GPT-4:从语言模型走向多模态模型,带来更为丰富的应用场景

GPT-4是大型多模态模型，能够接受图像和文本两种模态的输入，再通过文字给出正确的文本答复，在多个不同的应用场景中展现 出强大的能力。

1）给出一道物理题和相应的示意图，GPT-4可以给出具体的解题步骤和相应的答案

2）给出论文的截图，GPT-4可以总结出论文的主要内容，并根据用户进一步的提问补充其中的细节，在用户的指令下，GPT-4进一 步解释了论文中的第二个图像涉及的具体步骤。

3）用户给出一张具有相关数据信息的图表并提出了一个和图表数据相关的问题，GPT-4可以识别出图表中对应的数据，给出问题的 处理步骤和处理结果。如下图3所示，给定一张含有芬兰、格鲁吉亚、西亚每日人均肉类消费的图表，GPT4按照要求计算出了格鲁吉亚 和西亚每日人均肉类消费的和并给出了对应步骤。