新智元报道
来源：老罗不说
作者：罗予晨
编辑：好困
其实，ChatGPT 是可以识别图片的！你只需要输入图片网址，并确保图片能不受限制地被 OpenAI 的服务器读取到。
因为 ChatGPT 网页上没有上传图片按钮，所以一般人都不知道它能识别图片。但是其实它是可以识别图片的，你需要输入图片网址，确保图片不需要登录或者其他限制条件就能被美国服务器读取到。
目前看它读取 Wiki、CNN 图片都没有问题。
那么它能识别出什么内容？
普通新闻图片
ChatGPT 没有识别出具体的装备型号，但是描述了一个非常贴近的场景氛围。对构图的视角有较强的理解力。
人物图片
马克龙这张，没有识别出人脸，也没有识别出画面的文字。但是可以基本描述出画面内容，虽然有一些错误。重点是它对场景的猜测，和接近人的感觉，比如它说马克龙像是很有礼貌的人。
上面两张是识别精度一般的，这里还有画面特征比较强，识别精度较高的。
特定历史图片
这幅越战美军搜查敌人的照片。被 ChatGPT 详细的描述了细节，这幅图的场景，人物和细节的信息量，会比上面的两张更大（ChatGPT 看起来没有对特定的物体和人脸做针对性的优化），所以描述非常生动，虽然有少许错误。而且对人的工作态度这样抽象的信息也有理解。
值得注意的是这里提到警察。这图片来自 Wiki 越战词条。如果 ChatGPT 是通过读取连接的文字信息来获取图片信息的，那么就不会认为那些执行任务的人是警察。因此可以认为它的结论完全来自于图片信息。
全球著名图片
这是一幅名画，这个时候 ChatGPT 是能完整的识别人物和事件的。同时仍然有很多抽象的描述，比如动感等。
针对图片的人机互动
这幅画，一开始 ChatGPT 没有看懂。给它输入更多信息之后，它能理解这幅画，且描述了画面的感情。所以 ChatGPT 对图片的理解是能够交互的，而不是一次性的输出。
地标图片
伦敦地标识别成功。
红场识别准确
捏造了一个所谓地标，查了没有这样的地标。
视频内容识别
ChatGPT 是承认自己可以识别视频的，但是在油管、CNN 等网站的内容识别中，输出有错误。这是业务没有开放造成的，它甚至知道我的问题是看快进的进度。
如果不多问一句，都不知道它是不是真的看了视频。
继续保持对 ChatCPT 的关注。
