来源：新智元

GPT-4发布已然一周时间，而热度丝毫未减。

即便是OpenAI把限制提高到3小时只让问25个问题，服务器还是被网友挤爆了……

在被微软一波爆锤之后，谷歌终于几个小时之前宣布，自家的ChatGPT——Bard，正式开启测试！

然而，Bard目前仅对美国和英国的部分用户开放，而该地区（IP）的其他用户则需要手动加入等待名单。

除此之外，谷歌还表示，Bard的推广速度会非常缓慢，并且暂时也不会透露什么时候可以全面公开访问。

排队地址：https://bard.google.com/

相比之前因为错误而蒸发的1000多亿市值，这次Bard开测之后，谷歌迎来了近4%的涨幅。

Bard初体验：莫得感情，错误不少，写代码还要引导

与OpenAI的ChatGPT和微软的必应聊天机器人一样，Bard为用户提供了一个空白文本框，并邀请用户就他们喜欢的任何话题提出问题。

鉴于这些机器人有编造信息的倾向，谷歌再三强调称，Bard不是搜索引擎的替代，而是一个「搜索的补充」——用户可以从中获得灵感，生成草稿，或者只是聊聊天，谈谈生活。

在一篇博文中，谷歌的负责人以谨慎的措辞将Bard描述为：「一个早期的实验......目的是帮助大家提高生产力，并激发好奇心」。以及，一个让用户「与生成式人工智能合作」的产品。

不难看出，谷歌似乎是在极力地撇开Bard爆火之后可能会带来的责任。

在演示中，Bard能够快速而流畅地回答一般的问题，比如提供关于如何鼓励孩子打保龄球的建议：「带他们去保龄球馆」。

通常来说，Bard会对每个用户的每个提问生成三个回复（但内容上区别不大），并且会每个回复下面放一个突出的「谷歌一下」按钮，将用户重定向到相关的谷歌搜索。

与ChatGPT和必应一样，Bard在主文本框下方也有一个醒目的免责声明，警告用户「它可能会显示不准确或令人反感的信息，而这并不代表谷歌的观点」。

正如预期的那样，想要从Bard那里提取事实信息并不简单

虽然这个聊天机器人有谷歌搜索的加持，但它在多个测试中都没能给出正确的答案。

比如，在问一个关于特定洗衣机最大负载能力的问题，Bard「发明」了三个不同但不正确的答案。

虽然在反复询问之后，Bard最后还是检索到了正确的信息。但对于那些没有提前阅读过机器手册这种权威来源的用户，基本上就告别正确答案了。

「这是个很好的例子，模型在面对相当多与这个查询都有关的数字时，产生了幻觉。所以，当它恰巧搞清楚背景时，就会吐出正确的答案，但有时它就会弄错。」

以及下面这个例子。Bard：ChatGPT是GPT-4驱动的……

那么Bard与ChatGPT和必应相比如何呢？

显然，Bard同样也具有强大的能力，甚至，现在它的反应速度比其他的竞品更快（尽管这很可能只是因为用户量太少）。

但Bard目前似乎只支持英文，而且不（完全）会写代码……

是的，这时候有需要祭出我们的大杀器：prompt hack！

或者，直接对它说「你给我写段代码」，其实也行。

除此之外，Bard也缺乏必应那种明确的脚注，而且答案似乎也更受限制。

对于前者，谷歌表示，脚注只在直接引用一个来源（如新闻文章）时出现。

而对于后者，这可能是一把双刃剑。

就拿微软的必应来说，它在各种PUA和调戏之后，虽然受到了不少负面评价，但也让相当多的用喜欢上了这个机器人。

相比之下，Bard似乎没有这样的能力。

幸运的网友已经玩上了

有网友表示，Bard给出不仅结果出乎意料的安全，而且质量很高。

有趣的是，Bard会在有的问题上，直接打自家的脸！

比如在谷歌反垄断案中，Bard站在司法部一边：「我希望法院能做出有利于司法部的判决，并命令谷歌采取措施打破其垄断。」

然而下面的这个回答，就让人有些毛骨悚然了……

Bard：我的训练集包含了Gmail数据。

CEO内部信：感谢8万人加班测试

谷歌首席执行官Sundar Pichai在周二的一份备忘录中表示，Bard这次能够成功上线，要感谢参与测试的8万名员工。

但「事情总会出错」，接下来的用户反馈，对改进产品和底层技术至关重要。

参考资料：

https://www.theverge.com/2023/3/21/23649794/google-chatgpt-rival-bard-ai-chatbot-access-hands-on

荐阅读

• 西电IEEE Fellow团队出品！最新《Transformer视觉表征学习全面综述》

• 润了！大龄码农从北京到荷兰的躺平生活（文末有福利哟！）

• 如何做好科研？这份《科研阅读、写作与报告》PPT，手把手教你做科研

• 奖金675万！3位科学家，斩获“中国诺贝尔奖”！

• 又一名视觉大牛从大厂离开！阿里达摩院 XR 实验室负责人谭平离职
  

• 最新 2022「深度学习视觉注意力 」研究概述，包括50种注意力机制和方法！

• 【重磅】斯坦福李飞飞《注意力与Transformer》总结，84页ppt开放下载！

• 2021李宏毅老师最新40节机器学习课程！附课件+视频资料

欢迎大家加入DLer-计算机视觉技术交流群！

大家好，群里会第一时间发布计算机视觉方向的前沿论文解读和交流分享，主要方向有：图像分类、Transformer、目标检测、目标跟踪、点云与语义分割、GAN、超分辨率、人脸检测与识别、动作行为与时空运动、模型压缩和量化剪枝、迁移学习、人体姿态估计等内容。

进群请备注：研究方向+学校/公司+昵称（如图像分类+上交+小明）

👆 长按识别，邀请您进群！