相比 OpenAI 的 ChatGPT，Google 的聊天机器人 Bard 无论是在名声或者能力表现上一直相形见绌。Google 最近声称，Bard 在数学以及程式设计上的能力，因为一项名为「隐式程式码执行」（implicit code execution）的技术而有所改进，这项技术让 Bard 检测电脑提示（prompts）并在後台运算程式码，因此在数学以及推理任务上的能力获得了改善。

Google 指出，这方面能力的改善将让 Bard 在回答以下类似问题时有更好的表现，例如：

• 15683615 的质因数是什麽？
• 计算我的储蓄增长率
• 帮我把「Lollipop」这个词倒过来

新功能灵感来自《快思慢想》一书：Google 让 Bard 「自己生成并执行程式码」来提高数学与推理能力

Google 指出，大型语言模型（LLM）就像是预测引擎，当使用者给出提示时，LLM 会透过预测接下来可能出现的单词来生成答案，因此在语言、创造性任务方面的能力非常强，但在数学以及推理方面等领域表现较弱，因此若要用高阶的推理和逻辑能力来解决更复杂的问题，不能光靠 LLM。

Google 的新方法是让 Bard 自己生成和执行程式码来提高推理和数学能力，这种新方法的灵感来自将人类智能进行深入研究的二分法，尤其是由 Daniel Kahneman 所写的《快思慢想》（Thinking, Fast and Slow）中，将人的思考模式分为系统 1（直觉式思考）和系统 2（逻辑式思考）。

可以说，LLM 善於在系统 1 下运行，例如，它可以快速生成文本但没有经过深入的思考，比如问它一些算数问题，若是单单使用系统 1，虽然它可以快速给出答案， 但却因为不能停下来算数，所以只能给出第一个想到的答案，所以常常出现计算错误的问题。而传统计算和系统 2 的思维非常相似，公式化且不灵活，不过只要依循正确的步骤顺序就能产生对的结果。

Google 透过结合了 LLM（系统 1）和传统计算（系统 2）的功能，协助 Bard 给出更精准与正确的答案，在内部进行的测验当中，用这种方法可以将基於计算和数学相关的问题答案准确性提高 30%。

虽然市面上也有 GitHub 的 Copilot 以及亚马逊的 CodeWhisper 这样的程式码生成模型，但它们不像是 ChatGPT 或者 Bard 一样是「通用」的模型，而是原本就被设计为专门用途，用来训练的资料也完全不同。不过 Google 也在官方部落格重申，即便有此次功能上的改进，也不代表 Bard 总是正确的。

Bard 身世坎坷：灾难性发表会、不被内部员工看好

在 ChatGPT 横空出世後，微软＋OpenAI 阵营几乎掌握了生成式 AI 技术的绝大多数话语权，而 Google 推出自家的 AI 聊天机器人 Bard 时的表现，更只能以「一场灾难」来形容，在各国语言的推出速度上亦不够快速，进而影响了全球知名度。

并且，Bard 也不被 Google 自家员工看好，被员工批评为「比没用还糟糕」、「太急躁推出的产品」等等。

在 Google 仍在解释 Bard 已经慢慢在进步时，微软则已经开始透过结合各类 AI 外挂功能与微软整体生态系，来持续强化其地位。

核稿编辑：Jocelyn