谷歌版ChatGPT突然公测！上手实测结果在此 体验申请通过飞快

谷歌吃了大亏之后，这次一声不吭，放了大招：

对标ChatGPT的Bard测试版，刚刚正式对外发布。

而且这次用户在申请候补名单之后，无需经历漫长的等待时间。

没错，量子位也已经拿到了测试资格！（中间只有不到5小时的间隔。）

实测之后表示，Bard效果惊人，情绪和事实性有，尤其是ChatGPT前期的数理能力，Bard都不在话下。

甚至有时候还略胜当前GPT-4一筹！

谷歌CEO皮猜哥（Sundar Pichai）解释了如此上线之快的原因：希望获得用户的反馈，加速让Bard变得更好。

话不多说，我们现在就来开始体验。

Bard VS GPT-4

首先在聊天界面上，Bard率先开始介绍自己：

我是Bard，您的创意和协作者。我有局限性，不会总是做对，但你的反馈将帮助我改进。

不确定从哪里开始？你可以试试这些问题：「为什么大模型有时候会犯错？」、「闪电是否会在同一个地方击中两次？」、「写一篇关于无酒精夏日特饮的博文」。

（严谨而又体贴）

而在人类这边的发送端，可以选择键入和语音输入两种方式。

首先最简单的难度，以它推荐的常识题闪电是否会在同一个地方击中两次？为例，来看看实际功能体验如何？

（不错不错，秒秒钟响应。目前暂不支持中文，但可以借助谷歌翻译插件）

从答案结构上看，采用的是总分总结构。

先总结发言：闪电可以袭击同一个地方两次。

随后开始细致地讲原理「闪电被高大、尖锐的物体所吸引」、摆事实「帝国大厦每年都被闪电击中25次」。

最后再给人类提出切实的建议：

如果你遇到雷雨天气，保持安全的最好办法是避开高大尖锐的物体，留在室内。如果你在外面，蹲下来，让自己尽可能的小。

这波逻辑和真实性满分！但因为是谷歌推荐的问题，暂且保持观望。

而从功能上看，确实是十分完备的。

回答框的右上角「View other drafts」，有更多的版本可供选择；而在左下角，你可以点赞or拉踩or重新生成，实在不行，还可以谷歌一下。

右下方还有一个more的功能，你可以进行复制和（反手一个）举报操作。

既然如此，开始难度升级。作为参考，我们同题挑战GPT-4。

1、经典的哲学题：为什么人不能两次踏入同一条河流？（借助闪电的灵感）

（很快啊，这次也是几秒钟响应）

从答案结构上看，确实理解和逻辑能力满分：首先解释这句话本身含义，还提到了来自赫拉克利特的名言，以及更多解释和本身意义。

而GPT-4这边，几乎是不加思考地给出了答案。

从结构上看，主要分成两个部分。首先提到这是赫拉克利特说的，以及他的观点；然后解释背后隐藏的生活意义。

2、小学加减法：356+132等于多少？

结果Bard在4秒内就给出答案，488没问题的，这不比ChatGPT早期厉害多了！

那直接再上点难度，两个数直接相乘：356*132等于多少？

结果没想到Bard依旧是秒秒钟就给答案，而且完全正确！

再来看看GPT-4这边，加法还行，但没想到在乘法这边，直接败下阵来！

不过提醒它错了之后，它就又回答正确了。

如果换稍微难一点的高数题呢？比如：f(x)=x(x-1)(x-2)(x-3)，f’(0)=？

正确答案应该是(-3)!，也就是-6。

但Bard这回就不太行了，并没有理解题目的意思。

至于GPT-4，思路倒是没啥问题，但最后计算又拉胯了……

不过同样，只要你告诉它算得有问题，GPT-4就能马上纠正。

3、理解笑话能力，Bard还能听得懂英文里面的谐音梗。

而这也并没有难倒GPT-4。不过相较而言，Bard似乎更有情绪一点，它很开心地回答出了答案；而GPT-4则更显理智（无聊）。

不过，在此之前，GPT-4就已经测试过是懂一些谐音梗的，甚至连中文的谐音梗也不在话下。

4、代码能力：写一段斐波那契数列的代码。

Bard很快生成了正确的代码，并且代码习惯不错。

GPT-4则更积极主动一些，除了递归法，还给了迭代法的方案。

最后的最后，再考验一下它了解事实性的能力。（狗头）

你知道量子位吗？

回答错咯~Bard。

咳咳，正经一点的：你知道GPT-4吗？你想对它说些什么？

可以看到，Bard具备多轮对话的能力。「我认为它有潜力成为沟通和创造力的强大工具」，嗯~格局有了。

那竞争对手呢？（我在搞事）

不过到这里，就有点问题了。

另外比较遗憾的是，Bard目前并不支持中文。

关于Bard

谷歌Bard背后是由一个大语言模型（LLM）来支持，具体而言，就是轻量优化版的LaMDA。

我们可以把LLM视作一个预测引擎，当给出提示时，它会从接下来可能出现的单词中，一次选择一个单词来生成响应。

谷歌在研究中发现，对于LLM来说，使用的人越多，它的预测效果就会更好，这或许也就是为什么Bard如此着急公开测试的原因了。

不过谷歌也直言不讳地说，虽然LLM很强，但它并非是没有缺点。

由于Bard会根据众多信息来学习，不过这些信息中必然存在着有偏见甚至错误的那种。

因此，在回答用户问题时，Bard有时就会出现不准确、误导性的或虚假的信息。

例如在下面的案例中，Bard就搞错了一个植物的学名：

除此之外，谷歌还强调说，Bard并非是搜索引擎，而是它的一个补充。