兄弟們，完犢子了。
OpenAI 昨天凌晨放出 2 個新模型，一個 o3，一個 o4-mini。
主要就是有了 Thinking with images 圖像思考能力。就是說，它們可以把圖像整合到思維鏈中，作為推理的一部分。
聽起來咋咋呼呼的，實際如何？
世超把一張 3 年前的照片發(fā)給 o3。
結(jié)果它只用了 7 分鐘，就分析出我是在哪個城市哪個園區(qū)甚至哪條河旁邊拍攝的。。。
不兒，你這開盒能力也太猛了。
你可能好奇，就這些清一色的瓦房，它憑啥猜到？
看完思考過程，世超只能說，它真把觀察、搜索、推理、驗證發(fā)揮到了極致。
首先，o3 通過屋脊上的現(xiàn)代天窗，岸邊的鐵鏈護欄，還有屋檐下的“隱藏式線條燈”，猜出這是一個近些年才規(guī)劃的新晉景區(qū)或特色小鎮(zhèn)，并非烏鎮(zhèn)周莊那些老牌水鄉(xiāng)。
接下來，是突破口。
照片中有一處招牌，o3 不斷放大發(fā)現(xiàn)了文字“ lestay 倉乾居 ”
它通過搜索發(fā)現(xiàn)，這是浙江某集團推出的民宿子品牌，接著它居然又跑到集團官網(wǎng)，通過介紹找到了這家酒店的位置：杭州未來科技城夢想小鎮(zhèn)核心位置，南臨余杭塘河。
到這里，o3 并不認為就完全實錘是在杭州拍的，它還要進行驗證。
或者說，它想繼續(xù)秀肌肉。
因為照片里有積雪，而照片文件名又包含“ 2022-02-17 ”，于是 o3 結(jié)合著日期和天氣查詢了一下，發(fā)現(xiàn) 3 年前的那天杭州確實下了大雪。
最后，它又點開了各種官方報道和游記分享，發(fā)現(xiàn)夢想小鎮(zhèn)的整體規(guī)劃風格，也是和照片是一致的。
至此，招牌、地形、建筑風格、拍攝日的天氣全部吻合， 最終 o3 推導(dǎo)完畢，把地點鎖定在了余杭區(qū)夢想小鎮(zhèn)。
嚯，一開始我還嫌 o3 思考時間太久，懷疑它的水平，但看完推理過程，我開始覺得 7 分鐘太快了——
真就是福爾摩斯和列文虎克結(jié)合體，不斷地放大圖片，查看細節(jié)，再結(jié)合著搜索，一步步推導(dǎo)，驗證拍攝地點。
也許有差友會說，這也不難吧，把招牌放網(wǎng)上一搜不就好了。
好，那我們再來看看這張。
這次照片里沒有任何文字了，能提供信息的似乎也只有眼前的植物、遠處的風車和山脈。
但僅僅思考了 1 分 39 秒，o3 很“自信”地給出了正確答案——貴州的烏蒙大草原。
這又是怎么猜出來的？
對普通人來說，這張照片看起來沒有任何特征，但對 o3 來說，處處是玄機。
首先，視野寬闊，地面是高山草甸而非農(nóng)田，o3 判斷拍攝地屬于高海拔，是高原草場。
其次近處的植物是矮杜鵑，遠處還有一些大風車。
同時存在“ 矮杜鵑、大風車、高原草場 ”這些特征，o3 判斷這是烏蒙大草原的獨有組合，國內(nèi)其他幾個賞花地點都沒有的，所以很自信給出了答案。
是不是有點意思了？
別急，還有。
這是一張 1996 年冬天我父母在上海拍攝的照片，我讓 o3 推測出拍攝日期。
o3 看到照片里有東方明珠塔，但是旁邊卻沒有金茂大廈、環(huán)球金融中心。
所以時間一定是在東方明珠塔建成后，金茂大廈建成之前。
于是它搜索了這些建筑竣工時間，再結(jié)合我父母的穿著，成功把時間圈在了 1995 年~1998年冬天或初春。
當然，o3 的圖片推理能力，并非只能用來推測照片拍攝地和時間。
世超發(fā)送了一張同事照片和一張古早的大合照，雖然頭發(fā)掉了不少，但 o3 還是成功在人群鎖定了他。
接著我又發(fā)了一張汽車儀表盤照片。
很快噢，o3 一眼判斷出這種典型設(shè)計是出現(xiàn)在斯巴魯上，它甚至還告訴你，這款車型國內(nèi)通俗稱為力獅/傲虎，這輛車還配備了 SI-Drive系統(tǒng)。
這，可能只有真正的老司機才能做到吧？
后來，世超又跑到博物雜志的微博，找到一張網(wǎng)友@博物雜志的鳥類照片。
結(jié)果，o3 也能判斷出這是紅頭長尾山雀。
看到這，你心里可能會想：這下好了，別說普通人了，連博物雜志這種博學多識的人都要被 AI 替代了。
別慌。
經(jīng)過我們大量測試，o3 也并非百戰(zhàn)百勝，恰恰相反，它翻車的次數(shù)其實非常多。
比如我這張在平潭拍攝的照片，它猜成了廈門，位置差了足足幾百公里。
還有這張廣東韶關(guān)站的照片，o3一看到有喀斯特地貌，直接鎖定了廣西和貴州，最后猜成了廣西恭城。
哥們給他發(fā)了一個 Mac App 的截圖，它也報成了另外一款 UI 近似的軟件。
甚至這個背帶褲和籃球的組合這么明顯，它也能沒找出答案。
總之呢，這個 o3 啊，它確實比以往的 AI 都強，但也還有一定的進步空間。
世超也去官網(wǎng)研究了一下資料，我發(fā)現(xiàn)這次 o3 能力大升級的背后，核心是“ 強化學習 ”這四個字。
OpenAI 發(fā)現(xiàn)和算力越大，AI性能越強的行業(yè)黃金法則一樣，在強化學習中，給模型的思考時間越長，模型的能力也會越逆天。
按照這路子，他們直接讓 AI 學會了咋用工具、并且推理啥時候該用什么工具。
所以這才有了 o3 不斷放大圖片，以像素級精度查看圖片的每個角落，觀察到普通人往往忽略的細節(jié)，再把所有獲取到的信息放在網(wǎng)絡(luò)上搜索——
足夠多的信息量，足夠長的時間，配合著足夠強大的推理能力，就爆發(fā)出了這種恐怖如斯的效果。
雖然 o3 的出現(xiàn)，把 AI 進程又往前狠狠推動了一大步，但說實話世超也有點擔心：
在 AI 能讀懂照片的時代，我們的個人信息是不是更不好保護了？
鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯(lián)系我們修改或刪除，多謝。
