（做了多年視覺分析，謹(jǐn)以忐忑的心情寫下本文）

2023年9月25日，微軟發(fā)布ChatGPT-Vision的研究報(bào)告（文章末尾有下載地址），同日openai發(fā)布重要更新：聽，說，看。

2023年10月3日，openai發(fā)布Dall-E3.0。距離ChatGPT獲得全部人類技能，還差觸覺，嗅覺和味覺。

聽，說基于文本，Dall-E有Midjounery大家已經(jīng)熟悉了。今天重點(diǎn)說下Vision，視覺。大家可能低估了這個(gè)更新帶來的颶風(fēng)。

vision是識(shí)別圖片，將圖片化為數(shù)據(jù)（1和0）?；诖竽Ｐ停梢岳斫鈭D片中的內(nèi)容，再結(jié)合ChatGPT自身的數(shù)據(jù)集（所有互聯(lián)網(wǎng)上的人類知識(shí)）。能完成人類做得到和做不到的事?？梢暂敵鑫谋荆Z音和修改后的圖（Dall-E）。

這段時(shí)間，國外網(wǎng)友腦洞大開，嘗試了無數(shù)場景，結(jié)合微軟的報(bào)告。給大家舉例，看看我是不是標(biāo)題黨。

1、教學(xué)

網(wǎng)友Peteryang 使用ChatGPT Vison給學(xué)生演示人體結(jié)構(gòu)，從大腦到心臟都逐一講解。只需要一句話提問：“我現(xiàn)在一年級(jí)。給我解釋一下?！?

?

2、停車

在國外停車牌，有時(shí)候異常復(fù)雜。需要停下來看清楚，才知道自己停去哪里。同樣是Peteryang,拿出手機(jī)拍照，一句話解決：「請(qǐng)一句話告訴我：現(xiàn)在周三下午4點(diǎn)， 我能在這停車嗎？」

?

3、飲食健康

網(wǎng)友Mckay Wrigley拍照，要求分析食物中的熱量，蛋白，脂肪等等。再結(jié)合食譜建議，就可以管理起來自己的健康。Mckay Wrigley還要求輸出Json數(shù)據(jù)，可以用來編程。

?

4、故事腳本分析

網(wǎng)友Mckay Wrigley,還讓Vison分析《盜夢空間》的設(shè)計(jì)圖標(biāo)，ChatGPT對(duì)圖表的結(jié)構(gòu)和流程，有深入的理解，可以連貫的拼湊在一起。

?

5、圖片對(duì)照

網(wǎng)友Andrew Morgan，用Vision做圖片對(duì)比，也就是【找不同】的玩法。

?

6、學(xué)術(shù)研究

教授Ethon Mollick 讓Vision識(shí)別手稿，識(shí)別率 很高，并且還進(jìn)行了文本推理。

?

7、室內(nèi)設(shè)計(jì)

網(wǎng)友Pietro Schirano拍照，要求Vision 給出設(shè)計(jì)上的建議。發(fā)現(xiàn)其從顏色到觸感都非常出色。

?

8、攝影建議

還是Pietro，要求Vision對(duì)一張照片，給出建議?；貜?fù)看來很專業(yè)，還給出參數(shù)建議。

?

9、看照片說位置

將測試照片的GPS信息去掉，讓VIsion憑一張照片找出位置。

?

?

?

?

10、醫(yī)療-看X片

?

?

?

?

還有很多其他的案例。充分的展示了ChatGPT Vision的能力。我們回答上面的問題，Vision能價(jià)值萬億嗎？隨意展開2個(gè)例子吧。

1、監(jiān)控

所有裝有監(jiān)控的地方，都有識(shí)別的需求。傳統(tǒng)的方式是，先訓(xùn)練，再識(shí)別。標(biāo)注了的能識(shí)別，未標(biāo)注的識(shí)別不了?，F(xiàn)在完全不同了。人類能識(shí)別的，都能識(shí)別。還能推理。

比如，公安系統(tǒng)。小偷進(jìn)去時(shí)候空手，出來多了個(gè)包。在人群里找出來，就是一句話的事情了。

或者一張照片找出嫌犯的位置，就可以不用麻煩水哥了。

交通系統(tǒng)，更具現(xiàn)有人流，車流預(yù)測堵車。識(shí)別安全頭盔等等。做過相關(guān)項(xiàng)目的公司，就明白這里面帶來的沖擊。

2、醫(yī)療

人眼有時(shí)候，受視力和光線的影響，看不清微小的細(xì)節(jié)。同時(shí)，知識(shí)儲(chǔ)備無法和AI相比。用vision看x片，給出所有的細(xì)節(jié)和建議?？赡苁俏磥硭嗅t(yī)生每天都要做的事。

另外，會(huì)診，醫(yī)療事故判定，醫(yī)學(xué)科研，藥物研究，都是不可或缺的。

其他的比如，設(shè)計(jì)，教學(xué)，編程，導(dǎo)游。無法想象它到底可以顛覆多少行業(yè)。

本質(zhì)上，ChatGPT Vision和這么多年來的視覺分析有本質(zhì)的不同。他不需要預(yù)先標(biāo)注訓(xùn)練。其次，他有海量的知識(shí)背景。這讓他無比強(qiáng)大。仿佛上帝視角。

我們拭目以待把。技術(shù)背后的價(jià)值，投資人應(yīng)該更加清楚，萬億是夸張，但誰也無法否定。因?yàn)椴豢晒懒俊?/p>

目前ChatGPT Vision只有北美地區(qū)開放。國內(nèi)想試用ChatGPT的話，給大家推薦我在用的這個(gè)吧。http://www.ppword.cn

手機(jī)上使用，搜索ppword，也可以點(diǎn)擊下方公眾號(hào)。（有個(gè)細(xì)小的行業(yè)，能馬上被顛覆，有興趣的加ppword網(wǎng)站上的群）

微軟測評(píng)報(bào)告下載地址：https://arxiv.org/pdf/2309.17421.pdf?文章來源地址http://www.zghlxwxcb.cn/news/detail-711367.html