支持 50 多种语言的 ChatGPT 将能够实时理解视觉场景，帮助你解决问题，甚至化身 AI 导师教你掌握新事物。

在这场同样不到 20 分钟的发布会上，由 OpenAI 首席产品官 Kevin Weil、Jackie Shannon、Michelle Qin 和 Rowan Zellers 等人向我们展示长了「眼睛」的 ChatGPT 究竟能干些什么？

比如说，当你入手了一套手冲咖啡设备却不知从何入门时，不妨给 ChatGPT 打一通「视频通话」。

它就能根据你面前的器具，手把手教你完成每一个步骤，从放置滤纸、倒热水、将磨好的咖啡粉放入滤纸中等等，包教包会。

嘿，Kevin，你的圣诞老人服装很有节日气氛。或许继续练习你的「Ho Ho Ho」，很快就能成为购物中心的圣诞老人了。

实际上，OpenAI 总裁 Greg Brockman 前不久也与安德森·库珀（Anderson Cooper）利用带视觉功能的 ChatGPT 进行了关于人体解剖学的知识小测验。

当库珀在黑板上画出身体部位时，ChatGPT 能够瞬间「理解」他所画的内容。

Google Deepmind 研究科学家 Jonas Adler 更是直接呛声 OpenAI：

OpenAI 总能迅速对我们发布的产品做出回应，而且似乎总能在同一时间发布，这令人感到神奇。然而，我对他们将 Santa 模式作为对 Gemini 2.0 的回应并不太感冒，因为它似乎缺乏与 Gemini 2.0 相匹配的重要性和严肃性。

值得一提的是，昨天，Google 抢先一步推出了具备视觉理解能力的 AI 产品，能够理解并解析用户所处的实际场景，且收获网友的一众好评。

到了今天，OpenAI 也紧随其后，为 ChatGPT 装上了「眼睛」，这也意味着 ChatGPT 从相对单一的模态，进一步拓展至「视觉—语言多模态理解」。

换言之，ChatGPT 将不再局限于用户输入的文字指令与信息，而是能够通过视觉来理解用户所处的上下文环境，包括电脑屏幕上的页面、手机摄像头所捕捉的影像、甚至其他外设的实时画面。

如果说半个世纪前，施乐 PARC 实验室的科学家们幻想过一台能看懂人类行为的计算机。今天 AI 的发展，正在把这个梦想变成了显示器之外的现实。

从纸到键盘，从二进制到自然语言，人类一直在简化与机器的沟通方式。而 ChatGPT 的视觉能力也让我们看到了终极答案，那就是让机器像人一样「看」这个世界。

考虑到 Altman 和前苹果首席设计官 Jony Ive 一直在开发智能 AI 硬件设备，我更期待看到这项功能出现在这款新硬件上。

AI 睁开眼睛的那一刻，也终于走进了人类眼中的世界。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿|原文链接· ·新浪微博