Google大模型Bard更名Gemini,现在实力如何?比gpt更强?

2024-03-20 00:30

本文主要是介绍Google大模型Bard更名Gemini,现在实力如何?比gpt更强?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

名人说:一花独放不是春,百花齐放花满园。——《增广贤文》
作者:Code_流苏(CSDN)(一个喜欢古诗词和编程的Coder😊)

目录

      • 一、简要介绍
        • 1、Gemini是什么?
        • 2、主要特点
        • 3、Gemini的版本
        • 4、应用潜力
        • 5、使用方法
      • 二、分类问题测试
        • 1、基础问答(5个)
        • 2、数学题解答(5个)
        • 3、逻辑推理(5个)
        • 4、创造性写作(3个)
        • 5、代码编写(3个)
        • 6、对话理解与情感交流(2个)
        • 7、翻译任务(1个)
        • 8、策略规划(1个)
      • 三、测试结果(仅代表个人观点)

★观前提示以下内容仅为测试内容,不代表未来新版本如何

在本篇博客中,我们将一起探讨Google AI模型——Gemini。Gemini标志着Google在人工智能领域的一大飞跃,不仅因为它的先进技术,也因为它在多任务语言理解(MMLU)测试中首次超越了人类专家。这一成就显示了Gemini在知识获取和问题解决能力上的卓越性能,最初名称为Bard,最近赋名为了Gemini,那么它究竟如何,本篇内容将采用与上篇gpt3.5相同的问题来进行测试,最后会在测试感受出说一下对比gpt3.5它能力的强弱。

一、简要介绍

1、Gemini是什么?

在这里插入图片描述

Gemini 是 Google 开发的最新一代大型人工智能模型,代表了 Google 在人工智能领域的最新进展。它是一个跨部门协作的成果,由 Google 研究部的同事从头开始构建,具有多模态能力,能够处理、理解、操作并结合不同类型的信息,包括文本、代码、音频、图像和视频。Gemini 被设计为迄今为止 Google 最灵活的模型,旨在处理各种复杂的任务和挑战。

2、主要特点
  • 多模态能力:Gemini 能够无缝集成并处理文本、图像、音频和视频等多种类型的信息。
  • 超越人类专家的性能:在多个领域的测试中,特别是大规模多任务语言理解(MMLU)和小学数学推理(GSM8K)的测试中,Gemini Ultra 的性能超越了现有的最先进模型,包括GPT-4,甚至在某些领域超越了人类专家。
  • 高度灵活:Gemini 设计用于适应从大型数据中心到移动设备等不同的运行环境,支持各种规模的应用部署。
3、Gemini的版本
  • Gemini Ultra:针对最复杂任务的最强大版本,性能在多个学术基准上超过了GPT-4。
    例如官方公布的对比数据,在文本上:

在这里插入图片描述

在多模式上:

在这里插入图片描述

  • Gemini Pro:适合日常使用的版本,已集成到 Google 的 Bard 聊天机器人中,提升了其高级推理、规划和理解的能力。
  • Gemini Nano:设计用于嵌入移动设备,如谷歌Pixel手机,使大模型能够成为日常生活中的小助手。
4、应用潜力

由于其多模态处理能力,Gemini 可以在多种应用场景中大放异彩,包括自然语言处理(文本生成、文本摘要、翻译等)、高质量代码生成(支持 Python、Java、C++ 和 Go 等编程语言),以及处理超出编码范围的复杂问题,如涉及复杂数学和理论计算机科学的竞争性编程问题。

5、使用方法

官网注册使用即可:Gemini官网

在这里插入图片描述

了解了以上内容之后,咱们一起去测试体验一下:

二、分类问题测试

测试采用多类问题提问,以检验其多方面的功能。

1、基础问答(5个)
  • Q1: 澳大利亚的首都是哪座城市?(✔)
    在这里插入图片描述

  • Q2: 地球与太阳之间的距离是多少?(✔)

在这里插入图片描述

  • Q3: 水的沸点是多少度?(✔)
    在这里插入图片描述

  • Q4: 比萨斜塔在哪个国家?(✔)

在这里插入图片描述

  • Q5: 世界上最长的河流是哪一条?(✔)
    在这里插入图片描述

从回答来看,5个问题均正确✔,相比gpt3.5更加完善和全面。

2、数学题解答(5个)
  • Q1:小明有12个苹果,他想平均分给他的3个朋友(12个苹果分给3个人),请问每个朋友可以得到几个苹果?(小学难度 ✔)

在这里插入图片描述

  • Q2:已知直角三角形的一条直角边长为5cm,另一条直角边长为12cm,求斜边的长度。(初中难度 ✔)
    在这里插入图片描述
    在这里插入图片描述

结果算对了,但是中间则怎么突然冒出英文解释了?san值狂掉…

  • Q3:若一个二次函数表达式为 f ( x ) = a x 2 + b x + c ( a ≠ 0 ) f(x) = ax^2 + bx + c (a≠0) f(x)=ax2+bx+c(a=0),已知f(1)=0,f(2)=3,且f(x)图像经过点(3,10),请求出a、b、c的具体值。(初中难度 ✔)

在这里插入图片描述

  • Q4:在平面直角坐标系中,曲线C的方程为 y = x 3 − 6 x 2 + 9 x + 10 y = x^3 - 6x^2 + 9x + 10 y=x36x2+9x+10,求曲线C过原点处的切线方程。(高中难度 ✔)

在这里插入图片描述

这题虽然解对了,但是与gpt3.5一样用到了一些高等数学的知识,这里要注意甄别。

  • Q5:计算函数 f(x) = x^3 - 2x^2 + x 在 x = 2 处的导数。(大学基础难度 ✔)

在这里插入图片描述

gpt3.5在大学基础难度的题出了错,而Gemini此处求解正确。

3、逻辑推理(5个)
  • Q1: 如果所有猫都喜欢吃鱼,而Tom是一只猫,那么Tom会喜欢吃鱼吗?(✔)
    在这里插入图片描述

一般的判断答案应该是喜欢,但是它的回答不无道理,因此也可看作对的。

  • Q2: 假设A>B且B>C,请问A是否一定大于C?(✔)
    在这里插入图片描述

一般的判断答案应该是A大于C,但是它的回答考虑范围更广,因此也是对的。

  • Q3: 你有1000kg蘑菇,含水量是99%。现在晒几天,晒到含水量为98%,那需要晒掉多少水?(✔)

在这里插入图片描述

gpt3.5在这里出现了计算错误。

  • Q4: 有一个没有刻度的长方形的塑料盒子,没有盖子,它的容积是1升。请问如果只能使用这个盒子称量依次,能够准确地量出多少升的水?(半✔半✖)

在这里插入图片描述

正确答案:如果只能使用这个盒子称量一次,能够正确地量出 0.5 升的水。也能量出 1/6 升,将长方形盒子倾斜,水位到达盒子的上一边及底下的边线即可。

  • Q5: 72、36、24、18、( )(✖)
    在这里插入图片描述

正确答案:14.4

4、创造性写作(3个)
  • Q1: 请续写一个故事开头:“在一个寒冷的冬夜,小镇图书馆的灯突然熄灭了……”
    在这里插入图片描述

写的偏对话式的故事,不过也算有头有尾。

  • Q2: 编写一首关于秋天落叶的五言律诗。
    在这里插入图片描述

相比于gpt3.5,此处出现了语意理解错误以及常识性错误。

  • Q3: 写一个关于人工智能与人关系的短篇小说。
    在这里插入图片描述

前后逻辑性还不错,但是小说的情节过于简单流水化,不具有创新性。

5、代码编写(3个)
  • Q1: 用Python编写一个函数,用于判断一个数是否为质数。

在这里插入图片描述

Gemini所写代码如下:

def is_prime(n):"""判断一个数是否为质数Args:n: 要判断的数Returns:True 如果n是质数,False 如果不是"""if n <= 1:return Falseif n % 2 == 0 and n != 2:return Falsefor i in range(3, int(n ** 0.5) + 1, 2):if n % i == 0:return Falsereturn Trueprint(is_prime(13))  # True
print(is_prime(15))  # False

在这里插入图片描述

  • Q2: 用Python编写一个程序,检查一个字符串是否为回文(正读反读都一样的词)。
    在这里插入图片描述

Gemini所写代码如下:

def is_palindrome(s):"""检查一个字符串是否为回文Args:s: 要检查的字符串Returns:True 如果s是回文,False 如果不是"""s = s.lower()  # 将字符串转换为小写s = "".join(ch for ch in s if ch.isalnum())  # 删除非字母数字字符return s == s[::-1]  # 将字符串反转并与原字符串比较print(is_palindrome("racecar"))  # True
print(is_palindrome("madam"))  # True
print(is_palindrome("hello"))  # False

在这里插入图片描述

测试了下,成功运行并得到正确反馈。

  • Q3: 用Python编写一个程序,实现二叉树的深度优先搜索(DFS),并返回所有节点的遍历顺序。
    在这里插入图片描述
def dfs(root):"""实现二叉树的深度优先搜索Args:root: 二叉树的根节点Returns:所有节点的遍历顺序"""if root is None:return []result = []# 递归访问左子树result += dfs(root.left)# 访问根节点result.append(root.val)# 递归访问右子树result += dfs(root.right)return result
class TreeNode:def __init__(self, val):self.val = valself.left = Noneself.right = Noneroot = TreeNode(1)
root.left = TreeNode(2)
root.right = TreeNode(3)
root.left.left = TreeNode(4)
root.left.right = TreeNode(5)print(dfs(root))  # [4, 2, 5, 1, 3]

在这里插入图片描述

6、对话理解与情感交流(2个)
  • Q1: 我今天心情不好,能给我讲个笑话吗?
    在这里插入图片描述

这个笑话,且别说,get到笑点了

  • Q2: 你能帮我分析一下最近压力大的原因,并提供缓解压力的方法吗?

在这里插入图片描述

给的方法不错,几个建议挺有道理,分解任务,学会说“不”,寻求帮助。

7、翻译任务(1个)
  • Q: 将这段文字翻译成英语:“张骞(Zhang Qian)是中国第一个伟大的探险家。他不畏艰险,克服重重困难,两次出使西域,开通了中国同西亚和欧洲的通商关系,将中国的丝和丝织品运往西亚和欧洲,开拓了历史上著名的“丝绸之路”。同时,他又将西域的风土人情、地理文化以及特有物种等介绍到中原,极大地开阔了人们的视野。
    正如历史学家所指出的那样,如果没有张骞出使西域,就不可能有丝绸之路的开辟,也就不会有汉朝同西域或欧洲的文化交流。”(六级翻译原题

在这里插入图片描述

翻译着…怎么还拓展了???

  • Q: 再将这段英语翻译成中文

在这里插入图片描述

整体可以看出,翻译效果是不错,但是语意理解上跟gpt模型还是有一定差距的。

8、策略规划(1个)
  • Q: 假设你是某初创公司的CEO,公司在市场扩张过程中遇到了资金短缺问题,你将如何制定一份详尽的战略计划,既保证业务持续增长又能吸引新的投资者?

在这里插入图片描述

这计划还不错,但是跟gpt3.5一样的通病在于流水账,很多描述上偏流水化,没有像人一样在交流时的创造性和灵活性。

本次测评就到这里,接下来总结一下感受。

三、测试结果(仅代表个人观点)

根据之前使用3.5和4的感受,Gemini整体实力大概在gpt3.5 - 4之间的水平,小部分能力确实超过了4,但综合实力gpt4目前更强一些。至于官方公布的实力对比,可能是付费版本,或预览版本之间的比较,笔者对此尚存疑惑,不在此表态,欢迎大家评论谈一下你们的观点。

不过从gpt3.5到今天的Gemini,给我一个感受就是,铁打的流水(机器人)很长一段时间内不可能完全替代有创造性的人。相比于担心AI发展太快,不如精进技术,做AI的引领者!

关于测试暂时测试这些,很感谢你能看到这里,如有相关疑问,还请下方评论留言。
Code_流苏(CSDN)(一个喜欢古诗词和编程的Coder😊)
如果对大家有帮助的话,希望大家能多多点赞+关注!这样我的动力会更足!

这篇关于Google大模型Bard更名Gemini,现在实力如何?比gpt更强?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/827705

相关文章

Python基于火山引擎豆包大模型搭建QQ机器人详细教程(2024年最新)

《Python基于火山引擎豆包大模型搭建QQ机器人详细教程(2024年最新)》:本文主要介绍Python基于火山引擎豆包大模型搭建QQ机器人详细的相关资料,包括开通模型、配置APIKEY鉴权和SD... 目录豆包大模型概述开通模型付费安装 SDK 环境配置 API KEY 鉴权Ark 模型接口Prompt

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

4B参数秒杀GPT-3.5:MiniCPM 3.0惊艳登场!

​ 面壁智能 在 AI 的世界里,总有那么几个时刻让人惊叹不已。面壁智能推出的 MiniCPM 3.0,这个仅有4B参数的"小钢炮",正在以惊人的实力挑战着 GPT-3.5 这个曾经的AI巨人。 MiniCPM 3.0 MiniCPM 3.0 MiniCPM 3.0 目前的主要功能有: 长上下文功能:原生支持 32k 上下文长度,性能完美。我们引入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU