Googles Chatbot Bard soll in Logik und Argumentation besser werden. Dafür orientiert sich Google an einem Prinzip des menschlichen Denkens.
"Implizite Codeausführung" nennt Google die neue Fähigkeit von Bard, mit der der Chatbot automatisch erkennt, wann ihm die Programmierung von Code bei der Lösung einer Aufgabe helfen kann. Laut Google betrifft dies explizit mathematische Aufgaben, Programmieranfragen und Aufforderungen zur Änderung von Zeichenketten.
Dank der neuen Technik kann Bard etwa das Wort "Lollipop" zuverlässig rückwärts buchstabieren, muss dafür aber selbst Python-Code generieren, der diese Aufgabe löst. Neu ist, dass Bard automatisch erkennt, dass es diesen Code als Werkzeug benötigt, um die Aufgabe verlässlicher zu lösen.
Video: Google
Darüber hinaus hat Google Bard mit einer Exportfunktion für Google Sheets ausgestattet: Wenn Bard eine Tabelle generiert, kann diese direkt in Sheets übertragen werden.
System 1 für kreatives Schreiben, System 2 für Logik
Google hat sich für die "Implizite Codeausführung" nach eigenen Angaben von der bekannten System-1- und System-2-Logik des US-Psychologen Daniel Kahneman inspirieren lassen. System 1 ist für schnelle, intuitive Handlungen zuständig, System 2 für anspruchsvollere Aufgaben, die mehr Zeit in Anspruch nehmen.
Große Sprachmodelle sind in dieser Logik "System 1"-Systeme und daher etwa gut geeignet für kreatives Schreiben und schnelle Ergebnisse, aber weniger gut geeignet für Logik, die eher den vergleichsweise langsamen, traditionellen Computersystemen vorbehalten ist, die formalistisch und weniger flexibel agieren.
Das neue Bard-Update vereint diese beiden Fähigkeiten durch die eingangs beschriebene Methode. In internen Tests soll Bard Aufgaben, die von Code profitieren, in 30 Prozent der Fälle akkurater lösen.
Perfekt sei das neue System aber noch nicht: Der Chatbot könnte es versäumen, Code zu generieren, der Code könne falsch oder nicht in der Ausgabe enthalten sein.
Google Deepmind und Forschende aus Princeton haben kürzlich ein Framework namens "Tree of Thoughts" vorgestellt, das ebenfalls darauf abzielt, ein System-1-System-Prinzip auf ein Sprachmodell anzuwenden, indem es den klassischen Ansatz von Entscheidungsbäumen mit den neuen Fähigkeiten eines großen Sprachmodells kreuzt. Die jetzt für Bard verwendete Methode ist jedoch eine andere.