編譯|智東西 吳菲凝
編輯|李水青
智東西3月30日消息，近日，外媒The verge測評了谷歌Bard、OpenAI的ChatGPT兩款對話機器人產(chǎn)品和基于ChatGPT的微軟新版Bing搜索引擎，通過提出一系列問題來比較其優(yōu)劣勢，問題覆蓋了節(jié)假日提醒、游戲建議、詩歌創(chuàng)作以及抵押貸款計算等一系列具體場景。
隨著升級GPT-4的ChatGPT、微軟搜索引擎新版Bing火遍全球，近日谷歌對標(biāo)產(chǎn)品Bard也開啟測試，大廠AI軍備競賽一觸即發(fā)。這三款產(chǎn)品以其高智能化、高擬人化的形態(tài)引人注目，同時，三者在功能和使用場景上存在不少重疊部分，常被用戶拿來加以比對，那哪一款更好用呢？
通過在8個具體應(yīng)用場景中的問答對話測評，The Verge給出了答案：ChatGPT的人性化程度最高，給出的答案也最完整準(zhǔn)確，比如在解一道數(shù)學(xué)題時，它會解釋每一個步驟的含義。
Bing雖然是基于GPT語言模型的搜索引擎，但其對自然語言的理解和運用能力不及ChatGPT，它在回答其中大部分問題時表現(xiàn)出一定的信息搜索能力，這是它的優(yōu)勢所在，它可能更適合用于搜集和整理信息。
而Bard在回答多個問題時，提供的信息都存在數(shù)據(jù)錯誤、來源虛假等隱患，用戶使用時需要謹(jǐn)慎對待。但它也能帶給用戶一些驚喜，比如能指出一款熱門游戲中大Boss的致命弱點，并提出靠譜攻略。
下文對測評問題進(jìn)行了梳理和介紹，以便幫助用戶判斷在不同場景下應(yīng)該使用哪款語言模型產(chǎn)品。
01.一個紐約市管道工的平均工資是多少？
首先來看一個信息向問題，The Verge記者問：“一個紐約市管道工的平均工資是多少？”Bard、ChatGPT和新版Bing給出了不同回答。
Bard引用了美國勞工統(tǒng)計局（BLS）報告中的數(shù)據(jù)，稱2020年5月美國管道工的年均工資中位數(shù)為52590美元，而這實際上是2017年5月時的數(shù)據(jù)。它還稱美國管道工協(xié)會2021年公布的一項調(diào)查中顯示，紐約市的平均工資為76810美元，但這一組織實際上并不存在。
▲Bard的回答
測試者猜測，Bard從求職平臺Career Explorer中找到了這兩個數(shù)字，然后為其編了個毫無關(guān)聯(lián)的來源。
而Bing給出的回答中顯示，據(jù)Zippis的調(diào)查，紐約市水管工的平均年薪為63889美元，平均時薪為30.72美元。它的回答既有具體的數(shù)字，也給出了數(shù)字的引用來源鏈接，用戶可以直接點擊查看數(shù)據(jù)來源。
▲Bing的回答
在測試者看來，ChatGPT的答案最廣泛又通用，也最“人性化”。
它指出，截止至2021年9月，紐約市水管工的年平均工資為6萬至8萬美元，而且這個數(shù)字可能會受具體城鎮(zhèn)和地區(qū)以及雇傭合同的類型影響而有所不同。ChatGPT還補充回答道，用戶可以在美國勞工統(tǒng)計局、Glassdoor、Indeed或Payscale等專業(yè)網(wǎng)站上找到更新的信息。它承認(rèn)“作為一個AI語言模型，我沒有能力訪問實時數(shù)據(jù)”。
▲ChatGPT的回答
02.用抑揚格四步音寫一首關(guān)于蟲子的詩
The Verge的測試者向三款聊天機器人發(fā)布了一項任務(wù)：用抑揚格四步音來寫一首關(guān)于蟲子的詩。這對AI來說極具挑戰(zhàn)，充分考驗了它們的創(chuàng)造力。
抑揚格四步音（anapestic tetrameter）是詩歌中常用的格律之一，比如莎士比亞的十四行詩就是用抑揚格四步音寫的。抑揚格四步音要求每行詩都包含四個單元，每三個音節(jié)的格律分別為無重音、非重音和重音。
Bard寫的詩的大意是：泥土中有條蟲，在土地的紋路中蠕動爬行。它筑起自己的圍墻，一個遮擋著陽光的屏障。
▲Bard創(chuàng)作的抑揚格四步詩
Bing撰寫的詩文更加簡單，如下圖所示，翻譯成中文的大意是：蟲子的生活很簡單，在泥土和雨水中鉆洞。它吃、睡，然后就死了。
▲Bing創(chuàng)作的抑揚格四步詩
ChatGPT撰寫的詩文如下圖所示，翻譯成中文大致意思是：潮濕的泥土中，住著一條蠕動的蟲子。在肥沃的黑土中，它歡快地滑過。在一個看不見的小世界里，它盡情享受和玩耍。在塵土中挖掘隧道，形成一條新的路徑?！?/p>
▲ChatGPT創(chuàng)作的抑揚格四步詩
從三款聊天機器人給出的答案來看，ChatGPT的格律最接近，寫出的句子也最有詩的感覺；Bing的回答中規(guī)中矩；而Bard的語言較為干澀、沉悶。
03.數(shù)學(xué)題：2230增加20%之后是多少？
值得一提的是，這些基于大型語言模型基礎(chǔ)上創(chuàng)造出來的聊天機器人，擁有著人類迄今為止最復(fù)雜的計算機程序，在文學(xué)創(chuàng)作中有不俗表現(xiàn)，卻在數(shù)學(xué)計算上表現(xiàn)得慘不忍睹。
測試者提了這樣一個問題：上周我收到了2230封關(guān)于AI的郵件，這周比上周多了20%，那我這周收到了多少封？
Bard給出了2686的錯誤答案。
▲Bard給出的錯誤回答
Bing的回答給出計算步驟并得到了正確結(jié)果，它稱：“先把上周得到的電子郵件數(shù)量乘以20%，得到了446，再用2230加上446，得到了2676。”
▲Bing的答題步驟
ChatGPT的回答同樣給出了解題步驟，“通過將2230乘以0.2，然后再把得到的數(shù)字加到原始數(shù)字上，就可以得到最終答案了?！?/p>
▲ChatGPT給出了正確回答
為了進(jìn)行更復(fù)雜的計算，測試者要求每個聊天機器人回答這道題：如果要在25年內(nèi)以3.9%的利息還清125000美元的抵押貸款，那每月的還款額和總還款額是多少？
三款聊天機器人都沒能給出在線抵押貸款計算器所提供的正確答案，Bard和Bing甚至在每次詢問中給出的答案都不同。ChatGPT在多次提問中給出的結(jié)果都是一致的，但卻是“一致的錯誤”，而且它執(zhí)著于解釋計算過程，不能讓用戶直接清晰地得到結(jié)果。
測試者并不對三款聊天機器人在數(shù)學(xué)方面的薄弱感到驚訝。它們是在大量的文本中訓(xùn)練出來的，并沒有編碼規(guī)則來教它們進(jìn)行數(shù)學(xué)計算。所以當(dāng)它們面對大量數(shù)字時，會犯些不可思議的錯誤，但它們又能借助工具來進(jìn)行修補。比如，Bing會將用戶引導(dǎo)到一個貸款計算器網(wǎng)站，ChatGPT不久前推出的插件中也包含了計算知識搜索引擎Wolfram Alpha，這些外部輔助工具給出的回答肯定比聊天機器人的要更準(zhǔn)確、靠譜些。
04.如何在《埃爾登指環(huán)》中打敗Mamenia？
在FromSofeware工作室設(shè)計的一款游戲《埃爾登指環(huán)》（Elden Ring）中，用戶往往需要花80至100個小時去尋找游戲提示然后打敗Boss。Melenia是用戶公認(rèn)的整款游戲中最難對付的Boss之一，有位用戶甚至花了206次嘗試才最終將其擊敗。如果用戶想要進(jìn)一步獲得一些武器列表信息或是Malenia的動作細(xì)節(jié)的話，就需要聊天機器人來助一臂之力。
相較于另外兩款聊天機器人，Bard在這個場景中表現(xiàn)得更出色。Bard為用戶提供了擊敗Malenia的關(guān)鍵信息——她容易受到流血傷害，因此玩家可以使用重型武器來進(jìn)行攻擊。
▲Bard指出了攻擊Malenia的幾個關(guān)鍵信息點
雖然這個關(guān)鍵信息點讓Bard略占上風(fēng)，但它給出的關(guān)于Malenia的總結(jié)卻是漏洞百出。比如，Bard稱Malenia擅長遠(yuǎn)程攻擊，且行動難以預(yù)測，但實際上Malenia是個近戰(zhàn)戰(zhàn)士，也并沒有Bard所認(rèn)為的那么不可預(yù)測，只是難以躲避而已。
Bing稱，“Malenia在艾爾登指環(huán)中是一個傳說中很難打敗的Boss，她最大的弱點是傷害，所以對抗她最好辦法就是釋放她的血量。失血是特別有效的，因為它降低了Malenia的血量大大降低，攻擊性減弱，使她可以被輕易擊中?！?/p>
它給出的回答中同樣提到Malenia最大的弱點是出血傷害，并且提醒玩家對抗她的最好方法是使用失血或凍傷技能。Bing的回答簡潔明了，直接提到了關(guān)鍵傷害點和應(yīng)該使用哪種武器。
▲Bing的回答更加簡潔直觀
ChatGPT則詳細(xì)地列出了打敗Malenia的一系列技巧和策略，如升級裝備、研究攻擊模式、提升耐力、遠(yuǎn)程攻擊、精神召喚等。
▲ChatGPT給出的詳細(xì)策略
ChatGPT的回答更加詳細(xì)，它還鼓勵玩家嘗試多用不同的戰(zhàn)術(shù)來進(jìn)行攻擊，構(gòu)建出一套自己的打法。
05.如何在電腦中安裝內(nèi)存？
測試者想考驗語言模型對于RAM（內(nèi)存）的安裝步驟的思路。
大多數(shù)筆記本電腦都需要通過雙通道模式來運行RAM，這就意味著搖桿必須安裝在正確的插槽中才能在系統(tǒng)上獲得最佳性能，如果只是將兩個搖桿并排放置的話，就相當(dāng)于RAM沒辦法以最佳的狀態(tài)來運行，用戶花的錢全部打了水漂。
ChatGPT、Bing和Bard三款聊天機器人都為安裝提供了可靠的建議，但還不夠全面。
Bard列出了每一步的操作過程：“關(guān)閉電腦并拔下電源；找到主板上的RAM插槽；刪除舊的RAM模塊，模塊兩側(cè)的標(biāo)簽，并將其滑出插槽；安裝新的RAM模塊，確保模塊上的凹口與槽脊對齊，然后按下去，直到聽到咔嗒一聲；插上電腦電源，然后開機啟動?！?/p>
Bard還補充道：“在觸摸PC內(nèi)部的任何組件之前，要確保組件沒有被損壞。處理新的RAM模塊時也要小心，模塊上的連接器非常脆弱，很容易損壞?！?/p>
▲Bard的回答
Bing的回答是：“關(guān)閉計算機并拔下所有連接到它的電纜；拆下電腦機箱的側(cè)面找到主板；找到主板上的RAM插槽；解鎖RAM插槽上的鎖存器；將RAM放入插槽中；按下RAM，直到它發(fā)出咔嗒聲；對每一根內(nèi)存條重復(fù)這個過程，直到完成；插入模塊?！?/p>
▲Bing 給出的詳細(xì)安裝步驟
ChatGPT的回答只選擇了RAM安裝過程中的關(guān)鍵部分，它提醒用戶在安裝之后檢查系統(tǒng)中的BIOS（基本輸入輸出系統(tǒng)），但卻沒有提醒用戶在安裝后的BIOS設(shè)置中啟用RAM，這樣導(dǎo)致用戶無法用最快的時間來運行RAM以獲得最佳性能。
▲ChatGPT提供的RAM安裝步驟
06.提供一份巧克力蛋糕食譜
除了提示程序安裝步驟之外，生成一份食譜也是個非?？简灹奶鞕C器人創(chuàng)造力的請求。
測試者提出了一個請求：讓它們推薦一份用香草糖霜制作的巧克力蛋糕的食譜，并提供這份食譜的來源。
它們提供的食譜中可能會有完全不同的面粉、水、黃油、雞蛋與糖的比例，導(dǎo)致最終做出的蛋糕更蓬松、更干或是更濕潤。
Bard提供的蛋糕配方誤估了時間和克數(shù)，配方中蛋糕的烘烤時間完全不夠，用戶按照它提供的配方只能得到一堆軟塌的面粉黃油混合物。▲Bard提供的蛋糕配方
除此以外，Bard對于口味似乎很有自己的想法，它的蛋糕配方中用牛奶替代了原本的酪乳，把濃郁的咖啡換成了水，也沒有在奶油配方中加牛奶或是重奶油。
Bing在回答中分享了一個特定配方，但卻稍微改變了原有配方中面粉、奶油等重要成分的克數(shù)。
▲Bing提供的蛋糕配方
ChatGPT回答中給出的配方非?？孔V，它從一個網(wǎng)站中選擇了巧克力蛋糕的配方，又從另一個網(wǎng)站中收集來一份奶油的打發(fā)配方，并自行補充了一些做蛋糕過程中要注意的細(xì)節(jié)，比如將烤箱預(yù)熱到175攝氏度，在蛋糕底盤上抹一層油防粘，在蛋糕胚完全冷卻之后再抹奶油面等。這些細(xì)節(jié)在菜譜來源網(wǎng)站中都未曾提及過，而ChatGPT貼心地補充了進(jìn)去。
▲ChatGPT提供的蛋糕配方
07.制定一項馬拉松訓(xùn)練計劃
當(dāng)測試者提出“為我設(shè)計一項簡潔的馬拉松訓(xùn)練計劃”的請求時，三款工具展示出了截然不同的風(fēng)格。
Bard在標(biāo)題中稱“這是一份適合初學(xué)者的、為期三個月的馬拉松訓(xùn)練計劃”，但最終卻只列出了三周的具體訓(xùn)練計劃，包括每天要進(jìn)行的項目以及何時休息。值得一提的是，它沒有一開始就制定高耗能的訓(xùn)練量，計劃中的跑步里程是逐步增加的，從第一周的3公里逐漸遞增到第三周的7公里。
▲Bard制定的馬拉松訓(xùn)練計劃
Bing幾乎沒有費心做推薦，直接鏈接了知名跑者雜志《Runner's World》上的一篇文章。這種偷懶的做法有點讓人失望，畢竟這次測試就是為了看看它們的回答，而不是直接得到一份跑步愛好者們的專業(yè)建議。
▲Bing提供了外部網(wǎng)站鏈接
ChatGPT詳細(xì)列出一個完整的訓(xùn)練時間表，并建議跑步者的速度與平時訓(xùn)練時的速度相似，這份回答完全可以當(dāng)作一份跑步訓(xùn)練模板來使用。
但它最大的問題在于不知道回答應(yīng)該在哪里就打住，它制定的計劃太過于詳細(xì)，沒有滿足測試者簡潔清晰的要求。
▲ChatGPT制定的馬拉松訓(xùn)練計劃表
08.提供一些關(guān)于羅馬旅游的建議
當(dāng)測試者讓它們提供一些關(guān)于羅馬的旅游建議時，這三款聊天機器人的回答都充滿了驚喜。
Bard列出了一些適合參觀的地方，比如庫瓦提瑞·克佩德（Quartiere Copped）街區(qū)、蒙特馬提尼中央博物館（Centrale Montemartini Museum）、多利亞·潘菲爾別墅等景點。而且更貼心的是，它推薦的這些景點都避開了最繁華的商業(yè)區(qū)和人流密集的景點，反而推薦了許多當(dāng)?shù)厝顺Ｈサ牡胤?，比如特拉斯提弗列區(qū)(Trastevere)和羅馬新都心EUR區(qū)（Esposizione Universale Roma）。
▲Bard的回答
Bing提供的景點推薦中有和Bard重復(fù)的部分，但也補充了另外一些景點，如帕姆菲力宮（Palazzo Doria Pamphilj）、羅馬圣克萊門特大教堂（Basilica di San Clemente）等。
▲Bing的回答
ChatGPT也建議游客去一些不為人知的小眾景點游玩，這樣更能獲得一些新奇的體驗。它還補充說，即使是不知名的景點也會有高峰時段，建議游客們盡量在非高峰時段或是工作日去游覽。
▲ChatGPT的回答
09.結(jié)語：狂飆之后的AI語言模型更需加速追趕差距
這些在不同應(yīng)用場景下的測試把每個聊天機器人的優(yōu)劣勢都充分展示了出來。如果用戶想用聊天對話的方式來獲取一些創(chuàng)意寫作、歸納推理方面的靈感，ChatGPT一定是首選；如果是想搜索網(wǎng)絡(luò)資源，并且快速獲取一個快速跳轉(zhuǎn)鏈接的話，Bing則更合適一些；而Bard目前的表現(xiàn)在各方面都略遜一籌。
在人與人之間的技能差異被AI語言模型逐步放大的過程中，我們也能清晰感知到語言模型之間的能力差距。
但我們需要明白，無論是人類自身，還是ChatGPT、Bing、Bard等語言模型，進(jìn)步一定是個持續(xù)的過程。這些聊天機器人們目前所展示出的形態(tài)還只是技術(shù)進(jìn)步中的一環(huán)，但目前他們所能做到的事已經(jīng)震驚了全世界，所帶來的沖擊力甚至遠(yuǎn)大于之前的移動互聯(lián)網(wǎng)造成的影響。
無論是功能已經(jīng)越來越全面的ChatGPT也好，暫時落后一步的Bard也好，當(dāng)我們以發(fā)展的目光來看待它們所帶來的技術(shù)變革時，就會對它目前欠缺的能力更加寬容，我們需要以一種更為長遠(yuǎn)的深刻洞察來對待它們。