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。