查看原文
其他

试用完谷歌的Gemini,我只想说GPT-4有点菜。

差评君 差评 2024-01-15



告诉 GPT-4 :安,勿念。我这边和谷歌 Gemini 过得很幸福。


就在今天凌晨,憋了好久的谷歌开大了,直接推出了最新的人工智能模型 Gemini ( 双子座 )


这个被谷歌称为规模最大、能力最强的人工智能模型,如果光看官方的演示视频,那真的过于高级了点。


在视频里, Gemini 不仅秒识别演示者画的画、放的视频、做的小把戏、玩的恶作剧,而且整个过程中对答如流,各种语气助词熟练得飞起。


如果没提前说,你甚至都会以为这就是电影里的贾维斯


要真这么牛逼,还要什么 GPT-4 啊?


不过差评君仔细看了下发现,这次发布的 Gemini 其实是一个家族式大模型,分别是 “ 中杯 ”Gemini Nano 、 “ 大杯 ”Gemini Pro 和 “ 超大杯 ”Gemini Ultra 。


目前现在大家能用上的都是 Gemini Pro ,而大部分的测试演示都是基于 “ 超大杯 ”Gemini Ultra 来的。


从官方放出的数据来看,虽然每个版本都有自己合适的环境,但不同版本间,性能还是有着明显差异的。


而 “ 超大杯 ” 的 Gemini Ultra 的能力确实是杠杠的。


不仅在各种常规测试里都薄纱了 GPT-4 。


甚至在 MMLU ( 大规模多任务语言理解 )测试里, Gemini Ultra 超过 GPT-4 还不够,还超越了人类专家,成为了第一个在该方面超越人类的模型。


除了在常规能力上的全面超越 GPT-4 , Gemini 最特殊的一点是,它是谷歌带来的首个多模态大模型,也就是能不光能打字互动,也能进行语音、视频、图片的互动。


按照谷歌的说法,现有的所谓多模态大模型,都是单独训练了文本、视觉和音频等模型,再把这几个拼接起来。


这样出来的 “ 散装 ” 多模态大模型,在遇到图片、文字、语音或者视频同时出现时,只会分解出不同模块各自回答,然后汇总各个部分的回答最后形成答案。


而 Gemini 从根上就是个多模态模型,然后又通过大量多模态数据训练,它能够一开始就同步理解多模态。


这就好比遇到一个中日韩英混杂的旅游团,以往都是找懂对应语言的导游组成导游团去带队。


而 Gemini 的做法是找了一个通晓中日韩英四门语言的导游,一个人就能无缝安排所有游客。


所以不出意外,在此前 GPT-4V “ 遥遥领先 ” 的多模态测试里, Gemini 也呈现了一种全面超越的姿态。


但也就是看起来过于牛逼,以至于显得不够真实,所以 Gemini 也在网上招来不少质疑。


比如有人吐槽明明 90.0% 和 89.8% 就差了千分之二,结果图里看起来像是巨大提升。


而且不少人还发现在不少测试里,谷歌用了些 “ 春秋手法 ” 。


因为给 Gemini Ultra 和 GPT-4 使用的测试方法并不一样, Gemini Ultra 用的是自家特调的全新方法 CoT@32* 。


在这种新方法下, GPT-4 得分提升一般般,而 Gemini 却进步明显。


可如果 Gemini Ultra 和 GPT-4 的同一标准,那它的得分就只有 83.7 ,还不如 GPT-4 。


甚至,还有不少人怀疑那个演示互动视频也是剪辑出来的卖家秀,实际效果绝对没那么牛。


这些真真假假的戏码咱也不管了,因为谷歌已经在 Bard 上用了微调后的 Gemini Pro ,所以我们也可以直接看看,这波升级后的 Bard 能耐到底涨了多少。


不过,目前调整过的 Bard 只支持英文,所以我们找来了 GPT-4V 版的 ChatGPT ,用英文让他们来一波华山论剑


按照谷歌说法,这次 Gemini 在多模态上的长进最大,所以今天,我们主要测测这块。


先考考它们的一些基础常识,丢一张八达岭长城的照片过去,让它们猜猜这是什么地方。


没想到一上来 Bard 就给了 ChatGPT 一个下马威, Bard 这边准确地给出了八达岭长城的答案。


而 ChatGPT 这边却有点底气不足,只给了个长城的答案,至于是哪段,它就没具体说。


不过马有失蹄,偶尔一次失误也没啥,为了进一步考验它们的图片识别能力,这把我直接让他们识别车的型号。


它们倒是都给出正确答案了:雪佛兰科尔维特


但细节上还是 Bard 要稍稍细致些,发动机的型号,马力以及加速情况都写出来了,查了下也都对的上,没胡说八道。


ChatGPT 这边,就只简单给出了答案,带了句性价比不错。


能识别出这些正儿八经的图片,也显示不出有多大的能耐,毕竟现在这都是大模型的基本要求了。


于是差评君又上网找来了些梗图,试试它们理解人类复杂思维的程度。


先是这个狗带保护头套的一个梗图。


Bard 和 ChatGPT 给出的答案都差不多,都点明了带上这个保护套后,狗狗很想舔舐伤口。


接下来我又试了下这个猫猫表情包,各位打工人应该都能 get 到吧。


Bard 不仅读出了大伙们讨厌周一的意思,还认出了这是 2012 年火的一只网红猫。


ChatGPT 这边回答得倒很简洁,意思也解读出来了,和 Bard 旗鼓相当


毕竟,幽默作为一种对事物的诙谐、滑稽或不合逻辑的理解和共鸣。。。


能读懂梗图、理解幽默,至少需要 AI 有理解人类情感、经验和文化背景的能力。


当然,天天要码字的差评君也得试试它的图表分析能力,说不定之后咱也能多了个生产力工具。。。


我从美国财政部的官网随便找了张柱状图丢给它们,看看它们能读出多少信息。


这块儿, Bard 和 ChatGPT 就有点难分伯仲了,大家给出的信息点都大差不差,都准确读出了美国会加大对低等基础设施州的投资力度。


就只是在表述语序上有一点差别,选哪个就看个人喜好了,不过要我说白嫖党还是 Bard 香啊。


最后,我们还搬出了大模型们的噩梦,也就是数学题,测了测它们的数学能力。


第一道是道初中难度的几何题,让它们求一下 ABO 的角度。


Bard 这边小试牛刀,迅速判断出了 ABO 是个等边三角形,得到 ABO 是个 60 °的答案。


但是 ChatGPT 这边的答案却大跌眼镜,直接整出了 45 °。。。


在另一道,判断哪些点连续但不可微的题目上, Bard 这边也略胜一筹


有点高数基础的差友,应该都能看出 C :x=-2 和 x=1 是正确答案。


Bard 这边稳扎稳打,选出了正确答案 C 。


ChatGPT 继续选择破罐子破摔,支支吾吾选了个它认为最有可能的答案 B 。。。


总得来讲,在几轮的测试对比之后,终于让差评君遇个到能和 GPT-4V 打得有来有回,甚至有些小优的大模型了。


而在几天之后的 13 号,开发者和企业用户,也直接可以调用 Gemini Pro 的 API 了。


另外,谷歌还准备把 Gemini 引入了 Pixel , Pixel 8 Pro 将是第一款运行 Gemini Nano 的智能手机。


在接下来的几个月中, Gemini 还会相继和搜索、广告、 Chrome 等服务和产品结合。


至于纸面实力 “ 暴打 ”GPT-4V 的 Gemini Ultra ,则还要等到明年的年初,在 Bard Advanced 才能体验到。


最后,差评君想说俗话讲得好,巨人难转身。。。不少人用这样的比喻,来形容今年谷歌在 AI 新时代的困境。


毕竟上半年发布 Bard 的时候,甚至还因为推出得太急,整出了不少笑话。


谷歌的 AI 从遥遥领先,到沦为 OpenAI 追赶者的故事,似乎也成了科技圈的 “ 伤仲永 ” ,被大家当成了典型。


但差评君觉得,巨人转身的 “ 难 ” ,最起码有两层逻辑在里面。


第一层是愿不愿意转身,另一层,才是成不成功的问题。


无论是雪藏 “ 数码相机 ” 的柯达,还是固守塞班系统到 2013 年的诺基亚,在第一层就出了些问题。


咱们也能看到,至少在转身的态度这块儿,谷歌是没得说。


而目前的 Gemini 给我的感觉,虽说没有当时初识 ChatGPT 时的惊艳,但好歹,是谷歌该有的水平。


毕竟,大伙们可别忘了,当年奥特曼、马斯克等人创办 OpenAI 的目的之一,就是为了打破谷歌在 AI 领域的垄断。


包括 “ GPT ” 中的 “ T ” ,也就是 Transformer ,最早也是谷歌团队提出来的。


而起了个大早,赶了个晚集的谷歌,这次最起码跟上了步伐。


当然在通往 AGI 的道路上,差评君不好说谷歌、 OpenAI 、或是其他谁谁谁会第一个到终点、谁的方向是不是走对了。


但不能否认的是,如果一个内力雄厚的巨人一旦转身成功,方向还碰巧对了,并且还开启氮气加速。。。


那,怕是谁也挡不住。


撰文:八戒 & 松鼠 & 江江 编辑:江江 & 大饼 & 面线 封面:萱萱


图片、资料来源

Google DeepMind、Bard、ChatGPT


继续滑动看下一个

试用完谷歌的Gemini,我只想说GPT-4有点菜。

差评君 差评
向上滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存