Глубокий поиск: большое обновление, наконец-то «открыл глаза»

Я думал, что безумное обновление этого безумного ИИ уже завершилось, но на прошлой неделе только выпустили DeepSeek V4, и вдруг появился еще более крупный сюрприз.

Только что запустился режим распознавания изображений в DeepSeek, показывается, что он находится в тестовой фазе. Это означает, что многообещающая мультимодальная способность DeepSeek, обсуждаемая целый год, наконец-то реализована!

В настоящее время обновленные веб-версия и приложение DeepSeek могут быть в тестовой фазе с режимом распознавания изображений, и APPSO сразу же провел тестирование.

Исследователь мультимодальных возможностей DeepSeek Чэнь Сяокан на платформе X написал: «Now, we see you», — и приложил изображение. Пусть DeepSeek попробует интерпретировать, что оно значит.

Результаты показывают, что он способен распознать метафору за этим изображением, хотя в нем нет никаких слов о DeepSeek, но благодаря распознаванию личности автора и изображения он сделал вывод, что это обновление мультимодальных возможностей DeepSeek.

В конце он дал очень точное резюме: «Этот кит, который не видит мир, наконец-то открыл глаза».

По сравнению с ответом, APPSO считает, что процесс мышления DeepSeek в режиме распознавания изображений более интересен.

Ранее ИИ, глядя на ту же твит-скриншот, скорее всего, просто описывал бы его честно: «Две синие кита, слева в маске, справа без маски».

Но DeepSeek сразу начал задавать вопросы: кто этот человек? Почему он это опубликовал? Что означает логотип кита? Что намекает «XX» на маске?

Это действительно то, что происходит в нашей голове, когда мы видим мем-изображение. Никто не считает, сколько китов на картинке, нас интересует, кто кому говорит и какая скрытая подсказка.

И он еще и постоянно исправляется.

Например, он даже однажды связал маску на изображении с очками Камина из «Техномага», а потом сам себя опроверг: «Нет, это слишком гиковский стиль». «Подождите, внимательно посмотрим…» «Перевернем с другого ракурса…»

Эти рассуждения, ассоциации и самокритика очень интересны. Но самым необычным в его мышлении было то, что, почти под конец, он внезапно поставил паузу и провел небольшую защиту своей логики.

Он задал себе три вопроса, ответил на них, сначала подтвердил объективные факты, затем предположил характер события и только после этого сделал интерпретацию. DeepSeek превратил этот привычный для нас способ мышления в логику распознавания изображений.

Как перед выводом мы обычно проговариваем внутри: «Подождите, а этот предпосылка верна? А это предположение обосновано? А что если я неправильно понял направление?»

Мы также предложили DeepSeek классическую задачу тестирования ИИ — посчитать количество пальцев.

Он подумал и ответил неправильно, при этом пожаловался: «Я действительно запутался с подсчетом».

Но если я немного подскажу, он сможет дать правильный ответ.

В другом тесте на подсчет пальцев, после первой ошибки я не давал ответ, просто попросил его подумать еще раз — и он смог дать правильный ответ.

Мы также попробовали классический тест «сердечко», который ранее ставил в тупик всех ИИ, и DeepSeek тоже не смог его распознать.

Если оставить эти сложные тесты в стороне, то по предварительным результатам тестирования APPSO, точность распознавания изображений DeepSeek достаточно высока, без режима размышлений он может дать ответ за полсекунды.

Например, распознавание кадра из фильма, скорее всего, уже есть в базе данных.

Он также очень хорошо понимает абстрактные изображения.

Понимание товара Uniqlo тоже без проблем.

Однако процесс распознавания, скорее всего, происходит без поиска в интернете, основываясь только на базе знаний, поэтому некоторые новые вещи, например, новый талисман Apple Finder, он распознать не сможет.

Также формат файлов для загрузки в режим распознавания ограничен, например, HEIF не поддерживается.

Запуск режима распознавания изображений в DeepSeek означает, что этот кит наконец-то открыл глаза, но, возможно, это только начало.

Многообещающие мультимодальные возможности DeepSeek могут скоро пополниться новыми обновлениями, и после устранения этого недостатка весь рынок отечественных моделей может снова претерпеть тонкие изменения.

APPSO продолжит делиться с вами опытом использования режима распознавания изображений DeepSeek, а также приглашает всех делиться интересными лайфхаками и деталями после тестирования.