共计 2752 个字符，预计需要花费 7 分钟才能阅读完成。
谷歌 (Google) 作为开源过驰名深度学习框架 Tensorflow 的超级大厂，是人工智能畛域一股不可漠视的中坚力量，旗下新产品 Bard 曾经颁布测试了一段时间，毁誉参半，很多人把 Google 的 Bard 和 OpenAI 的 ChatGPT 进行比照，Google Bard 在 ChatGPT 背后仿佛有些技不如人。
事实上，Google Bard 并非对标 ChatGPT 的产品，Bard 是基于 LaMDA 模型对话而进行构建的，Bard 旨在构建一个对话式的 AI 零碎，使其可能更好地了解人类语言，并且具备进行多轮对话的能力。而 GPT 的指标是生成自然语言文本。
在特色数据层面，Bard 应用了像 Gmail、Meet 等 Google 社交产品线中的对话数据来进行训练，这些数据曾经通过了严格的隐衷保护措施。而 GPT 则是通过大规模的网页爬虫来获取数据，它的训练数据量比 LaMDA 要大得多。
模型构造层面，Bard 采纳了一种称为“Transformer”的神经网络构造，该构造能够解决长文本并放弃信息连贯性。GPT 也应用了 Transformer 构造，但它还采纳了一种称为“自回归”的形式，即依照工夫步骤一个接一个地生成文本。
说白了，在利用层面上，Bard 适宜开发智能助手、聊天机器人、虚构客服等利用。而 GPT 更实用于自然语言生成工作，例如文章撰写、机器翻译等等。
Bard 对话测试(英文 / 中文)
拜访 bard.google.com，随后输出聊天内容：
一望而知，对话输出的内容只反对英文，并不能输出中文。
但事实上，只有略微扭转一下对话逻辑，也能够让 Bard 返回中文信息，比方：
Bard 代码能力
私认为 Bard 的代码能力并不输于 ChatGPT：
尤其是对自家的深度学习框架 Tensorflow 更是一五一十，生成的代码如下：
import tensorflow as tf
def load_model():
"""Loads the TensorFlow image recognition model."""
model = tf.keras.models.load_model('mobilenet_v2_1.0_224')
return model
def recognize_objects(image):
"""Recognizes objects in an image."""
# Convert the image to a tensor.
image = tf.image.convert_image_dtype(image, dtype=tf.float32)
# Resize the image to 224x224 pixels.
image = tf.image.resize(image, [224, 224])
# Normalize the image.
image = tf.image.normalize(image, mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
# Predict the labels of the objects in the image.
predictions = model.predict(image)
# Return the labels of the objects in the image.
return predictions
def main():
# Load the image recognition model.
model = load_model()
# Load an image.
image = tf.io.read_file('image.jpg')
# Recognize objects in the image.
predictions = recognize_objects(image)
# Print the labels of the objects in the image.
for prediction in predictions:
print(prediction)
if __name__ == '__main__':
main()这里是应用 Tensorflow 内置小模型 mobilenet\_v2\_1.0\_224 的智能识图逻辑，简洁而谨严。
Bard 网络架构
在浏览器 (B 端) 架构上，Google 极其自信地应用了 HTTP2 协定的接口进行通信，而没有仿效 ChatGPT 应用 SSE 协定：
咱们晓得 ChatGPT 应用 SSE 协定其实是等而下之的次优抉择，因为 GPT 模型在推理上须要工夫，所以走的模式是一边推理一边返回的流式模型，对于流式返回，请移玉步至：逐句答复, 流式返回,ChatGPT 采纳的 Server-sent events 后端实时推送协定 Python3.10 实现, 基于 Tornado6.1，这里不再赘述。
而 Google 的 Bard 抉择一次性返回所有推理数据：
所以推理效率上，Bard 要优于 ChatGPT，但仅限于收费产品线，截止本文公布，ChatGPT 的免费产品 gpt3-turbo 和 gpt4 的推理效率都要远远高于其收费产品。
Bard 的近程接口 API 调用
和收费版本的 ChatGPT 一样，Bard 目前只反对浏览器端 (B 端) 的应用，但也能够通过浏览器保留的 Token 进行近程调用，首先装置 Bard 开源库：
pip3 install --upgrade GoogleBard随后复制浏览器端的 token 秘钥：
接着在终端通过 Session 进行注入：
python3 -m Bard --session UggPYghLzQdQTNx1kQiCRzbPBA1qhjC-dndTiIPCk3YPLR5TexmP7OQ7AfUdsfdsf1Q.随后就能够进入终端内的对话场景，应用 alt+enter 组合键或者 esc+enter 组合键发送信息即可：
➜ work python3 -m Bard --session UggPYghLzQdQTNx1kQiCRzbPBA1qhjC-dndTiIPCk3YPLR5TexmP7OQdfgdfgdfUSg0UQ.
Bard - A command-line interface to Google's Bard (https://bard.google.com/)
Repo: github.com/acheong08/Bard
Enter `alt+enter` or `esc+enter` to send a message.
You:
hi
Google Bard:
Hi there! How can I help you today?十分不便，次要是速度相当惊艳。
结语
仅就收费版本所提供的产品力而言，Google Bard 和 ChatGPT 堪称是各有千秋，私认为 Google Bard 在效率和应用逻辑上要更胜一筹，并不是网上所传言的那么不堪。所谓一枝独秀不是春，百花齐放才是春满园，Google Bard 和百度的文心一言，都会对 ChatGPT 造成压力，让 ChatGPT 放弃光速更新，成为更好的本人。