好饭不怕晚,Google基于人工智能AI大语言对话模型Bard测试和API调用(Python3.10)

谷歌(Google)作为开源过著名深度学习框架Tensorflow的超级大厂，是人工智能领域一股不可忽视的中坚力量，旗下新产品Bard已经公布测试了一段时间，毁誉参半，很多人把Google的Bard和OpenAI的ChatGPT进行对比，Google Bard在ChatGPT面前似乎有些技不如人。

事实上，Google Bard并非对标ChatGPT的产品，Bard是基于LaMDA模型对话而进行构建的，Bard旨在构建一个对话式的AI系统，使其能够更好地理解人类语言，并且具备进行多轮对话的能力。而GPT的目标是生成自然语言文本。

在特征数据层面，Bard使用了像Gmail、Meet等Google社交产品线中的对话数据来进行训练，这些数据已经经过了严格的隐私保护措施。而GPT则是通过大规模的网页爬虫来获取数据，它的训练数据量比LaMDA要大得多。

模型结构层面，Bard采用了一种称为“Transformer”的神经网络结构，该结构可以处理长文本并保持信息连贯性。GPT也使用了Transformer结构，但它还采用了一种称为“自回归”的方式，即按照时间步骤一个接一个地生成文本。

说白了，在应用层面上，Bard适合开发智能助手、聊天机器人、虚拟客服等应用。而GPT更适用于自然语言生成任务，例如文章撰写、机器翻译等等。

Bard对话测试(英文/中文)

访问 bard.google.com ，随后输入聊天内容：

一望而知，对话输入的内容只支持英文，并不能输入中文。

但事实上，只要稍微改变一下对话逻辑，也可以让Bard返回中文信息，比如：

Bard代码能力

私以为Bard的代码能力并不输于ChatGPT：

尤其是对自家的深度学习框架Tensorflow更是如数家珍，生成的代码如下：

import tensorflow as tf  
  
def load_model():  
  """Loads the TensorFlow image recognition model."""  
  model = tf.keras.models.load_model('mobilenet_v2_1.0_224')  
  return model  
  
def recognize_objects(image):  
  """Recognizes objects in an image."""  
  # Convert the image to a tensor.  
  image = tf.image.convert_image_dtype(image, dtype=tf.float32)  
  
  # Resize the image to 224x224 pixels.  
  image = tf.image.resize(image, [224, 224])  
  
  # Normalize the image.  
  image = tf.image.normalize(image, mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  
  
  # Predict the labels of the objects in the image.  
  predictions = model.predict(image)  
  
  # Return the labels of the objects in the image.  
  return predictions  
  
def main():  
  # Load the image recognition model.  
  model = load_model()  
  
  # Load an image.  
  image = tf.io.read_file('image.jpg')  
  
  # Recognize objects in the image.  
  predictions = recognize_objects(image)  
  
  # Print the labels of the objects in the image.  
  for prediction in predictions:  
    print(prediction)  
  
if __name__ == '__main__':  
  main()

这里是使用Tensorflow内置小模型mobilenet_v2_1.0_224的智能识图逻辑，简洁而严谨。

Bard网络架构

在浏览器(B端)架构上，Google极其自信地使用了HTTP2协议的接口进行通信，而没有仿效ChatGPT使用SSE协议：

我们知道ChatGPT使用SSE协议其实是等而下之的次优选择，因为GPT模型在推理上需要时间，所以走的模式是一边推理一边返回的流式模型，关于流式返回，请移玉步至：逐句回答,流式返回,ChatGPT采用的Server-sent events后端实时推送协议Python3.10实现,基于Tornado6.1，这里不再赘述。

而Google的Bard选择一次性返回所有推理数据：

所以推理效率上，Bard要优于ChatGPT，但仅限于免费产品线，截止本文发布，ChatGPT的收费产品gpt3-turbo和gpt4的推理效率都要远远高于其免费产品。

Bard的远程接口API调用

和免费版本的ChatGPT一样，Bard目前只支持浏览器端(B端)的使用，但也可以通过浏览器保存的Token进行远程调用，首先安装Bard开源库：

pip3 install --upgrade GoogleBard

随后复制浏览器端的token秘钥：

接着在终端通过Session进行注入：

python3 -m Bard --session UggPYghLzQdQTNx1kQiCRzbPBA1qhjC-dndTiIPCk3YPLR5TexmP7OQ7AfUdsfdsf1Q.

随后就可以进入终端内的对话场景，使用alt+enter组合键或者esc+enter组合键发送信息即可：

➜  work python3 -m Bard --session UggPYghLzQdQTNx1kQiCRzbPBA1qhjC-dndTiIPCk3YPLR5TexmP7OQdfgdfgdfUSg0UQ.  
  
        Bard - A command-line interface to Google's Bard (https://bard.google.com/)  
        Repo: github.com/acheong08/Bard  
  
        Enter `alt+enter` or `esc+enter` to send a message.  
          
You:  
hi  
   
   
  
Google Bard:  
Hi there! How can I help you today?

非常方便，主要是速度相当惊艳。

仅就免费版本所提供的产品力而言，Google Bard和ChatGPT可谓是各有千秋，私以为Google Bard在效率和使用逻辑上要更胜一筹，并不是网上所传言的那么不堪。所谓一枝独秀不是春，百花齐放才是春满园，Google Bard和百度的文心一言，都会对ChatGPT形成压力，让ChatGPT保持光速更新，成为更好的自己。