikTok 與 Instagram 隨手刷過的短影音,到現今風靡全球的電商帶貨——直播不僅重塑了人們的視覺感受,更淬鍊出一條成熟蓬勃的商業路徑。

「現在是全民直播的時代!」台灣直播設備龍頭圓剛科技全球品牌行銷處處長蔡柏輝說。在台灣影像擷取盒、擷取卡市場,搶下超過 90% 市占的圓剛,是眾多螢幕後,撐起無數流暢畫面的關鍵推手,就連在日本、韓國也有很高市占率,不論是剛敲開創作大門的新手,或是專業級的直播團隊,圓剛以全方位產品線,滿足不同創作者對影音設備的需求。

MIT 高品質研發,提供創作者直播台上的安心感

從電視盒起家的圓剛,始終專精「訊號轉換與整合」技術,早在 15 年前,便踏入直播市場,靠著百分百 MIT 研發高品質,拿下龍頭地位。在占有率幾乎觸及市場天花板之際,「我們現在追求的,是拓展更多不同領域的使用者,以及深入更多不同的直播場景。」

這些年,圓剛觀察到直播趨勢轉變。蔡柏輝打趣道,早期的遊戲直播多半是「一個人在昏暗房間裡默默開台」;時至今日,這股風潮早已跨出房門,延伸至客廳、戶外,成為大眾都能參與的影音浪潮。承載內容的平台也從桌上型電腦,擴展至遊戲掌機、家用遊戲機和智慧型手機,直播型態與使用者需求也開始走向分眾。

蔡柏輝觀察,對剛踏入直播領域的新手來說,最大的心理障礙往往來自對設備不確定性的恐懼,「最怕開播時,觀眾聽不到聲音或畫面卡頓。我們想給創作者的是,『三分鐘輕鬆搞定』的從容與信任感。」

而對頂尖實況主與專業直播團隊來說,設備則是不能有絲毫閃失的「生財利器」。專業直播主高度追求流暢幀率與畫質細節,唯有極致的視覺體驗,才能吸引觀眾留存並化為實質贊助與互動。更重要的是,長達數小時的高強度直播,不能出現黑屏或無預警斷線,一旦畫面中斷,累積的流量和觀眾也瞬間消失。

針對不同成長階段的直播主,圓剛提供從 1080p 到 4K144 的擷取盒畫質,滿足從入門到細緻畫質的需求,高規格的產品穩定度,確保長時間直播不黑屏卡頓,許多產品更提供長達「3+2」5 年保固,「我們敢喊5年,就是對自己的產品很有信心!」這正是圓剛高品質與高穩定的最好證明,「我們賣的不是冷冰冰的產品規格,而是創作者的夢想與直播台上的安心感。」

從規格堆疊走向場景拆解,滿足不同直播應用

「圓剛這幾年做的不是一直堆疊規格,而是場景拆解。」嗅到行動世代對攜帶性與靈活度的渴望,圓剛特別打造「GO 系列」產品線( GC313Pro、GC313 ),高度整合多元功能,身兼 USB-C 影像擷取/傳輸、螢幕跨屏輸出和 100W 快充技術,把繁複線材與驅動程式全都收納進一個掌心大小的充電頭裡,極致輕巧方便攜帶。

圓剛「GO 系列」GC313Pro 高度整合多元功能,身兼影像擷取/傳輸、螢幕跨屏輸出和 100W 快充技術
圓剛「GO 系列」GC313Pro 高度整合多元功能,身兼影像擷取/傳輸、螢幕跨屏輸出和 100W 快充技術,滿足電力與資料傳輸需求的全方位解決方案。
圖/ 數位時代

蔡柏輝分享,創作者在直播 Switch 或手機遊戲畫面時,最怕連接埠占滿而電量枯竭,「GO 系列」讓使用者能「邊直播邊充電」,解決使用痛點,還有很多靈活應用,像是在國外旅遊時,可將手機螢幕投放至飯店電視,直接用大螢幕觀看 Netflix,避免在其他裝置登入 Netflix 個人帳密的風險,「不只滿足直播需求,也能充電、小螢幕轉大螢幕,拓展更多使用情境。」

為了解決直播設備軟硬體複雜的相容性問題,圓剛也不斷擴充產品線,蔡柏輝笑說,「我們稱作『直播三寶』!」在影像擷取外,還提供各種規格的視訊鏡頭與高音質麥克風,其中,台灣市場熱銷產品之一的 AM310G2 麥克風,以高性價比廣受歡迎,首代產品全球累計銷量突破10萬支,第二代也延續市場熱銷氣勢,透過麥克風輕鬆連接手機,從直播到行動唱歌都能滿足。相比創作者過去必須東拼西湊不同品牌、解決多個軟體衝突問題,圓剛透過三位一體的完整配置,成了台灣極少數能提供一站式直播生態系的品牌。

有了高品質硬體後,圓剛又以自主研發的直播軟體平台「直播大師 Streaming Center」,協助使用者軟硬整合,省去安裝繁瑣的驅動程式,透過直覺易上手的介面,連接上直播設備後,便會自動完成基礎設置,同時只要一個按鈕就能一鍵切換鏡頭特寫、AI自動降噪去背景雜音、甚至微調人像膚色,蔡柏輝比喻,「直播大師就是創作者的個人導播。」透過軟體輕量化與一站式整合,圓剛也把電腦寶貴的運算效能,最大化發揮在遊戲和直播上。

布局全球電商與商業活動直播,讓直播體驗深入各行各業

面對近年興起的電商直播帶貨,圓剛也積極佈局。蔡柏輝指出,與其他直播領域相比,電商直播更在意能否精準還原色彩、細節和清晰畫質,因為這不只攸關畫面表現,更是決定成交與否的關鍵,「電商最怕退貨,如果消費者收到的實品跟鏡頭前不一樣,對品牌信任度也會瞬間瓦解。」

圓剛的高階擷取卡支援 RGB24 無損色彩還原,能將商品最真實的細緻色彩忠實呈現;針對動輒數小時的直播馬拉松,也打造高效散熱機制,確保賣家可長時間穩定使用,甚至還能延伸至醫療與科研診斷領域,像是當醫生透過畫面看病理切片時,同樣提供毫釐不差的精準度。針對電商帶貨直播發展火熱的亞洲市場,圓剛也推出旗艦級擷取卡產品,支援多機位擷取、橫豎屏同步直播,並輸出至多個直播平台,同時又兼具高性價比。

在消費市場扎穩根基後,圓剛也正將產品優勢一步步延伸至企業與商業直播領域,像是企業透過直播宣傳產品,或是各式活動現場直播,如演講、論壇甚至畢業典禮,透過提供適切的軟硬體解決方案,展現跨越多元情境的影音實力,讓高品質的直播體驗深入各行各業。

「我希望圓剛可以成為創作者的解憂雜貨店!」蔡柏輝指出,從個人到商用,從單人到團隊,從遊戲直播到企業直播,圓剛都能滿足不同需求,解決各種疑難雜症,甚至針對還未開始直播事業的人,也能提供硬體搭配建議,「創作者只要負責發光發熱,剩下 99% 的繁雜技術,圓剛在背後全幫你簡單搞定!」從敲開創作大門的第一張擷取卡,到支撐商業王國的直播系統,未來圓剛將以全方位的影音設備,持續陪伴創作者在影音時代中綻放耀眼光芒。

圓剛科技全球品牌行銷處處長 蔡柏輝
圓剛科技全球品牌行銷處處長 蔡柏輝
圖/ 數位時代

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓