Google Bard初体验 - 感觉并不是很能打

写在前面:博主是一只经过实战开发历练后投身培训事业的“小山猪”,昵称取自动画片《狮子王》中的“彭彭”,总是以乐观、积极的心态对待周边的事物。本人的技术路线从Java全栈工程师一路奔向大数据开发、数据挖掘领域,如今终有小成,愿将昔日所获与大家交流一二,希望对学习路上的你有所助益。同时,博主也想通过此次尝试打造一个完善的技术图书馆,任何与文章技术点有关的异常、错误、注意事项均会在末尾列出,欢迎大家通过各种方式提供素材。

  • 对于文章中出现的任何错误请大家批评指出,一定及时修改。
  • 有任何想要讨论和学习的问题可联系我:zhuyc@vip.163.com。
  • 发布文章的风格因专栏而异,均自成体系,不足之处请大家指正。

Google Bard初体验 - 感觉并不是很能打

本文关键字:Google、Bard、AI、体验、首测

文章目录

  • Google Bard初体验 - 感觉并不是很能打
    • 一、Bard测试资格
      • 1. 申请渠道
      • 2. 地区限制
      • 3. 内测通过
    • 二、使用体验
      • 1. 语言支持
      • 2. 图片生成
      • 3. 生活服务
      • 4. 编程表现
      • 5. 内容生成
    • 三、结语

一、Bard测试资格

1. 申请渠道

差不多在一个月前,谷歌开放了Bard的测试申请:https://bard.google.com。使用谷歌账号登录后就可以加入waitlist,目前看应该很快就可以通过申请。

2. 地区限制

目前Google Bard只对United States/United Kingdom地区开放,所以在预约和使用的时候要注意一下自己的IP地址,这里懂得都懂。

3. 内测通过

小编在预约后,这两天收到了Google的通知,已经获得了内测的资格,打开官网就可以开始会话了。

二、使用体验

目前谷歌Bard还不算一个稳定版本,只开放了测试,表现上目前不如ChatGPT。只是简单的做了以下五个方面的测试,总的来说还是可以成为AI助手备选方案的。

1. 语言支持

首先要尝试的就是对于语言的支持,于是呼:

emmmm,不太聪明的样子。不仅仅是回答不支持中文,而是完全不懂另外的语言,这一点的表现甚至不如Open Assistant。但是此时想到,是否可以让它把回复的内容翻译之后发送给我,于是不死心的我又进行了尝试:

好吧,我放弃了,Help Center确实贴出了只支持English,但现在已经开始失望了,不知道是刻意关闭了某些功能还是本身的表现就和ChatGPT相差甚远。

2. 图片生成

首先测试一下图片生成功能,Bard本身不能直接输出图片,但是可以生成描述词,然后在Midjourney中完成图片输出。使用相同的要求:飞行中的钢铁侠,看看ChatGPT和Bard的表现,这里已经暗示会使用Midjourney来生成。

  • ChatGPT描述词

Iron Man soaring through the sky, iconic red and gold armor gleaming, fiery propulsion trail from the boots, skyscrapers below, capturing the essence of speed and power, Photography, telephoto lens (70-200mm) with a fast shutter speed, --ar 16:9 --v 5 --s 250 --v 5

  • Bard描述词

Iron Man soars through the sky, his red and gold armor gleaming in the sunlight. He flies effortlessly, his jet boots propelling him through the air. He looks down at the world below, his eyes filled with a sense of wonder. He is free, he is powerful, and he is Iron Man.

  • 对比

这里ChatGPT所生成的描述词是经过Prompts咒语加持的,所以甚至直接给出了一些参数,风格更加写实一些。而Bard给出的描述词只是根据一句简单的指令,生成的图片有一种漫威风格。当然,这里由于使用了Midjourney,所以不好界定是不是因为Midjourney已经十分强大了,毕竟描述词对于AI作图的影响还是未解之谜。
就我个人而言,我更喜欢Bard描述词生成的这一版,虽然没有给出更多的要求,就是单纯的想看看钢铁侠,但是这一版明显更有代入感,也更有气势。

3. 生活服务

接下来我们看看在生活服务方面表现怎么样,或者说它的回答是否会联网检索。

  • 时间与天气



能查天气是我没有想到的,说明还是请求了某个网络服务,于是我又问了一些本地服务相关的问题,结果大失所望。。。

  • 推荐的餐馆

eatsfood都会给出一个问题列表,虽然是为了进一步确认你的问题方向,但给人的感觉就很机械。

后续对我位置的询问也明显看出对于前后文的衔接理解并不好,我直接说位置不行,必须要完整描述🐶可能都让ChatGPT惯坏了。

并且在我说了位置之后,就完全忘记了我之前是在问附近的餐厅,一本正经的介绍起了八大道,而且内容还是来自维基百科。。。

本来我以为谷歌在搜索、地图、本地服务会有得天独厚的优势,会把这个功能作为一个亮点整合,然而并没有:

但是我想如果Brad在公测之后应该会和Google搜索整合在一起,希望到时会有比较满意的表现。

  • ChatGPT的表现

不吹不黑,看看ChatGPT的表现,虽然人家是历史知识训练的,但是明显健谈的多:


不但给出了推荐,还标出了地址,这才是真正有用的回答【标注了信息可能发生变化】。

4. 编程表现

对于开发者来说,还是比较关注在编程辅助方面的表现。

  • 经典问题:

如果问如何实现二分查找这种经典,基本有标准答案的问题,可以说啪的一下,就很快,直接给出步骤代码参考资料。其实这对于学习者来说还是比较友好的,提供了一个比较完善的回答。

  • 复杂场景问题

接下来看看Bard的知识储备和自身的逻辑能力怎么样,我问了一个复杂一点的问题【如何使用Prometheus在SparkStreaming中添加自定义指标】,当然我自己是知道最终的解决方案的。

给出了一些没什么用的步骤,再继续追问:


又忘记使用Prometheus的事情了,继续提醒。。。

到此给出了如何定义的部分,但是没有包含如何发送监控指标,继续追问:

至此,终于完成了ChatGPT一句话就能解决的事情【给出了所需的前置环境、代码实现、启动步骤】,真的是被吊起来打:

当然,目前给出的答案依然是有问题的,正确的解决方案是使用LongAccumulator,这也是通过反馈错误不断从ChatGPT中获得到的最终解决方案。由于篇幅限制,这里就不展开了,最后的结论就是Bard在这方面的表现差强人意。

5. 内容生成

值得一说的是对于内容生成,Bard会给出三个可选方案,如果去生成一些通用类的内容,也许会有不错的效果。

三、结语

之前有很多小伙伴都反映对AI的出现感到焦虑,因为目前ChatGPT所展现出的能力确实可能对某些行业造成冲击。对企业来说,也确实出现了因为生产力过剩而裁员的情况。但是目前AI依然并不能一键到位的解决复杂场景问题,必须有人的引导和反馈。
所以我们需要做的一直都是让自己不断变的优秀,只不过现在我们的方向更加的明确了。首先是快速掌握这些AI工具,不要再被甩下。其实,我们的学习效率和工作效率由于ChatGPT的出现其实大大提高了,在这个时候确实要多努力一些,不然到时候真的只能被后浪拍在沙滩上了。
其次,不断增加自己的软实力,学会如何正确提出问题,如何寻找合适的工具,其实这些一直都是解决问题的路径。只不过现在AI一下就帮我们做了很多事,但是按照现在的发展趋势,会有越来越多的基于AI的插件、生产力工具、甚至深入某一领域的自动化,一定要早做准备,多观察行业变化现在变得尤为重要。
最后,欢迎大家在评论区或粉丝群分享大家发现的有意思的AI应用。

扫描下方二维码,加入CSDN官方粉丝微信群,可以与我直接交流,还有更多福利哦~
在这里插入图片描述

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.rhkb.cn/news/48350.html

如若内容造成侵权/违法违规/事实不符,请联系长河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

chatgpt赋能python:PythonRun没反应怎么办?

Python Run没反应怎么办? 在使用Python编程的过程中,有时候会碰到一些奇怪的问题,其中之一就是Python Run没反应。那么,这种情况下我们应该如何解决呢? 可能的原因 首先,我们需要明确一点,Py…

transformer进行医学图像分割文章

近两年用trm做医图分割文章合集欢迎补充 CoTr:基于CNN和Transformer进行3D医学图像分割UNETR: Transformers for 3D Medical Image SegmentationSwin-unet:用于医学图像分割的类UNET纯transformerTransBTS:基于transformer的多模式脑肿瘤分割…

V-Net: 医学图像分割

V-Net: 医学图像分割 V-Net: 医学图像分割引言网络结构训练参考 V-Net: 医学图像分割 引言 卷积网络在计算机视觉和医学图像分析领域有了很广泛的应用。尽管卷积神经网络非常受欢迎,但大多是都是用来处理2D图像,而医学图像却大多是3D的。U-Net是一个全…

医学图像分割之--Tversky Loss

TverskyLoss提出的初衷是为了解决数据的类不平衡现象的,其在精度和召回率之间取得了较好的平衡 精度:预测正确的数量/所有的数量 召回率:预测正确的数量/所有正确的数量 如果不平衡标签,学习过程可能会收敛到次优损失函数的局部…

医学图像分割综述

图像处理流程大致如下图所示: 图像分割的定义: 将一副图像g(x,y),其中0≤x≤Max_x,0≤y≤Max_y,进行分割就是将图像划分为满足如下条件的子区域: 1.基于区域的分割方法: 图像分割通常用到不同对象间特征的不连续性和同一对象内部特…

医学图像分割综述:U-Net系列

文章目录 Medical Image Segmentation Review:The Success of U-Net摘要引言分类法2D Unet3D U-NetU-Ne的临床意义和疗效 Unet扩展跳过连接增强Increasing the Number of Skip Connections在跳过连接中处理特征映射编码器和解码器特征映射的组合 Backbone Design EnhancementsR…

医学图像语义分割

语义分割在生物医学图像分析中有着广泛的应用:x射线、MRI扫描、数字病理、显微镜、内窥镜等。https://grand-challenge.org/challenges上有许多不同的有趣和重要的问题有待探索。 从技术角度来看,如果我们考虑语义分割问题,对于NM3(假设我们有一个RGB图像)的图像,我们希望…

【医学图像】图像分割系列.1

医学图像分割是一个比较有应用意义的方向,本文简单介绍三篇关于医学图像分割的论文: UNeXt(MICCAI2022),PHTrans(MICCAI2022),DA-Net(MICCAI2022)。 目录 …

医学图像分割

作者: Zeynettin Akkus & Alfiia Galimzianova & Assaf Hoogi & Daniel L. Rubin & Bradley J. Erickson 时间:2017 Abstract 这篇综述的目的是提供关于最近基于深度学习的分割方法对脑部MRI(磁共振成像)定量分…

医学图像分割之MedNeXt

论文:MedNeXt: Transformer-driven Scaling of ConvNets for Medical Image Segmentation ConvNeXt网络是一种借鉴Transformer的思想进行了改进实现的全卷积网络,其通过全卷积网络和逆向残差瓶颈单元的设计,可以实现比较大的空间感受野。本文…

医学图像分割实操

整个实验过程包括: 1、数据集获取:https://zenodo.org/record/3757476 2、数据预处理:从.nii文件中提取包含目标区域的切片,如果不是很清楚医学图像格式的处理,也可以将.nii文件转换成png格式的图片,.nii…

【医学图像】图像分割系列.3 (uncertainty)

介绍几篇使用不确定性引导的医学图像分割论文:UA-MT(MICCAI2019),SSL4MIS(MICCAI2021),UG-MCL(AIIM2022). Uncertainty-aware Self-ensembling Model for Semi-supervise…

医学图像分割文章阅读笔记

1、Detection-aided liver lesion segmentation using deep learning 2、Automatic Liver and Tumor Segmentation of CT and MRI Volumes Using Cascaded Fully Convolutional Neural Networks https://github.com/IBBM/Cascaded-FCN 一、Method 第一步:数据预处理和神经网…

医学图像笔记(四)医学图像分割

医学图像笔记(四)医学图像分割 1、医学图像分割的开源工具2、其他分割2.1、3D VNet2.2、PE-VNet2.3、基于PyTorch的3D 医学图像分割2.4、3D UX-Net:超强的医学图像分割新网络2.5、医学图像分割优质开源代码 3、医学图像数据集3.1、百度AI stu…

UniverSeg:通用医学图像分割模型来了!

自从今年以来ChatGPT爆火和GPT-4的发布,一时间在大模型的潮流下,通用人工智能(AGI)也呼之欲出。随着本月初SAM和SegGPT等通用的CV大模型的提出,大模型和通用模型这把火也逐渐烧到的CV领域,特别是图像分割领…

[转]医学图像分割综述

原作者: Zeynettin Akkus & Alfiia Galimzianova & Assaf Hoogi & Daniel L. Rubin & Bradley J. Erickson 时间:2017 csdn作者链接: https://blog.csdn.net/xy9476/article/details/80587151 (转载为收藏) Abstract 这篇综…

最新《医学图像分割》综述,详述六大类100多个算法

来源:专知 医学图像自动分割是医学领域的一个重要课题,也是计算机辅助诊断领域的一个重要分支。U-Net由于其灵活性、优化的模块化设计和在所有医学图像模式中的成功,是最广泛应用的图像分割体系结构。多年来,U-Net模式获得了学术界…

通用医学图像分割模型UniverSeg

虽然深度学习模型已经成为医学图像分割的主要方法,但它们通常无法推广到涉及新解剖结构、图像模态或标签的unseen分割任务。给定一个新的分割任务,研究人员通常必须训练或微调模型,这很耗时,并对临床研究人员构成了巨大障碍&#…

Unet分割医学图像全记录/结果全白解决办法/多分类Dice loss

文章目录 任务介绍数据来源及预处理Unet实现过程中遇到的bug 任务介绍 本项目是基于Unet网络对心肌图像进行心池和心肌分割。写这篇博客为了记录下我在写模型时遇到的bug和思考,我发现好像没有一篇从头到尾的笔记,我作为小白真的遇到了很多大坑&#xf…

【医学图像】图像分割系列.4

介绍几篇使用Transformer结构做医学图像分割的论文:CASTformer(NeuralPS2022),PHNet(arXiv2023)。 Class-Aware Adversarial Transformers for Medical Image Segmentation, NeuralPS2022 解读&#xff1a…