相信很多大家對Grok圖像理解功能上線，單挑ChatGPT結(jié)果驚人！無地標(biāo)照片秒定位，18世紀(jì)手稿一眼識別還不知道吧，今天菲菲就帶你們一起去了解一下~.~！

【新智元導(dǎo)讀】能識別并轉(zhuǎn)錄18世紀(jì)手稿、還能推測無地標(biāo)照片拍攝地……馬斯克本人也出來官宣:Grok現(xiàn)在能夠理解圖像了!

就在剛剛，xAI為Grok增加了圖像理解功能!

馬斯克本人也出來官宣了，并稱「Grok現(xiàn)在能夠理解圖像了，甚至還可以解釋笑話」。

在馬斯克舉的例子中，Grok根據(jù)給出的這張meme圖，從場景設(shè)置、笑話的前提、轉(zhuǎn)折、幽默之處、額外的幽默層面、視覺笑點6個方面來解釋了它。

不少網(wǎng)友調(diào)侃道:Grok比美國政客還要聰明有趣!甚至連它都知道什么是笑話。

但其實，這個笑話解釋得太過復(fù)雜，讓人云里霧里!

有網(wǎng)友在評論區(qū)補充了更恰當(dāng)?shù)慕忉?「真糟糕，我以為笑話是，物理學(xué)家們聽到牛頓『發(fā)明了重力』忍不住要起來糾正，所以才停止裝死...」

不少網(wǎng)友討論道:

「是的，Grok的解釋太過『高智商』以至于它重新變得愚蠢?！?/p>

「Grok解讀太多毀了這個笑話!」

還有網(wǎng)友直言:「整個評論區(qū)都很奇怪，因為幾乎沒有人意識到Grok完全沒理解這個笑話。那些知名的網(wǎng)紅們都表現(xiàn)得像機(jī)器人一樣?！?/p>

沒想到馬斯克本人出來官宣還鬧了個烏龍!

不過，除了理解笑話還不太行，Grok倒是在其他的圖像理解任務(wù)中展現(xiàn)出了不錯的水平。

AI Breakfast發(fā)帖稱:「Grok2具有令人難以置信的OCR功能。它能夠完美地轉(zhuǎn)錄這份幾乎難以辨認(rèn)的18世紀(jì)手稿文件。」

賓夕法尼亞大學(xué)沃頓商學(xué)院的副教授Ethan Mollick也發(fā)帖稱贊了Grok的圖像理解能力。

他將一張在日本大阪拍攝的照片傳給Grok和GPT-4o，并讓它們推測這張照片的拍攝地。據(jù)他所說，所有位置信息都從圖像中刪除，且沒有可見的路標(biāo)和廣告牌。

GPT-4o回答道:「這張圖片展示了一座大型工業(yè)起重機(jī)，位于水邊，可能靠近一個港口或船廠。周圍的建筑和起重機(jī)的結(jié)構(gòu)表明，它可能位于一個具有大量海洋活動的城市的工業(yè)區(qū)。根據(jù)可見的細(xì)節(jié)，這個地點可能是在美國、日本或其他以重工業(yè)而聞名的沿海城市?！?/p>

在被要求進(jìn)一步縮小范圍的時候，GPT-4o能直接猜到是日本。

Grok也同樣先分析了一遍照片的內(nèi)容，最后捕捉到了照片中的「亞洲感」，給到「很可能是像日本、韓國或新加坡這樣的亞洲船廠」的結(jié)論。

還有網(wǎng)友也分別給Grok和GPT-4o發(fā)了一張在葡萄牙首都里斯本拍攝的照片，讓它們推測這張照片的拍攝地。

Grok回答道:

GPT-4o回答道:

顯然，ChatGPT完勝!但Grok的回答也不賴，已經(jīng)十分接近正確答案。

不過目前，Grok還不能處理某些文件格式（例如PDF）。一名用戶在馬斯克的帖子下評論道:

「埃隆，Grok怎么回事?它無法處理照片或PDF，老實說，它在功能上感覺遠(yuǎn)遠(yuǎn)落后于ChatGPT。你曾對它進(jìn)行了很多宣傳，但作為用戶，我可以告訴你:Grok需要重大改進(jìn)。如果目標(biāo)是設(shè)定一個新標(biāo)準(zhǔn)，它還遠(yuǎn)遠(yuǎn)不夠。是時候讓它趕上來了，你不覺得嗎?」

馬斯克回復(fù)說:「不久后就可以了。我們在幾個月內(nèi)完成的事情是其他人花費數(shù)年時間才能做到的?！?/p>

參考資料:

https://x.com/grok/status/1850808322074509434

https://x.com/AiBreakfast/status/1850961980892615161

https://x.com/emollick/status/1851025478833819947

https://x.com/MesutGenAI/status/1851048640472563798

以上就是關(guān)于【Grok圖像理解功能上線，單挑ChatGPT結(jié)果驚人！無地標(biāo)照片秒定位，18世紀(jì)手稿一眼識別】的相關(guān)內(nèi)容，希望對大家有幫助！