【天天快播报】带「眼睛」的ChatGPT应用来了！150亿参数多模态大模型加持，读图、聊天样样全能

国产ChatGPT应用，弯道超车。

作者 | 镁客星球编辑部

(相关资料图)

在许多人的印象里， ChatGPT 是个无所不能的“怪物”。

它可以写诗，可以编代码，甚至可以直接生成长篇论文……此外，ChatGPT还极富情商、表现欲十足，只需数轮对话，就足以征服众人。

但ChatGPT真的是无所不能的吗？

作为聊天机器人，ChatGPT拥有出色的语言理解能力和文本处理能力，但受制于训练模型，ChatGPT并不支持 图片对话 。试想一下，在平日与好友进行聊天时，如果无法发送图片，那自然会失去部分乐趣。

而在国内，有这么一家AI研发团队，他们推出的“ 元乘象Chatlmg ”应用可以准确识别图片并能与用户进行聊天，就好比给ChatGPT加上 一双“眼睛” ， 看懂文字的同时，也能完美识别图片 。

日前，镁客网从元乘象研发团队获悉，“元乘象Chatlmg”最近刚刚上线，关注 微信公众号 “元乘象” 即可体验该应用。（注：受限于算力，初期为 邀请制 访问方式）

那么，“元乘象Chatlmg”的使用体验究竟如何，它的图片识别功能是否真的神奇呢？在产品上线前夕，镁客网进行了一次全方位的测评总结。

图 | 元乘象Chatlmg Logo

看图说话？这款ChatGPT应用很神奇

进入“元乘象Chatlmg”，可以看到该应用的界面十分 简洁明晰 ——位于下方的文字对话框，对称式的头像排版，各种元素组合成我们常见的聊天软件界面。

而在该应用的左下方，可以看到一个显眼的“ 上传图片 ”按钮。

目前，该应用图片上传支持三种方式，分别是 照片图库、拍照 和 文件导入 ，一次上传一张。

恰逢三八妇女节，镁客网也选了两样物品交给“元乘象Chatlmg”来帮忙判定一下是否适合，一张是从 搜索引擎 上下载的 口红图片 ，另一张是通过手机现拍的 便签本图片 ：

可以看到，“元乘象Chatlmg”精准识别出了两张图片中的产品，并且还延伸出一些其他描述，比如记事本上的小熊很可爱、口红放在白色背景前等等。

与此同时，对于这两份物品是否适合送给女孩子做礼物，也给出了自己的判断，还会提出礼物是否适合需要依据接收者喜好的理性建议。

在“元乘象Chatlmg”给出回复后， 我们又追问了一句 ：

嗯，建议非常中肯，上下文理解的逻辑也做到了连贯。

此外，镁客网也上传了一些 其他图片 让“元乘象Chatlmg”来识别。

比如这个：

又比如这个：

还有这些：

可以看出，“元乘象Chatlmg”的识别能力还是相当精准，并能 通过文字形式来描述所看到的图片内容 。

对比基于纯文本互动的ChatGPT，除了写诗歌、撰写文章这类基本互动，多了双“眼睛”的“元乘象Chatlmg”显然又挖掘出几项新功能，物品识别正是其重要功能之一。

之后， 随着数据量的不断扩增以及产品的不断优化，镁客网也期待“元乘象Chatlmg”能给我们带来更多出彩的表现 。

百亿级别参数大模型加持，未来将持续升级

本质上，ChatGPT是一款聊天机器人产品，在GPT-3大模型的帮助下，提供了文本生成的能力。而ChatGPT之所以强悍，也恰恰得益于GPT-3。

作为OpenAI开发的 自然语言处理 模型，其身上有着太多话题点。早在ChatGPT推出之前，GPT-3就已经在AI领域成功出圈。

据悉，该模型达到1750亿参数，一次训练就需调用上万块GPU，花费近460万美元的成本。如此疯狂的“吞金能力”，自然能支撑起ChatGPT这样的疯狂应用。

那么ChatGPT还有什么不足之处吗？答案是有的！

据元乘象研发团队表示，“元乘象Chatlmg”搭载了自研的 百亿级别参数多模态大模型 ，相当于给ChatGPT装上“眼睛”，使其能够更像人一样去对话。

所谓多模态，在AI领域中往往指感知信息，如 图像、文本、语音 等协同，帮人工智能更准确地理解外部世界。

也正是在多模态大模型的加持下，“元乘象Chatlmg”拥有了看懂图像的能力。

据元乘象研发团队介绍，目前该 元乘象AI大模型 参数规模大概150亿；数据方面目前主要是 图文对数据、VQA数据 等。而在训练过程中，该模型放开尽量少的可学习参数，从而保证在有限算力上的高效训练。

在问及该模型的 未来发展路径 时，元乘象研发团队向镁客网透露，除了当下的图文互动外，未来该大模型还会把 图片生成 的能力结合进来，这样在回答的时候也能回复自己生成的图像，让对话变得更生动。

另外，该模式也会加入包含更多模态，如 视频、音频 等，甚至与 数字人 等技术结合，开发出更生动立体的形象。

可以想象，在元乘象百亿参数多模态大模型的加持下，我们与聊天机器人的对话将变得更像真人口吻，AI技术在未来带给我们的惊喜也会越来越多。

中国AI厂商狂奔，国产Chat GPT还有多远？

就在本月举行的十四届全国人大一次会议“部长通道”上， 科技部 部长王志刚 在谈到ChatGPT时，赞扬其为AI及相关行业带来的进步。

与此同时，由ChatGPT引发的各种讨论，也被各位代表、委员们带进了两会。

事实上，早在2017年我国将发展人工智能上升为国家战略前，AI就已是全国两会上的“常客”。 如今ChatGPT火爆全球，不禁让人们再次发问： 中国的AI行业该如何抓住ChatGPT的时代潮流？

借由新品发布的机会，镁客网也与 元乘象研发团队负责人高一钊博士 就此问题进行了一番交流探讨。

在他看来， 国内对于AI大模型的建设需要有长远的布局和工作的连续性，才能开发出真正创新的技术 。

当我们回顾ChatGPT的“发家史”便可以发现，想做好一款AI大模型并非易事，背后是长期的资金投入以及算力技术迭代，另外还要考虑训练数据的优化、计算能耗的降低等方方面面。

换句话说， 想做好一款类ChatGPT应用，并非通过一次简单的“百米冲刺”即可完成，而是需要耐心跑完一场“万米长跑”，才能进入群雄逐鹿的“决赛圈” 。

但就目前的发展现状来看，国内大厂的AI大模型仍处在研发阶段，能像“元乘象Chatlmg”一样走到应用层面的团队仍非常少见——首先国内AI大模型的研发普遍起步较晚， 人才 缺口严重，其次是中文语境下大模型的训练难度更大，耗费的时间远超英文。

这些问题本该需要“耐心”去解决，但随着上一波AI投资热潮的冷却，许多公司被迫缩减预算，最终导致相关AI业务发展陷入了瓶颈。

相比之下，元乘象研发团队则走得相对顺利，一方面，该团队在AI应用领域的长期深耕探索，另一方面也得益于他们在多模态预训练模型上正确判断与前瞻性，最终在整个团队的坚持下，终在ChatGPT时代迎来了“ 开花结果 ”。

谈及AI企业未来的探索之道时，高博士也给出了自己的一些看法：“ 在生态搭建方面，国内可以促进 开源 ，毕竟人多力量大。 ”

结语

自去年发布以来，ChatGPT早已从一种“ 现象级产品 ”进化为一种“ 科技符号 ”，国内科技大厂争先恐后推出类ChatGPT产品，希望在这场竞赛中摘得所谓的“胜利”。

同时，伴随ChatGPT的火热，国内AI行业再次掀起新一轮新品热潮，“元乘象Chatlmg”正是在这期间脱颖而出。

从“元乘象Chatlmg”应用的测评来看，其体验感已经非常友好，甚至拥有“图像识别”这种ChatGPT所不具备的功能。

当然，作为早期版本的“元乘象Chatlmg”，在一些细节方面仍有欠缺，但相信在元乘象研发团队努力与坚持下，未来国产ChatGPT应用也能惊艳行业。

关键词：