GPT-4V多模态能力惊人！公式截图直出代码，「龙与魔法世界」瞬间生成，OpenAI总裁激动转发
来源 | 新智元
GPT-4在默默更新了多个功能之后，早已有了惊艳世人的各种新能力，简直是上体入地无所不能！
最近，GPT-4一直在默默更新，加入了多模态，语音交互等功能。
但是与年初OpenAI每次发布的新功能，都能引得外界一阵惊呼的阵仗相比，现在GPT-4的声量似乎小了很多。
不知道是不是担心自己产品发布太过于耀眼，导致监管和官司不断找上门，OpenAI除了3周前更新了文生图模型DALL-E 3外，在发布了GPT-4之后的7个月内，官方没有公开发布任何新的产品和功能。
但是OpenAI总裁Greg Brockman自己却在X（推特）上，不断转发利用新版的GPT-4来实现的各种天马行空的功能。
利用GPT-4V的多模态能力和代码能力，直接把一个写在书上的数学公式转化成一段Python代码。
而利用GPT-4刚更新不久的语音功能，有人开始把它当成商务谈判的教练来进行模拟练习了。
就在这个帖子下面，这位帝国理工学院商学院的学习设计师留言称，他们已经开始使用GPT-4的语音功能为MBA设计培训课程了。
直接用ChatGPT集成的的DALLE 3来为游戏设计师生成世界观和原画设定图。
只要几行Prompt，一个飞龙世界的文字描述和原画风格图就出来了。
直接用DALLE 3来生成自己想要的GIF文件。
一颗玉米如何成为爆米花。
一只跳舞的狗子。
我们就一起来看看如何利用GPT-4来完成这一系列的功能。
GPT-4理综版
网友发现，只要通过截图，可以将几乎任何数学公式，通过GPT-4转化为Python代码。
当然，因为模型还是存在出现幻觉的可能，所有的结果不能直接拿过来就用，还是要认真检查其中的错漏。
比如截图中第六行的代码，「d_hat(i, j)」应该是「d_hat(i)」。
虽然有小错误，但是网友们依然对这个功能给与了非常高的评价。
这位MIT博士，AI初创公司的创始人认为，如果没有额外的上下文，GPT-4无法识别这个函数，但它确实知道它正在做什么……非常酷。
另一位开发了一个金融AI工具的开发人员称，这个用例非常棒！有无穷的想象空间。
并且他给出了两个具体的用例。
- 可以截图研究论文中的复杂数学方程并在本地快速运行。
- 可以截屏（任何内容）并让GPT生成代码来实现 UI。
同样，除了数学公式，它还可以直接读取分子式，直接输出制备方法。
给它投喂一个耳机的电路图，它就能告诉你组装这个设备的大致步骤。
GPT-4V对于多模态的良好支持，结合它的编码能力，以及广博的知识面，可以组合出几乎无穷的使用方案。
几句Prompt 生成龙与魔法的世界
另外一位网友分享了它通过ChatGPT创造了一个和龙有关的奇幻世界的过程。
GPT-4生成了和龙有关的概念、解剖结构，甚至龙的栖息地。
龙的头部特写。
龙的骨架和解刨图。
以及龙的生存环境原画和描述。
首先，需要指定出你想要的图像样式。
作者想要那种技术信息图表风格的美术风格，他使用了这个Prompt，几乎就是普通的英语描述。
「Can you generate me a technical engineer's drawing of a dragon, with labels of its various parts? Use a wide aspect ratio：」
就得到了下面的结果：
接下来，生成龙头的特写。
然后让他生成栖息地的环境原画图和介绍。
如果不满意，就再进一步细化你的要求，让GPT-4来满足。
作为游戏设计师，想要设计一个和龙有关的场景，直接动手就能出可以使用的结果。
另外一位网友根据这个用例的启发，生成了一个和藏红花相关的介绍。
「Can you generate me a technical engineer's drawing of a saffron, with labels of its various parts? Use a wide aspect ratio.」
用这个提示词生成了一个藏红花的结构图。
再生成了一幅藏红花束的特写。「Can you generate a close up of saffron strand in wide aspect ratio?」
藏红花田的远景图片。「Please generate an aerial view of saffron field in wide aspect ratio.」
最后生成了藏红花的剖面图。「Anatomy of saffron strand in wide aspect ratio.」
一个非常复杂的潜艇结构图！
高达的结构示意图。
头部的详细结构图。
足部的详细结构图。
武器的结构图。面包机的超详细结构图。
网友纷纷表示，完全停不下来。