TRIBUNJATIM.COM - Teknologi Google Bard yang diluncurkan setelah Chat GPT, saat ini mungkin lebih unggul, namun keduanya akan menemukan segmen pasar masing-masing.

"Prediksi saya, sekarang Chat GPT ini bekerja sama dengan Microsoft yang dari sisi pasar mesin pencari tidak sebesar Google. Barangkali nanti yang akan mendominasi adalah Bard karena ia secara natural sudah terintegrasi dengan mesin pencari Google yang sampai saat ini mendominasi,” ungkap pakar AI dari Departemen Teknik Elektro dan Teknologi Informasi Fakultas Teknik UGM, DR Eng Ir Sunu Wibirama ST M.Eng. IPM pada Rabu, 17 Mei, seperti dikutip dari Antara.

Apalagi Google, kata Sunu, juga memiliki layanan lain selain mesin pencari, salah satunya adalah android yang digunakan di hampir semua ponsel pintar.

Sehingga secara natural, katanya, Google Bard akan terintegrasi dengan aplikasi yang ada di gawai pintar.

"Dari situ akan meningkatkan pemakaian Bard. Sementara Chat GPT terintegrasi hanya di mesin pencari Microsoft Bing sehingga saya tidak terlalu yakin bisa melakukan penetrasi pasar yang lebih luas dibandingkan Bard," ujar Sunu.

"Bard ini dari sisi respons lebih natural dibandingkan dengan Chat GPT. Secara teks, gaya penyampaian Bard lebih mirip percakapan manusia," kata dia.

Sunu mengatakan bahwa untuk perintah yang sama, Google Bard dan Chat GPT memberikan respons yang berbeda.

Kemampuan chatbot AI yang ada di belakang Bard atau Chat GPT, sama-sama bisa melihat intensi yang kemudian memberikan respons natural layaknya manusia.

“Bard, sudah lama dikembangkan Google lewat proyek Language Model for Dialogue Applications (LaMDA) meski diluncurkan kalah cepat bila dibandingkan Chat GPT,” jelasnya.

Menurut dia, meski Bard untuk saat ini dinilai lebih unggul, namun hal tersebut tidak serta merta membuat Chat GPT akan ditinggalkan pelanggan.

Nah, berikut adalah perbedaan Chat GPT dan Google Bard yang digunakan Microsoft dan Google Search:

1. Terminologi

Chat GPT adalah model AI yang dikembangkan oleh OpenAI yang menggunakan teknik transformers untuk melakukan tugas natural language processing (NLP). Misalnya pemahaman dan generasi bahasa.

Model ini dilatih pada jutaan catatan teks dan menggunakan teknik deep learning untuk menentukan bagaimana menjawab pertanyaan dan membuat kalimat yang sesuai.