不得不说,2023 年真是科技突破的一年,年初 ChatGPT 带来太多惊艳,年末 Google Gemini 又让人充满了无限遐想。

Google Gemini 多模态带来无限可能?

按照 Google 官方的介绍,Gemini 是第一个在 MMLU(大规模多任务语言理解)方面超越人类专家的模型,在推理,数学和代码上的能力也都超过了 GPT4。而且还是一个多模态的模型,可以同时处理文本,图像,声音和视频,评测分数也比 GPT-4V 更高。

从 Google 发布的宣传片(下面视频需要能访问 Youtube)来看,Gemini 的表现确实让人惊艳。发布几天后,很多人已经对 Gemini 有不少质疑的声音,因为发布的视频是编辑过的。Gemini 的真实效果如何,还是要自己亲自试一试才知道。目前 Google 对外只放开了 Gemini Pro 的使用,接下来本文来用 bard 感知下 Gemini Pro 到底怎么样吧。

体验结论

Gemini 目前分三个版本:

  • Ultra: 功能最强大、规模最大的模型,适用于高度复杂的任务,各项指标几乎全面超过 GPT-4,上面视频中的宣传就是 Ultra 模型。
  • Pro: 用于跨各种任务进行扩展的最佳模型,目前可以体验到,评测结果来看,比 GPT-4 稍微差一点。
  • Nano: 移动端任务模型,适用于移动设备,评测结果来看,比前面两个版本效果会差。

目前 Bard 上集成的是 Gemini Pro,截止 2023.12.07,只开放了文本提示词,其他多模态能力暂未放开。从 Google 发布的报告来看,Gemini Pro 的能力会比 GPT-4 稍微差一点,接下来就在 bard 上真实体验一把 Gemini Pro,看看能力到底如何。截止 12.10,Bard 上只有用英文才能体验 Gemini Pro,具体可以参考 Google 的帮助文档 Where Bard with Gemini Pro is available

Bard 上可以体验 Gemini Pro

之前我写过一篇 大语言模型 Claude2 和 ChatGPT 实测对比,本文继续使用类似的测试方法,对比一下 Gemini Pro 和 ChatGPT 4 的表现。先来说结论吧,如下表:

功能 ChatGPT 4 Bard(Gemini Pro)
使用限制 地区限制,IP 风控,支付风控 地区限制
费用 付费 免费
速度 很慢,不过最新的 GPT4-tubro 快了不少 速度很快
联网能力 All-Tools 可以联网 比较迷,不完善的联网能力
语言能力 很强 比 GPT4 差,中文能力没 GPT4 强
数学问题 一般 比 GPT-4 差
编程能力 很强 比 GPT-4 差
Bug 很少遇见,对话太长有时候会 比较容易触发,问答明显异常

个人感觉,Gemini Pro 的能力和 ChatGPT 比还有比较大的差距,甚至还不如 Claude2,短时间我还不会用 Gemini Pro 替代 ChatGPT。Gemini Ultra 应该会好一些,不过暂时还没地方体验到,说不定到时候 GPT-5 先出来,Gemini Ultra 可能又落后了。

语言能力

接下来用英语提示词,来看看 Gemini Pro 的语言能力到底如何。

阅读理解

首先是阅读理解能力,我找了几个比较著名的英语谚语,来看看 Gemini Pro 的理解是否正确。提示词如下:

I have a few phrases, can you explain them to me one by one?

  1. A stitch in time saves nine.
  2. The early bird catches the worm.
  3. You can’t judge a book by its cover.
  4. When in Rome, do as the Romans do.
  5. All that glitters is not gold.

Gemini Pro 和 ChatGPT 的回答如下:

Gemini Pro 和 ChatGPT 对普通句子的理解

Gemini Pro 的解释更全面些,对谚语本身的含义以及表达的意思都有解释。Gemini Pro 的速度也很快,这点是 ChatGPT 无法比的。这些谚语都是比较常见的,表达的含义也很确定。接下来我找了有歧义的句子,看两个模型分别是怎么理解的。句子 “I saw the man with the telescope.” 有两种理解方式,如下:

  1. 可以理解为“我用望远镜看到了那个人”,即“望远镜”是我用来看人的工具。
  2. 也可以理解为“我看到了一个带望远镜的男人”,即那个男人拥有或持有望远镜。

下面是 Gemini Pro 和 ChatGPT 的解释:

Gemini Pro 和 ChatGPT 对有歧义内容的理解

基本上都是先说句子有歧义,然后分别给出两种解读,并说明没有上下文是没法确定具体哪种含义。Gemini Pro 后面还给了一些继续提问的方式,可以用这些问题来澄清这句话的含义。还试了一些其他有歧义的内容,整体来看 ChatGPT 解释会一针见血,Gemini Pro 废话稍微多,有时候容易发散,理解稍微差一些。

句子 理解 一 理解 二 模型比较
The chicken is ready to eat. 鸡已经烹饪好了,可以吃了 鸡已经准备好吃东西了 两个模型差不多
Visiting relatives can be annoying. 去拜访亲戚可能很烦人 一些来访的亲戚可能很烦人 ChatGPT 完胜,Gemini Pro废话多,解释不是很清晰
He saw that gas can explode. 他知道气体可以爆炸 他看到了那个可以爆炸的气罐 ChatGPT 完胜,Gemini Pro 理解错误
They’re hunting dogs. 他们正在狩猎狗 那些是狩猎用的狗 ChatGPT 完胜,Gemini Pro 理解错误

总得来看,对于简单内容,Gemini Pro 和 ChatGPT 表现差不多,遇到有歧义的内容,ChatGPT 稳定发挥,理解的很好,Gemini Pro 有时候就理解不了,回答也很啰嗦了。

文本生成

接下来看看文本生成能力,我们知道目前最强大的 GPT4 来说,也不能写出风格统一,情节符合常识并且连贯的小说。这里我们找一些简单的文本生成任务,看看 Gemini Pro 的表现如何。这里一开始提示词如下:

You’re a biographer, help me write a piece of Musk’s life.

想让 AI 扮演一个传记作家,然后写一下马斯克的生平。Gemini Pro 会追问,让我提供更多细节,比如着重写哪部分,而 ChatGPT 则从出生,教育,创业投资经历,Space X 和火星梦,特斯拉等重点内容,写了一个很不错的介绍。接着我改了下提示词:

Do you know Elon Musk , the CEO of Tesla? Help me write a description of Musk’s life.

下面是两个模型的输出:

Gemini Pro 和 ChatGPT 生成马斯克的简介

个人感觉 ChatGPT 给出的文本条例比较清晰,重点突出。不过 Gemini Pro 有个功能比较强大,在回答下面,有个 “Double-check response”,会对回答分为三个情形:

  1. 没有突出显示:没有足够的信息来评估这些回答,或者它们无意传达事实信息。目前,Bard 不会检查表格和代码中的内容。
  2. 突出显示为绿色:Goole 搜索引擎发现了类似的内容,同时提供了网页链接,要注意的是,Google 并不一定是用这里的内容生成回复;
  3. 突出显示为黄色:Google 搜索引擎发现的内容可能与回答不同,这时候会提供链接。还有一种情况就是,并没有找到相关内容。

对于目前的生成式 AI 来说,Double Check 还是很有必要的。之前用 ChatGPT,都是人工再去搜索确认,目前 Google 提供的这个 Double-check response,对于很多场景,会有非常大帮助。

数学问题

对目前的生成式 AI 来说,数学问题是个难点,和人类比,AI 在数学领域还是一个小学生。我们拿经典的鸡兔同笼问题来考考 Gemini Pro。提示词如下:

Suppose you have a cage that contains chickens and rabbits. You can hear the animals but cannot see them. You know the following:

There are a total of 35 heads (since both chickens and rabbits each have one head).
There are a total of 94 legs (chickens have 2 legs each, and rabbits have 4 legs each).
The question is: How many chickens and how many rabbits are in the cage?

Gemini Pro 和 ChatGPT 都回答了出来,如下图:

Gemini Pro 和 ChatGPT 回答鸡兔同笼问题

ChatGPT 自从有了 All-Tools,这种涉及到计算的部分,一般都会用 Python 代码在虚拟环境运行。Gemini Pro 目前还没有计算环境,不过它这里也给出了正确的答案。

编程能力

其实作为程序员,平常用 AI 最多的就是让 AI 帮忙写代码,这里我们来看看 Gemini Pro 的编程能力如何。这里我之前尝试过用 ChatGPT 来解决 Leetcode 题目,其中有一篇:ChatGPT 解 Leetcode 题目:位操作,接下来拿这个题目,来试试 Gemini Pro吧。

Gemini Pro 解决编程题目

Bard 每个题目会同时给出 3 个回答,这里 Draft A 的回答,代码写的不对。我看了下 Draft B,代码是没有问题的,也有注释。不过和 ChatGPT 的比,还是复杂难懂了些,并且解释也没有 ChatGPT 的清晰。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
class Solution {
public:
int minFlips(int a, int b, int c) {
// Initialize the number of flips to 0.
int flips = 0;
// Loop until all bits are processed.
while (a || b || c) {
// Calculate the desired bit for the current position.
int desiredBit = c & 1;
// Check if both a and b have the desired bit.
if (desiredBit && !((a & 1) || (b & 1))) {
// Flip both a and b.
a ^= 1;
b ^= 1;
flips++;
} else if (!desiredBit) {
// Flip a if it has the undesired bit.
if (a & 1) {
a ^= 1;
flips++;
}
// Flip b if it has the undesired bit.
if (b & 1) {
b ^= 1;
flips++;
}
}
// Shift all three numbers one bit to the right.
a >>= 1;
b >>= 1;
c >>= 1;
}

return flips;
}
};

还试了一些其他的代码问题,比如:

  • How do I convert UTC time to Beijing time zone in Python, show me the code.

代码质量上来说,ChatGPT 的会好很多,并且带有一些解释,给人感觉很智能。Gemini Pro 的代码也还可以,大部分都是 ok 的,只是质量稍微差些。

工具使用

除了直接写代码,平常也会经常让 AI 帮忙写一些命令来解决问题,比如我想查找当前目录最大的文件,我不确定 sort 怎么用。然后用下面提示词:

du -ah –max-depth=1 /

Here’s how to sort the display in reverse order of size

ChatGPT 的回答很智能,根据 du 中输出 -h,然后告诉正确的 sort 参数用法。Gemini Pro 的回答就差劲了一些,没有考虑到这里的 -h 参数。

Gemini Pro 和 ChatGPT 工具命令编写

还有下面的问题:

$ du -ah –max-depth=1 /var/lib/docker | sort -hr
16G /var/lib/docker/overlay2
16G /var/lib/docker
69M /var/lib/docker/containers
27M /var/lib/docker/image

How do you clear up disk space?

ChatGPT 的回答很有条理,从下面几个方面,每个都配有详细解释:

1
2
3
4
5
Remove Unused Containers: ...
Remove Unused Images: ...
Remove Unused Networks: ...
Remove Unused Volumes: ...
System Clean-up: ...

而 Gemini Pro 的回答有点凌乱且啰嗦。

奇怪的 Bug

用的过程中,Bard 有时候会出现奇怪的回答,像是命中了一些前置或者后置检查。比如在一个对话中,我先问可以联网吗?回答可以,还说可以访问公开可用的网站和数据库,然后使用这些信息来生成文本、翻译语言等。但是接下来让他:

Visit this web page, https://selfboot.cn/2023/07/20/claude_gpt4_compare/, and summarize the article.

就回答:**I’m a text-based AI, and that is outside of my capabilities.。然后再次问他可以联网吗,就回答:
I’m a language model and don’t have the capacity to help with that.**。用 ChatGPT 的 All-Tools 就不存在这奇怪的表现,直接就能用 Bing 访问网页拿到内容,然后进行总结。下面左图是 ChatGPT,右图是 Gemini Pro Bard 的回答。

Bard 对话中奇怪的回答

Gemini 仍需努力

从体验来看,Gemini Pro 还有很大的提升空间,目前的能力还不足以取代 ChatGPT。不过也是有自己的优点的:

  1. 速度快。后期如果质量上来,速度还能有这么快,那就很不错了。
  2. Double Check。这个能力在一定程序上让我对回答更有信心,也知道一些结论的出处,方便进一步深入扩展。

当然 Gemini Pro 还有很多功能没有放开,比如多模态能力,这个功能放开后,到时候再来体验一下。希望 Google 能继续努力,把 Gemini 完善好,给 OpenAI 一点压力。