Bard s'améliore dans les tâches mathématiques, les questions de codage et la manipulation de chaînes de caractères grâce à une nouvelle technique appelée exécution implicite du code. De plus, il dispose d'une nouvelle action d'exportation vers Google Sheets.Deux améliorations de Bard sont lancées aujourd'hui 7 juin. Tout d'abord, Bard s'améliore pour les tâches mathématiques, les questions de codage et la manipulation de chaînes de caractères. D'autre part, il dispose d'une nouvelle action d'exportation vers Google Sheets : Ainsi, lorsque Bard génère un tableau dans sa réponse, par exemple si vous lui demandez de "créer un tableau pour les inscriptions des bénévoles à mon refuge pour animaux", vous pouvez désormais l'exporter directement vers Sheets.
De meilleures réponses pour les raisonnements avancés et les invites mathématiques
Une nouvelle technique appelée "exécution implicite du code" permet à Bard de détecter les invites de calcul et d'exécuter le code en arrière-plan. Il peut ainsi répondre plus précisément aux tâches mathématiques, aux questions de codage et aux invites de manipulation de chaînes de caractères. Ainsi, Bard pourra mieux répondre à des questions telles que :
- Quels sont les facteurs premiers de 15683615 ?
- Calculer le taux de croissance de mon épargne
- Inverser le mot "Lollipop" pour moi.
Aperçu : https://storage.googleapis.com/gweb-...1080_EN-US.gif
Examinons plus en détail cette nouvelle capacité et la manière dont elle aide Bard à améliorer ses réponses.
Amélioration des compétences en matière de logique et de raisonnement
Les grands modèles de langage (LLM) sont comme des moteurs de prédiction : lorsqu'on leur donne un message, ils génèrent une réponse en prédisant les mots qui vont probablement suivre. Par conséquent, ils sont extrêmement performants dans les tâches linguistiques et créatives, mais plus faibles dans des domaines tels que le raisonnement et les mathématiques. Pour aider à résoudre des problèmes plus complexes nécessitant des capacités de raisonnement et de logique avancées, il ne suffit pas de s'appuyer uniquement sur les résultats du LLM.
La nouvelle méthode permet à Bard de générer et d'exécuter du code pour renforcer ses capacités de raisonnement et de calcul. Cette approche s'inspire d'une dichotomie bien étudiée de l'intelligence humaine, notamment abordée dans le livre de Daniel Kahneman "Thinking, Fast and Slow" - la séparation entre la pensée du "système 1" et celle du "système 2".
- La pensée du système 1 est rapide, intuitive et sans effort. Lorsqu'un musicien de jazz improvise sur le champ ou qu'un compositeur tactile pense à un mot et le regarde apparaître à l'écran, ils utilisent le système 1 de pensée.
- La pensée du système 2, en revanche, est lente, délibérée et laborieuse. Lorsque vous effectuez une division longue ou que vous apprenez à jouer d'un instrument, vous utilisez le système 2.
Dans cette analogie, on peut considérer que les LLM fonctionnent uniquement selon le système 1, c'est-à-dire qu'ils produisent du texte rapidement, mais sans réflexion approfondie. Cela permet d'obtenir des capacités incroyables, mais peut aussi s'avérer insuffisant de manière surprenante. (Imaginez que vous essayez de résoudre un problème mathématique en utilisant uniquement le système 1 : Vous ne pouvez pas vous arrêter pour faire l'arithmétique, vous devez simplement cracher la première réponse qui vous vient à l'esprit). Le calcul traditionnel est étroitement lié à la pensée du système 2 : Il s'agit d'une formule rigide, mais la bonne séquence d'étapes peut produire des résultats impressionnants, tels que des solutions à des divisions longues.
Avec cette dernière mise à jour, les capacités des LLM (système 1) et du code traditionnel (système 2) ont été combinées pour améliorer la précision des réponses de Bard. Grâce à l'exécution implicite du code, Bard identifie les invites qui pourraient bénéficier d'un code logique, l'écrit "sous le capot", l'exécute et utilise le résultat pour générer une réponse plus précise. Jusqu'à présent, il a été constaté que cette méthode améliorait d'environ 30 % la précision des réponses de Bard aux problèmes de mots et de mathématiques basés sur le calcul dans les ensembles de données internes de Google.
Même avec ces améliorations, Bard n'obtiendra pas toujours une réponse correcte - par exemple, Bard peut ne pas générer de code pour aider la réponse, le code qu'il génère peut être erroné ou Bard peut ne pas inclure le code exécuté dans sa réponse. Cela dit, cette amélioration de la capacité à répondre de manière structurée et logique est une étape importante pour rendre Bard encore plus utile. Restez à l'écoute pour en savoir plus.
Source : Google
Et vous ?
Quel est votre avis sur le sujet ? Que pensez-vous de ces nouvelles capacités de Bard, les trouvez-vous utiles et pertinentes ? Selon vous, l'introduction de l'exécution implicite du code dans Bard constitue-t-elle une avancée significative dans l'amélioration de la précision des réponses du chatbot ?Voir aussi
Bard : Google a ouvert la liste d'attente pour essayer son chatbot IA génératif pour les États-Unis et le Royaume-Uni. La réponse à ChatGPT n'est pas encore disponible en France Google annonce la disponibilité générale de Bard, sa réponse au chatbot ChatGPT d'OpenAI, dans 180 pays : Que peuvent en attendre les travailleurs de la filière du développement informatique ? Bard, le chatbot IA développé par Google, n'est disponible dans aucun pays de l'Union européenne ni au Canada pour le moment, malgré l'annonce d'une expansion massive du service dans 180 pays Google annonce que son IA Bard peut désormais aider à coder et à créer des fonctions pour Google Sheets dans un contexte où ses employés qualifient Bard de « menteur pathologique » Google dévoile Bard, sa réponse à l'intelligence artificielle ChatGPT de l'entreprise OpenAI annoncée comme une menace pour l'existence de son moteur de recherches 
, un échec dès le départ et qui ne fait pas mieux un an après
