La nueva IA de Google crea resúmenes de sus documentos en Google Docs

Google anunció recientemente un nuevo modelo para generar resúmenes automáticamente usando aprendizaje automático, lanzado en Google Docs que ya puedes usar.

El modelo intentará comprender todo el documento y generar un breve resumen de la pieza, algo que claramente algunos profesionales del cine todavía no pueden hacer.

¡El modelo necesita lograr dos cosas para lograr eso, que aprenderá en el video a continuación!

Ver el vídeo

Referencias

►Lea el artículo completo: https://www.louisbouchard.ai/google-docs-summary/
►Publicación del blog de Google: https://ai.googleblog.com/2022/03/auto-generated-summaries-in-google-docs.html
►GPT-3 vídeo:
►Atención video:
►¿Qué son las RNN?:
►My Newsletter (¡Una nueva aplicación de IA explicada semanalmente en sus correos electrónicos!): https://www.louisbouchard.ai/newsletter/

Transcripción del vídeo

0:00

¿Le resulta difícil resumir rápidamente

0:02

una película que acabas de ver o un libro que

0:04

leí hace unas semanas a veces te encanta

0:06

un libro y si no lo consigues

0:09

recordar su contenido que a menudo no puedo

0:11

puedes terminar aburriendo a tu amigo por

0:12

hablando durante una hora describiendo los muchos

0:15

capítulos y partes importantes mientras su

0:17

amigo solo quiero tener un rápido y

0:18

resumen conciso esto se debe a que hacer un

0:21

gran resumen es desafiante incluso para nosotros

0:23

pero necesario lo útil que es ser

0:26

capaz de saber rápidamente qué es el libro

0:28

sobre antes de comprarlo o simplemente para ayudar

0:30

usted revisa todos sus correos electrónicos y

0:32

documentos en segundos tomándose el tiempo para

0:34

recapitular y resumir su trabajo también es

0:36

muy importante si quieres que te lleven

0:38

seriamente en su trabajo y pesos y

0:41

sesgos el patrocinador de este video se

0:43

te ayudo con eso con mi favorito

0:45

los pesos y sesgos de características lo informan

0:48

le ayuda a crear hermosos informes sobre

0:50

tus carreras anteriores con tu hiper

0:51

parámetros y cualquier matriz rastreada en

0:54

segundos incluso te permite crear

0:56

gráficas claras y dinámicas que comparan

0:58

ejecuta los miembros de su equipo pueden salir

1:00

comentarios directamente en el informe si esto

1:02

no te convierte en el mejor ingeniero de ml

1:05

en tu equipo no sé cuál será tu

1:07

tus compañeros entenderán lo que eres

1:09

trabajando en una fracción de segundo lo hará

1:11

deja que te ayuden si pueden

1:13

ahorrando un tiempo valioso y posible

1:15

malentendidos probar pesas y

1:17

biases gratis con el primer enlace

1:19

a continuación y benefíciese de estos beneficios

1:22

intensificando su juego de ingeniería

1:27

al igual que para crear informes claros que

1:29

necesita tener una gran comprensión de un

1:32

película de libro o cualquier contenido que estés probando

1:34

resumir hacerlo bien omitir todo

1:36

información innecesaria mientras mantiene

1:39

lo esencial hacer algo como

1:41

lo más conciso posible puede ser realmente

1:42

complicado o incluso imposible aquí i

1:46

tratar de explicar la investigación en unos minutos

1:48

y a menudo no puedo lograr hacerlo

1:49

menos de 5 minutos, incluso si es sólo

1:52

un resumen de una pieza de 20 páginas que requiere

1:55

horas de trabajo y puesta a punto y ahora yo

1:57

puede ser reemplazado por un ai que hace eso

2:00

mejor en milisegundos de hecho google

2:03

anunció recientemente un nuevo modelo para

2:05

generación automática de resúmenes utilizando

2:07

Aprendizaje automático publicado en Google Docs

2:09

que ya puedes usar el modelo se

2:12

Trate de entender todo el documento y

2:14

generar un breve resumen de la pieza

2:16

algo algunos profesionales del cine

2:18

claramente todavía no puede hacer las necesidades del modelo

2:21

para lograr dos cosas entender el

2:23

texto en el documento llamado natural

2:25

comprensión del lenguaje y generar

2:28

oraciones coherentes usando un natural

2:30

lenguaje o en otras palabras realizar

2:33

generación de lenguaje natural, pero ¿cómo se puede

2:36

logras que lo adivinaste con un

2:39

muchos datos y poder de cómputo afortunadamente

2:41

suficiente esto es investigación de google ellos

2:44

entrenado nuestro modelo para replicar nuestro

2:46

proceso de pensamiento para generar resúmenes

2:48

utilizando demasiados documentos con

2:50

resúmenes generados manualmente viendo todos

2:52

estos ejemplos el modelo hace como cualquier

2:55

buen estudiante y termina siendo capaz de

2:57

generar resúmenes relativamente buenos para

2:59

documentos similares a los que ha visto durante

3:02

su fase de entrenamiento puedes ver por qué

3:04

necesito datos de buena calidad aqui el modelo

3:06

aprenderá de ellos, puede que solo sea como

3:09

bueno como los datos que se usaron para

3:11

entrenarlo será como tener un

3:13

muy mal entrenador que no sabe

3:15

cualquier cosa sobre el baloncesto tratando de

3:17

enseñar a un nuevo jugador cómo podría este nuevo

3:19

jugador se vuelve bueno si el entrenador

3:21

no sabe nada del deporte

3:24

el talento del recién llegado no se optimizará

3:26

y podría desperdiciarse sólo debido a la

3:28

mal entrenamiento, el desafío viene con

3:31

generalizar a nuevos documentos

3:33

generalizar es algo hasta dificil

3:35

para estudiantes que solo aprendieron a

3:37

realizar los ejemplos dados pero no

3:40

entender cómo aplicar las fórmulas

3:42

es lo mismo aquí la modelo se enfrenta

3:45

dificultades ya que no puede recordar todo

3:47

documentos y resúmenes de memoria tiene

3:50

entenderlos o al menos saber

3:52

en qué palabras poner su atención en

3:55

para producir un resumen que refleje

3:57

el documento bien este último será más

4:00

probablemente suceda ya que el modelo no lo hace

4:02

realmente entiendo el documento solo

4:04

entiende cómo realizar la tarea

4:06

que lamentablemente todavía está lejos de

4:09

inteligencia a nivel humano pero lo suficientemente bien

4:11

para tal tarea que acabo de mencionar

4:13

atencion pues esto no fue un

4:16

la atención de la coincidencia puede ser la más

4:18

concepto importante detrás de este modelo

4:21

de hecho, al igual que gpt3 este nuevo modelo

4:24

también utiliza la arquitectura del transformador

4:26

y mecanismos de atención aquí es donde

4:28

se requiere un alto cálculo como usted sabe

4:31

Los transformadores son grandes y potentes.

4:34

pero la mayoría de las veces un poco demasiado grande para

4:36

herramientas rápidas y eficientes que necesitan ser

4:38

disponible en línea en segundos transformadores

4:41

la complejidad del cálculo también escala con

4:43

el tamaño de entrada, lo que significa que el

4:45

más larga es la entrada, más pesado es el

4:47

el cálculo causará grandes problemas

4:50

cuando queremos resumir un libro entero

4:52

gpt3 funciona bien para entradas pequeñas como

4:55

pregunta y compartir tareas pero lo mismo

4:57

la arquitectura no podrá procesar

4:59

libros completos de manera eficiente en su lugar tenían

5:01

usar algunos trucos para tener una

5:03

modelo más pequeño y más eficiente mientras que

5:06

mantener resultados de alta calidad este

5:08

la optimización se logró mediante la fusión

5:10

transformadores con rnns o recurrentes

5:13

redes neuronales que son dos conceptos i

5:16

expliqué en videos anteriores que yo

5:18

Recomiendo encarecidamente mirar para una mejor

5:19

entender que ambos videos están vinculados en

5:22

la descripción a continuación en resumen lo hará

5:24

actuar de manera similar a gpt3 que deberías

5:26

entiendo por ahora de mi video al respecto

5:29

pero con una versión más pequeña del modelo.

5:31

iterando una y otra vez hasta que el modelo

5:34

termina el libro la parte del transformador

5:37

de la arquitectura será responsable

5:39

para comprender una pequeña parte de la

5:41

texto y producir una versión codificada de

5:44

el rnn sera responsable de

5:46

apilar y mantener este conocimiento en

5:48

memoria iterando a través de todo el libro

5:51

para terminar con la forma más concisa de

5:53

resumiendo su contenido trabajando juntos

5:56

el mecanismo de atención añadido a la

5:58

la arquitectura recurrente será capaz de

6:00

revisar documentos extensos y encontrar el

6:02

características más importantes a mencionar en

6:04

el resumen como lo hará cualquier ser humano de

6:07

Por supuesto, el modelo no es perfecto ya que

6:09

incluso los escritores profesionales no son perfectos

6:11

en resumir su trabajo, pero el

6:13

los resultados son bastante impresionantes y

6:15

producido extremadamente eficientemente

6:17

Recomiendo encarecidamente probarlo para

6:19

usted mismo en google docs para hacer su

6:21

mente al respecto

6:22

y listo, así es como google docs

6:25

resumir automáticamente sus documentos

6:27

con su nuevo aprendizaje automático basado

6:29

modelo espero que hayas disfrutado este video si

6:32

así que por favor tómese un segundo para dejar un me gusta

6:34

y comenta tu opinión sobre el video

6:36

y en este nuevo modelo lo usarás

6:39

gracias por ver hasta el final y

6:41

te veré la próxima semana con otro

papel asombroso