2023年03月22日_谷歌Bard开放公测的解读

文章目录

2023年3月22日

面对OpenAI和微软的步步紧逼

谷歌这次终于呢不再坐以待毙了

昨天

谷歌正式宣布开放旗下Bard的公测

作为跟ChatGPT的正面竞争

首先呢面向英国和美国地区启动

目前这两个国家的用户呢

都可以在Bard.google.com

上进行排队的等候

随着测试的推进呢

Bard也会逐步的在其他地区开放

但是相比于OpenAI和微软

踌躇满志的这种状态呢

此前在Bard上栽了跟头的谷歌

这次显然更加谨慎

不同于牛New Bing大规模开放的策略

Bard的测试名额

也是逐步的被释放出来

同时呢

初始的版本只能对文本进行响应

这一次呢

谷歌也向大家展示了更多

Bard的使用界面

功能等等信息

总体来看呢

谷歌的Bard

跟New Bing的使用模式和功能呢

是基本一致的

这次Bard呢

也为用户提供了一个单独的聊天界面

用户可以在文本框中进行提问和搜索

比如让Bard帮你去写一个计划

编一个食谱

或者去帮你搜索某一个冷知识等等

定位

但是在定位上呢

谷歌一直在强调

Bard并不是谷歌搜索引擎的替代品

而是搜索的一个补充

谷歌认为Bard呢

是一个具有创造力的协作者

也就是collaborator

而New Bing呢则是把AI称之为副驾驶

也就是copilot

当你在Bard上提问之后呢

在答案的最下方有4个按钮

分别是点赞 不喜欢 重新生成Google it

也就是说呢

你在聊天的界面

就可以无缝的连接到

谷歌的主要搜索界面

二者呢也将相互的作为一个补充

但是New Bing呢

目前能够给出AI生成答案的信息来源

以及基于生成的答案

自动再去拓展问题

这些功能呢目前Bard还不具备

但是Bard也有比New Bing做的更多的地方

比如说当用户提出一个问题之后

Bard能够直接帮用户生成

3个不同版本的答案

你只需要选择"查看其他草稿"

就可以在这些答案的草稿中进行切换

并根据你的内容喜好来进行选择

总体来说呢从AI的功能上来看

Bard和New Bing大同小异

谷歌的求生欲

但是因为New Bing在上线以后呢

曾经出现过回答混乱

以及大众对它的批评

所以呢这一次谷歌Bard的最大的特点

就是在整个界面都透露出了谷歌

满满的求生欲

在Bard上

无论是提问的文本框下面

还是答案生成框的下面

时刻呢都写着一行小字

提醒着用户

Bard可能生成不准确

或者略带攻击性的信息

但是这并不代表谷歌的官方观点


而且在你开始使用Bard之前

也会先明确的提示你

Bard目前还只是处于实验阶段

而且在页面Bard的logo的旁边

也有一个大大的experiment的标志

在今天谷歌的官方博客中呢

谷歌甚至还自己先举出了一个

Bard回答错误的例子

所有这些举措呢

都是在给大家打预防针

让大家做好预期管理

Bard的演示翻车

其实谷歌这次的谨慎呢

也完全可以理解

毕竟呢

一个月前Bard刚刚亮相的时候

一个天体物理学上的事实错误

就直接干掉了谷歌1,200亿美元的市值

不知道大家还记不记得啊

当时呢用户问道

詹姆斯韦伯太空望远镜

也就是简称JWST

曾有哪些新的发现

Bard回答

JWST拍下了

首张太阳系外的行星照片

但是实际上呢

这张照片是欧洲南方天文台在2004年

用very large telescope

也就是VLT所拍下的


最打脸的是在Bard演示前呢

谷歌还曾经信誓旦旦的表示

Bard不仅能够胜任

ChatGPT的所有角色

而且比ChatGPT更负责任

但是没想到立刻就在演示中翻了车

不仅Bard被一顿群嘲

而且谷歌最近一直也被微软压着打

而这次谷歌开放Bard的公测

明显吸取了上次的教训

态度上呢更加的谦虚

在发布的信息准备方面呢

也准备的更加充足


据了解在Bard翻车以后

谷歌的CEOpichai

孙达尔·皮柴

给全公司全员发了一封内部的邮件

一方面呢告诉大家要稳住心态

另一方面

号召谷歌的全体员工

积极参与到Bard内测中

并且公布了Bard的完整训练指南

在这份指南中

谷歌强调了

如何去构建一个负责任的AI

让员工向Bard提问

并且去评估Bard的回复

并且标注出不符合事实的一些

不当回复


同时呢

也明确了可以做和不可以做的事项

比如不能将Bard描述成一个人啊

不要对它进行情感上的暗示


特别强调了当发现AI有生成仇恨

有害 虚假 非法 辱骂

或者征求敏感信息的答案的时候

要进行标记并上报给团队

目前开放的公测界面类似

员工在测试期间

也有点赞和踩的这个按钮

这样就能够快速的进行信息的分类


有消息显示在过去的几周

已经有超过8万名谷歌的员工

参与了Bard的内测

很多员工呢

每天都要花上2到4个小时

和Bard进行对话

然后提供测试的反馈


在谷歌公司内部的会议上

pichai曾经暗示在推出Bard的这件事上

谷歌呢并不是一定要赶时间

而是首先要保证技术的可靠性

如今呢Bard已经正式的开启公测

应该也意味着在过去几周中

Bard已经通过了谷歌

内部的一些审核标准

不过Bard实际使用效果

可能还有待于大家去验证


知名的逆向工程专家 Jane Manchun Wong

在拿到Bard体验资格之后呢

对它进行了测试

她尝试让Bard去编写一个Javascript函数

这个函数呢

接受两个数字作为参数

然后把这两个数字相加

其实就是简单的一个求和的函数

然后让Bard去实现这个代码

看起来应该很简单对吧

但是Bard的回答是

我是一个基于文本的AI

这已经超出了我的能力范畴

就是说它现在还没有办法去生成代码

但是如果你拿着这个问题

去问ChatGPT

ChatGPT却能够轻松的给出具体的代码

这么看来呢

Bard实际上还是任重道远啊

众所周知啊

谷歌在AI的战争上是

起了个大早

赶了个晚集

最近OpenAI和微软

向它发起了猛烈的进攻

可以说已经把谷歌逼到了悬崖边上

本月初呢在New Bing上线一个月的时候

微软官方发布了最新的数据统计

表示这一个月以来呢

New Bing一共吸引了超过百万的新用户

现在New Bing每日的活跃用户呢

已经突破了1亿大关

其中大概1/3的用户

每天都在使用chat的功能

平均每个会话会有3次聊天

总聊天的次数已经超过了4,500万次

除了在搜索之外呢

谷歌Chrome统治的浏览器领域

集成了AI能力的Edge

也开始发力的去抢夺用户

微软呢正在逐渐的形成

搜索+答案+聊天+创造的一个生态

对于微软的进攻呢

谷歌不可能不着急

这段时间呢

两家公司基本上都在你来我往

见招拆招的状态

只要一家开了AI发布会

或者宣布了新产品

另外一家必定隔天就会放出新的消息

甚至这两家的战火已经从搜索浏览器

一路烧到了办公软件领域

对于已经落后一步的谷歌来说呢

要想在短时间内突破微软的包围

并不容易

但是在搜索领域

谷歌所占据的优势还是非常明显的

只要接下来Bard不要频繁的翻车

或者出现什么大的离谱的事件

New Bing还是很难对它造成很大的威胁的

同时呢如果谷歌

瞄准ChatGPT目前所存在的技术缺陷

重点去解决信息安全和可靠的问题

也可能成为弯道超车的一个机会


对于ChatGPT的威胁呢

此前pichai就曾经表示过

谷歌过去一些最成功的产品

也不是第一个就推向市场

之所以能够取得最后的成功

是因为谷歌重视了用户的需求

并且建立在深刻的技术洞察之上

随着时间的推移

才最终赢得了用户的信任


那么在AI的竞争上呢

谷歌依然会如此

随着现在Bard的公测

微软和谷歌的搜索之战

或许才刚刚拉开帷幕

那么你更看好谁呢

欢迎大家留言评论

相关推荐
果冻人工智能1 小时前
2025 年将颠覆商业的 8 大 AI 应用场景
人工智能·ai员工
代码不行的搬运工1 小时前
神经网络12-Time-Series Transformer (TST)模型
人工智能·神经网络·transformer
石小石Orz1 小时前
Three.js + AI:AI 算法生成 3D 萤火虫飞舞效果~
javascript·人工智能·算法
孤独且没人爱的纸鹤1 小时前
【深度学习】:从人工神经网络的基础原理到循环神经网络的先进技术,跨越智能算法的关键发展阶段及其未来趋势,探索技术进步与应用挑战
人工智能·python·深度学习·机器学习·ai
阿_旭1 小时前
TensorFlow构建CNN卷积神经网络模型的基本步骤:数据处理、模型构建、模型训练
人工智能·深度学习·cnn·tensorflow
羊小猪~~1 小时前
tensorflow案例7--数据增强与测试集, 训练集, 验证集的构建
人工智能·python·深度学习·机器学习·cnn·tensorflow·neo4j
极客代码1 小时前
【Python TensorFlow】进阶指南(续篇三)
开发语言·人工智能·python·深度学习·tensorflow
zhangfeng11331 小时前
pytorch 的交叉熵函数,多分类,二分类
人工智能·pytorch·分类
Seeklike1 小时前
11.22 深度学习-pytorch自动微分
人工智能·pytorch·深度学习
庞传奇1 小时前
TensorFlow 的基本概念和使用场景
人工智能·python·tensorflow