深度解读 | 搭载谷歌最强大模型Gemini的Bard能否赶上ChatGPT



大家好,我是极智视界,欢迎关注我的公众号,获取我的更多前沿科技分享

昨天早上看到了相关的报道,谷歌昨天发布了 "号称最强的大模型" Gemini,还是熟悉的字眼、还是熟悉的配方。之前谷歌一直在 AIGC 的竞争相对于微软的 OpenAI 全方位处于下风,即使前段时间推出了对标 ChatGPT 的 Bard、对标 GPT-4 的 PaLM2,当然,实际情况是没有 "标过"。这次,外界期待已久的谷歌大语言模型 Gemini 来袭,从定位来看应该是之前谷歌大模型 PaLM2 的替换者或者说升级版,目标就是打落长期 "霸占" 神坛的 GPT-4。

现在各大平台都在鼓吹 "性能最强大模型 Gemini 来袭",这确实有些许 "鼓吹之意",可能用 "谷歌最强大模型" 会更加合适。虽然 Gemini 的测试报告显得特别强,但是你真的是否足够强大,永远不是只停留在 benchmark 测试上就行,而是需要体现在用户的实际使用体验上,特别是对于现在的大模型,尤为如此。好用,你才强

记得谷歌在今年的 Google I/O 上发布 PaLM2 的时候,"社会舆论" 也是差不多现在这个基调,当时也是号称 "最强语言模型 PaLM2 来袭、Bard 能力跃升" 之类的词眼。但是几个月过去了,GPT-4、ChatGPT 依旧风光不减,而反观谷歌的 PaLM2、Bard,真有点 "风声大雨点小" 的意思了。

而这次的 Gemini 和 GPT-4 不太一样,GPT-4 总的来说是走的语言大模型 LLM 路线,然后 "按需" 加入多模态,而谷歌的 Gemini 是原生多模态打造。因为 "原生多模态",所以 Gemini 多模态能力应为更强、融合度更高,而这也体现在了 Gemini 的评测报告中,涉及自然图像、音频和视频理解、数学推理任务等,可以说是挑了些 GPT-4 "不太硬" 的地方猛攻,主打差异化。Gemini 要是在这几个方面 "起不来",那就真完了,PaLM2 就是前车之鉴。

这次发布的 Gemini 为 1.0 版本,分为 Ultra、Pro、Nano 三个版本,基本可以对应到 云、边(云边)、端 三层算力结构,可谓全场景覆盖了。特别是 Nano 版本,它侧重于端侧的处理能力,而这对于大模型的广泛落地至关重要。之于 Gemini 的推出,全新的 Bard 也会搭载 Gemini 大模型,以再次对标 ChatGPT。而又考虑到 Gemini 的 Ultra 和 Pro,大概率以 Ultra 版本驱动的 Bard Advanced (对标 ChatGPT-4) 会是收费版本,而以 Pro 版本驱动的 Bard 会是免费版本 (对标 ChatGPT-3.5),Nano 估计会开放用于推广。但是这种模式,我觉得对于现在的谷歌处境来说不太靠谱,现在的谷歌处于弱势,"挤牙膏" 的方式并不适合,需要全面碾压才行,所以最好的做法就是对于全部免费使用,这样对于每月化 20 刀的尊贵的 ChatGPT-4 用户估计会有大部分会倒戈 Bard Advanced。当然,"免费" 的意思是 Bard-A 免费,但 API 可以收费,先保证 to-C 的普及。

目前的 Bard 其实是搭载的 Gemini Pro,还没上 Gemini Ultra 版本,而据谷歌消息,将会在明年推出由 Gemini Ultra 驱动的 Bard Advanced 预览版,而这才会是搭载谷歌 LLM 或者更应该说是 MLLM 最强大、功能最全面的 Bard 版本 (其实明年已经不远啦)。大家现在可以做的比如一些 Bard 和 ChatGPT-4 的对标测试,使用的还不是最完整形态的 Bard,所以这种对比只能看出个一二,不能看出个所以然。来个 "阴谋论",从某种角度来说,我甚至觉得这可能是谷歌使用的 "一些小伎俩",就是不把最强的放出来,就是要让大家去猜去讨论,先攒几个月热度,提高对自身 Bard、对自身 Gemini 的关注度,待到明年热度减褪,再放出 Gemini Ultra,浇油点火。

以上还不是最关键的,最关键的在于即使你能跟 ChatGPT-4 打个平手,甚至是超越 ChatGPT-4,那又怎么样呢。OpenAI 的最强大模型可不至 GPT-4,GPT-4 是于 2023 年 3 月 14 日发布的,到目前已经快过去九个月了,按照 OpenAI 的迭代速度,手里肯定还握着下个更强版本的大模型已经在做各种安全测试,包括但不至于之前透露的 Q* 模型。这个意思就很像在 AI 芯片领域,咱们的国产 AI 芯片努力地、拼命地造芯去追赶英伟达,好不容易赶上 T4 的性能了,但回过头来发现已经落后了好几代,而且差距是越来越大。而反观谷歌 Gemini如果 OpenAI 在谷歌放出 Gemini Ultra 之前升级了 GPT-4,那谷歌就很尴尬了只能说一切皆为商业

所以,在大模型领域、在 AIGC 领域,我还是会更看好 OpenAI,更看好 ChatGPT。


【极智视界】

《深度解读 | 搭载谷歌最强大模型Gemini的Bard能否赶上ChatGPT》

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/206397.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

CentOS或RHEL安装code-server(vscode-web)

下载rpm安装包 网络下载或者下载到本地再上传到服务器,点击访问国内下载地址,不需要积分curl -fOL https://github.com/coder/code-server/releases/download/v4.19.1/code-server-4.19.1-amd64.rpm安装 rpm -i code-server-4.19.1-amd64.rpm关闭和禁用…

AESDES加解密脚本

库函数的默认输入和输出都是byte格式,如果是hex可以用long_to_bytes转化一下有偏移量加解密加iv参数即可 AES加密 AES的明文分组长度为128位(16字节),即明文长度需为16的倍数【不进行填充的情况下】密钥长度可以为128位&#xf…

OpenCV-Python:随机数与随机颜色

目录 Python中随机数 OpenCV-Python随机数 随机颜色的生成 随机噪声生成 代码练习与测试 知识笔记 Python中随机数 在Python中,我们可以使用random模块来生成随机数。random模块提供了一系列的函数来生成不同类型的随机数。以下是一些常用的随机数生成函数&…

案例精选|聚铭网络助力莱阳市人民医院打造合规性网络安全保障体系

莱阳市人民医院是一所集医疗、教学、科研、急救、康复、医养结合于一体的大型二级甲等综合性公立医院,占地总面积约3万平方米,建筑面积约7万平方米,设置科室48个,开放床位500张。医院先后获得山东省首批医养结合典型、山东省卒中防…

2024年江苏省职业院校技能大赛信息安全管理与评估 第二阶段学生组(样卷)

2024年江苏省职业院校技能大赛信息安全管理与评估 第二阶段学生组(样卷) 竞赛项目赛题 本文件为信息安全管理与评估项目竞赛-第二阶段样题,内容包括:网络安全事件响应、数字取证调查、应用程序安全。 本次比赛时间为180分钟。 …

MySQL数据库从小白到入门(二)

多表关系: 项目开发中,在进行数据库表结构设计时,会根据业务需求及业务模块之间的关系,分析并设计表结构。由于业务之间相互关联,所以各个表结构之间也存在着各种联系,基本上分为三种。 外键: 创…

批量AI人工智能写作软件下载【2024最新】

在当今数字化的浪潮中,人工智能技术为各行各业带来了颠覆性的变革。其中,AI在文案创作领域的应用尤为引人瞩目,而批量AI人工智能写作更是成为文案创作者们关注的热点。本文将深入探讨批量AI人工智能写作的概念、其在不同领域的应用&#xff0…

【Flink系列二】如何计算Job并行度及slots数量

接上文的问题 并行的任务,需要占用多少slot ?一个流处理程序,需要包含多少个任务 首先明确一下概念 slot:TM上分配资源的最小单元,它代表的是资源(比如1G内存,而非线程的概念,好多…

Uniapp - 环境搭建 vscode开发

uni-app 基础 创建 uni-app 项目方式 uni-app 支持两种方式创建项目: 通过 HBuilderX 创建(需安装 HBuilderX 编辑器) 通过命令行创建(需安装 NodeJS 环境) HBuilderX 创建 uni-app 项目 创建步骤 1.下载安装 H…

ElasticSearch篇---第七篇

系列文章目录 文章目录 系列文章目录前言一、什么是ElasticSearch中的过滤器?二、启用属性,索引和存储的用途是什么?前言 前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站,这篇文章男女通用,看懂了就去分享给你的码吧…

2023 金砖国家职业技能大赛网络安全省赛二三阶段样题(金砖国家未来技能挑战赛)

2023 金砖国家职业技能大赛网络安全省赛二三阶段样题(金砖国家未来技能挑战赛) 第二阶段: 安全运营 **背景:**作为信息安全技术人员必须能够掌握操作系统加固与安全管控、防火 墙一般配置、常见服务配置等相关技能,利…

点云从入门到精通技术详解100篇-线激光点云数据处理(续)

目录 4.2基于图像特征的点云拼接 4.2.1 算法描述及流程 4.2.2 二值图像生成 4.2.3 SIFT 图像匹配

MangoDB数据可updata报错

报错详情 报错原因 语法错误,我们调整语法即可 update({要修改的行},{$set{要修改的字段}})

代码混淆技术探究与工具选择

引言 在软件开发中,保护程序代码的安全性是至关重要的一环。代码混淆(Obfuscated code)作为一种常见的保护手段,通过将代码转换成难以理解的形式来提升应用被逆向破解的难度。本文将介绍代码混淆的概念、方法以及常见的代码混淆工…

2023年5个自动化EDA库推荐

EDA或探索性数据分析是一项耗时的工作,但是由于EDA是不可避免的,所以Python出现了很多自动化库来减少执行分析所需的时间。EDA的主要目标不是制作花哨的图形或创建彩色的图形,而是获得对数据集的理解,并获得对变量之间的分布和相关…

【WPF】应用程序和已知安卓设备的局域网IP之间进行通信

要在WPF应用程序和已知安卓设备的局域网IP之间进行通信,可以使用Socket通信。以下是一个基本的示例: 在WPF应用程序中创建一个Socket对象并连接到安卓设备的IP地址和端口号: using System.Net.Sockets;// 创建一个Socket对象 Socket socket…

【数据结构】栈和队列算法总结

知识概览 在数据结构中&#xff0c;栈和队列都属于线性表。栈是先进后出&#xff08;FILO&#xff09;的&#xff0c;队列是先进先出&#xff08;FIFO&#xff09;的。 代码模板 #include <iostream>using namespace std;const int N 100010;// ********************…

测试文档---消息驿站

文章目录 项目背景测试计划服务器模块设计测试用例进行单元测试/黑盒测试 客户端模块设计测试用例进行单元测试/黑盒测试 转发规则模块设计测试用例进行单元测试/黑盒测试 测试总结 项目背景 在高并发量的情况下&#xff0c;针对某一台服务器的访问量激增就可能导致该服务器“…

java中synchronized和Lock的区别是什么?

synchronized 和 Lock 都是 Java 中用于实现线程同步的机制&#xff0c;但它们在使用方式和功能上存在一些区别。 使用方式 synchronized&#xff1a; 是 Java 语言关键字&#xff0c;可用于方法或代码块。通过 synchronized 关键字实现的同步是隐式的&#xff0c;无需手动释…

欧拉操作系统

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录 前言一、pandas是什么&#xff1f;二、使用步骤 1.引入库2.读入数据总结 前言 提示&#xff1a;这里可以添加本文要记录的大概内容&#xff1a; 这个章节主要是介…