今年三月份，谷歌宣布生成式AI Bard推出Beta測試版，當(dāng)時的版本只面向美國和英國用戶開放公測，且暫時只支持英語。

圖注：Bard已經(jīng)有專屬中文界面！堪稱定制化的中文服務(wù)

今天，Bard發(fā)布重大更新！Bard 支持的語言目前新增了 40 多種，包括阿拉伯語、中文（簡體/繁體）、德語、印地語、西班牙語等。

圖片

同時，谷歌還增加了推出 Bard 的地區(qū)，包括歐盟的 27 個國家/地區(qū)和巴西。不過仍然沒包含中國。

圖片

對于此次更新，稱之為“史詩級”：Today we’re announcing Bard’s biggest expansion to date.

1.Bard 支持 Google 智能鏡頭：與 Bard 對話時，你可以上傳圖片及文字，并要求Bard提供有關(guān)圖片的信息，相關(guān)功能暫時只支持英語。

圖片

2.Bard 可以朗讀回答內(nèi)容了：在 Bard 中添加了文字轉(zhuǎn)語音功能。該功能支持 40 多種語言，包括印地語、西班牙語和英語（美國）。

3.固定對話和近期對話：可以隨時返回之前與 Bard 的對話繼續(xù)互動，還可根據(jù)需要整理對話。

4.與他人分享 Bard對話：利用可分享的鏈接，讓其他人只需輕輕一點，即可輕松流暢地查看你的 Bard 對話內(nèi)容和相關(guān)信息來源。

圖注：修改回答

5.修改 Bard 的回答：推出了 5 個新選項，可用來修改 Bard 的回答。只需點按相應(yīng)的選項，即可讓回答內(nèi)容變得更加簡單一點、詳盡一點、簡短一點、專業(yè)一點或隨意一點。

6.將 Python 代碼導(dǎo)出至 Replit：除了 Google Colab 之外，還可以將 Python 代碼導(dǎo)出到 Replit。

關(guān)于谷歌的Bard計劃

目前Bard 是一個實驗項目，由Google 的 PaLM 2 模型提供支持，讓用戶能夠與生成式 AI 協(xié)同合作。

自從OpenAI在2022年11月發(fā)布ChatGPT后，Google似乎一直在努力迎頭趕上其AI的發(fā)展。

2023年5月的Google I/O年度大會有了實質(zhì)性的動作。在長達(dá)兩小時的主題演講中，谷歌CEO Sundar Pichai和其他高管演講者，更是多達(dá)140次以上提到了“生成式AI”。

谷歌全力投入到科技潮流中。盡管Bard的用戶數(shù)未能達(dá)到ChatGPT的水平，但近期增長顯著，今日的更新可能進(jìn)一步推動其增長。

相比ChatGPT，Bard的最大優(yōu)勢是巨大的信息資源，他們可以依托谷歌的搜索工具獲取最新信息，根據(jù)自己的梳理給出答案。此前ChatGPT的訓(xùn)練數(shù)據(jù)最新只到2021年，無法回答2022年之后的信息咨詢。此外，Bard的回復(fù)速度也明顯快于ChatGPT。

Bard可以聯(lián)網(wǎng)搜索信息，意味著用戶可以直接詢問今天的體育比賽比分、股價價格走勢、系列新聞動態(tài)。

文摘菌試了一下，搜索中文資料的功能，感覺非常差。

圖注：Bard的中文搜索功能

不過，有網(wǎng)友表示，Bard的精準(zhǔn)識圖功能異常強大：更新后的Google Bard能夠查看我的手表的照片，正確識別手表的特定品牌和型號，并從手表表面讀取數(shù)據(jù)。

圖片

谷歌人工智能現(xiàn)狀：骨干研究員“出逃”

從體驗上可以看出，谷歌Bard的功能在生成文本，理解內(nèi)容方面不如GPT-4；在上下文窗口容納方面沒“卷”過Claude。雖然新增了“精準(zhǔn)識圖”功能，但能釋放的生產(chǎn)力肯定不如前者。

似乎谷歌的AI之路這兩年總是慢了半拍。究其原因，除了猶豫是否發(fā)布與ChatGPT類似的聊天機器人的“墨跡”的性格，可能還和“留不住人”的企業(yè)文化有關(guān)。彭博社消息，Transformer合作者Llion Jones將于本月底離開谷歌。

圖片

Transformer來源于論文“Attention is All You Need”，這篇開山之作奠定了今天生成式AI和大模型的基石。算上Llion Jones，當(dāng)時署名的6位谷歌研究員，已經(jīng)全部離職。

圖片

Ashish Vaswani在Google Brain工作了五年后離職，創(chuàng)辦了Adept（生成性AI工具）；

圖片

Noam Shazeer在Google工作了21年，現(xiàn)在是Character.AI的首席執(zhí)行官；

圖片

Niki Parmar在Google工作后與Vaswani一起創(chuàng)立了Adept，但后來她也離開了Adept創(chuàng)立了新的公司；

圖片

Jakob Uszkoreit在Google工作13年，現(xiàn)在他是Inceptive的聯(lián)合創(chuàng)始人；

圖片

Aidan Gomez現(xiàn)在是Cohere的聯(lián)合創(chuàng)始人和首席執(zhí)行官；

圖片

Lukasz Kaiser離開Google后加入了OpenAI，他對OpenAI的GPT-4做出了重要貢獻(xiàn)；

圖片

Illia Polosukhin在Google工作三年后創(chuàng)立了NEAR，致力打造Web3系統(tǒng)。

此外，還有一些重磅論文的重要作者也離開谷歌。例如：提出通用的端到端的序列學(xué)習(xí)方的論文“Sequence to Sequence Learning with Neural Networks”。

圖片

Ilya Sutskever著名論文“序列-to-序列”的第一作者，在谷歌待了3年，于2015年離開谷歌，目前是OpenAI的首席科學(xué)家。

圖片

Google的首個聊天機器人Meena 的技術(shù)論文“Towards a Human-like Open-Domain Chatbot”，被認(rèn)為是大語言模型的又一個重要里程碑，論文提出了一種想法，即創(chuàng)建一個大型語言模型，對任何問題生成像人一樣的回應(yīng)，無需硬編碼（hard-coded）訓(xùn)練。

但里面的兩個研究員Daniel De Freitas和Romal Thoppilan都已經(jīng)離職，前者在Google Brain工作了五年，后者工作了七年，現(xiàn)在兩者共同成立了Character.AI。

圖片

論文“LaMDA: Language Models for Dialog Applications”是Bard聊天機器人的技術(shù)基礎(chǔ)，比Meena更強大，目前LaMDA的幾位主要研究人員已經(jīng)離開谷歌，加入了Character.AI，包括前面提到的：Noam Shazeer、Daniel De Freitas。此外，在谷歌工作了四年的Alicia Jin也已經(jīng)加入了Character.AI。

圖片

BERT是一種基于Transformer模型的自然語言處理工具，它通過預(yù)測隱藏或"掩碼"的詞來更好地理解文本。例如，如果你查詢"你能否為別人在藥店買藥"，它會理解到"別人"是查詢的關(guān)鍵部分。自2019年Google將BERT納入搜索以來，它已經(jīng)極大地提高了搜索的準(zhǔn)確性。這篇論文由Jacob Devlin領(lǐng)導(dǎo)，他曾短暫在OpenAI工作，但最近又回到了Google。

圖片

論文“Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer”提出了著名的T5架構(gòu)，這篇論文的主導(dǎo)者Colin Raffel，也在2021年離開Google Brain。Raffel現(xiàn)在是北卡羅來納大學(xué)教堂山分校的助理教授，并在Hugging Face每周擔(dān)任一天的研究員，用戶可以在那里共享大型語言模型和數(shù)據(jù)集。

圖片

圖片

論文“Chip placement with deep reinforcement learning”和“A graph placement methodology for fast chip design” 能利用AI在芯片設(shè)計中達(dá)到最大性能，同時減少面積和電力使用。這些發(fā)現(xiàn)幫助Google設(shè)計了專為機器學(xué)習(xí)任務(wù)的TPU芯片。論文的兩位重要作者M(jìn)irhoseini和Goldie在2022年離開Google，加入了開發(fā)大型語言模型和名為Claude的聊天機器人的Anthropic。

至于離職的原因，有員工表示，在AI發(fā)展如此激動人心的時刻，初創(chuàng)公司為研究人員提供了機會，讓他們擁有更多的自主權(quán)，并可能產(chǎn)生更大的影響。

換句話說，在谷歌推出新的想法 “太難了”，因為一旦失敗會對大公司聲譽造成非常大的影響。