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

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

SpringBoot快速接入OpenAI大模型的方法(JDK8)

《SpringBoot快速接入OpenAI大模型的方法(JDK8)》本文介绍了如何使用AI4J快速接入OpenAI大模型,并展示了如何实现流式与非流式的输出,以及对函数调用的使用,AI4J支持JDK8... 目录使用AI4J快速接入OpenAI大模型介绍AI4J-github快速使用创建SpringBoot

0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型的操作流程

《0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeekR1模型的操作流程》DeepSeekR1模型凭借其强大的自然语言处理能力,在未来具有广阔的应用前景,有望在多个领域发... 目录0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型,3步搞定一个应

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll

Spring AI Alibaba接入大模型时的依赖问题小结

《SpringAIAlibaba接入大模型时的依赖问题小结》文章介绍了如何在pom.xml文件中配置SpringAIAlibaba依赖,并提供了一个示例pom.xml文件,同时,建议将Maven仓... 目录(一)pom.XML文件:(二)application.yml配置文件(一)pom.xml文件:首

如何在本地部署 DeepSeek Janus Pro 文生图大模型

《如何在本地部署DeepSeekJanusPro文生图大模型》DeepSeekJanusPro模型在本地成功部署,支持图片理解和文生图功能,通过Gradio界面进行交互,展示了其强大的多模态处... 目录什么是 Janus Pro1. 安装 conda2. 创建 python 虚拟环境3. 克隆 janus

本地私有化部署DeepSeek模型的详细教程

《本地私有化部署DeepSeek模型的详细教程》DeepSeek模型是一种强大的语言模型,本地私有化部署可以让用户在自己的环境中安全、高效地使用该模型,避免数据传输到外部带来的安全风险,同时也能根据自... 目录一、引言二、环境准备(一)硬件要求(二)软件要求(三)创建虚拟环境三、安装依赖库四、获取 Dee

DeepSeek模型本地部署的详细教程

《DeepSeek模型本地部署的详细教程》DeepSeek作为一款开源且性能强大的大语言模型,提供了灵活的本地部署方案,让用户能够在本地环境中高效运行模型,同时保护数据隐私,在本地成功部署DeepSe... 目录一、环境准备(一)硬件需求(二)软件依赖二、安装Ollama三、下载并部署DeepSeek模型选

Golang的CSP模型简介(最新推荐)

《Golang的CSP模型简介(最新推荐)》Golang采用了CSP(CommunicatingSequentialProcesses,通信顺序进程)并发模型,通过goroutine和channe... 目录前言一、介绍1. 什么是 CSP 模型2. Goroutine3. Channel4. Channe

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