O Google anunciou recentemente um novo modelo de geração automática de resumos usando aprendizado de máquina, lançado no Google Docs que você já pode usar. O modelo tentará entender todo o documento e gerar um breve resumo da peça – algo que alguns profissionais do cinema claramente ainda não conseguem fazer. O modelo precisa atingir duas coisas para conseguir isso, o que você aprenderá no vídeo abaixo! Assista o vídeo Referências ►Leia o artigo completo: ►Postagem do blog do Google: ►Vídeo GPT-3: ►Atenção vídeo: ►O que são RNNs?: ►Meu boletim informativo (um novo aplicativo de IA explicado semanalmente para seus e-mails!): https://www.louisbouchard.ai/google-docs-summary/ https://ai.googleblog.com/2022/03/auto-generated-summaries-in-google-docs.html https://youtu.be/gDDnTZchKec https://youtu.be/QcCJJOLCeJQ https://youtu.be/Z0pb3LjeIZg https://www.louisbouchard.ai/newsletter/ Transcrição de vídeo 0:00 você acha difícil resumir rapidamente 0:02 um filme que você acabou de assistir ou um livro que você 0:04 li algumas semanas atrás às vezes você ama 0:06 um livro e se você não consegue 0:09 lembre-se de seu conteúdo que muitas vezes não consigo 0:11 você pode acabar entediando seu amigo por 0:12 conversando por uma hora descrevendo os muitos 0:15 capítulos e partes importantes enquanto seu 0:17 amigo só quero ter um rápido e 0:18 resumo conciso porque fazer um 0:21 ótimo resumo é desafiador até para nós 0:23 mas necessário como é útil ser 0:26 capaz de saber rapidamente o que é o livro 0:28 sobre antes de comprá-lo ou simplesmente para ajudar 0:30 você passa por todos os seus e-mails e 0:32 documentos em segundos levando o tempo para 0:34 recapitular e resumir seu trabalho também é 0:36 muito importante se você quer ser levado 0:38 seriamente em seu trabalho e pesos e 0:41 vieses o patrocinador deste vídeo irá 0:43 ajudá-lo com isso com o meu favorito 0:45 pesos e vieses de recursos relatam isso 0:48 ajuda você a criar belos relatórios sobre 0:50 suas execuções anteriores com seu hiper 0:51 parâmetros e qualquer matriz rastreada em 0:54 segundos ele ainda permite que você crie 0:56 gráficos claros e dinâmicos comparando os 0:58 corridas, os membros da sua equipe podem sair 1:00 comenta logo no relatório se isso 1:02 não faz de você o engenheiro de ml mais legal 1:05 na sua equipe eu não sei qual será o seu 1:07 colegas de equipe entenderão o que você é 1:09 trabalhando em uma fração de segundo ele vai 1:11 permita que eles o ajudem se puderem 1:13 economizando um tempo valioso e possível 1:15 mal-entendidos experimentam pesos e 1:17 bias de graça com o primeiro link 1:19 abaixo e lucre com esses benefícios 1:22 intensificando seu jogo de engenharia 1:27 assim como para criar relatórios claros que você 1:29 precisa ter uma grande compreensão de um 1:32 livro filme ou qualquer conteúdo que você está tentando 1:34 resumir para fazer bem omitir tudo 1:36 informações desnecessárias, mantendo 1:39 o essencial tornando algo tão 1:41 conciso possível pode ser realmente 1:42 complicado ou mesmo impossível aqui eu 1:46 tente explicar a pesquisa em alguns minutos 1:48 e muitas vezes não consigo fazer isso 1:49 menos de 5 minutos, mesmo que seja apenas 1:52 um resumo de uma peça de 20 páginas que requer 1:55 horas de trabalho e afinação e agora eu 1:57 pode ser substituído por um ai que faz isso 2:00 melhor em milissegundos de fato google 2:03 anunciou recentemente um novo modelo para 2:05 gerando resumos automaticamente usando 2:07 aprendizado de máquina lançado no google docs 2:09 que você já pode usar o modelo vai 2:12 tente entender todo o documento e 2:14 gerar um breve resumo da peça 2:16 algo que alguns profissionais de cinema 2:18 claramente ainda não pode fazer as necessidades do modelo 2:21 para conseguir duas coisas entender o 2:23 texto no documento chamado natural 2:25 compreensão da linguagem e gerar 2:28 frases coerentes usando um natural 2:30 linguagem ou, em outras palavras, executar 2:33 geração de linguagem natural, mas como pode 2:36 você consegue que adivinhou com um 2:39 muitos dados e poder de computação felizmente 2:41 chega disso é pesquisa do google eles 2:44 treinou nosso modelo para replicar nosso 2:46 processo de pensamento para gerar resumos 2:48 usando muitos documentos com 2:50 resumos gerados manualmente vendo todos 2:52 esses exemplos o modelo faz como qualquer 2:55 bom aluno e acaba conseguindo 2:57 gerar resumos relativamente bons para 2:59 documentos semelhantes aos que viu durante 3:02 sua fase de treinamento você pode ver porque nós 3:04 preciso de dados de boa qualidade aqui o modelo 3:06 vai aprender com eles, pode ser apenas como 3:09 bom como os dados que foram usados para 3:11 treiná-lo será como ter um 3:13 treinador muito ruim que não sabe 3:15 qualquer coisa sobre basquete tentando 3:17 ensinar um novo jogador como este novo 3:19 jogador se torna bom se o treinador 3:21 não sabe nada sobre o esporte 3:24 o talento do recém-chegado não será otimizado 3:26 e pode ser desperdiçado apenas por causa do 3:28 treinamento ruim, o desafio vem com 3:31 generalizando para novos documentos 3:33 generalizar é algo até difícil 3:35 para alunos que só aprenderam a 3:37 executar os exemplos dados, mas não 3:40 entender como aplicar as fórmulas 3:42 é a mesma coisa aqui o modelo enfrenta 3:45 dificuldades, pois não consegue se lembrar de tudo 3:47 documentos e resumos de cor que tem 3:50 para entendê-los ou pelo menos saber 3:52 em quais palavras colocar sua atenção em 3:55 a fim de produzir um resumo que reflita 3:57 o documento bem, este último será mais 4:00 provavelmente acontecerá porque o modelo não 4:02 realmente entender o documento só 4:04 entende como realizar a tarefa 4:06 que infelizmente ainda está longe 4:09 inteligência de nível humano, mas bem o suficiente 4:11 para tal tarefa que acabei de mencionar 4:13 atenção bem, isso não foi um 4:16 coincidência atenção pode ser o mais 4:18 conceito importante por trás deste modelo 4:21 na verdade, assim como gpt3 este novo modelo 4:24 também usa a arquitetura do transformador 4:26 e mecanismos de atenção é aqui que 4:28 alta computação é necessária como você sabe 4:31 transformadores são grandes e poderosos 4:34 redes, mas na maioria das vezes um pouco grande demais para 4:36 ferramentas rápidas e eficientes que precisam ser 4:38 disponível online em segundos transformadores 4:41 a complexidade da computação também escala com 4:43 o tamanho de entrada, o que significa que o 4:45 mais longa a entrada, mais pesada a 4:47 computação estará causando grandes problemas 4:50 quando queremos resumir um livro inteiro 4:52 gpt3 funciona bem para pequenas entradas como 4:55 questionar e compartilhar tarefas, mas o mesmo 4:57 arquitetura não será capaz de processar 4:59 livros inteiros de forma eficiente, em vez disso, eles tinham 5:01 usar alguns truques para ter uma 5:03 modelo menor e mais eficiente enquanto 5:06 mantendo resultados de alta qualidade este 5:08 otimização foi alcançada pela fusão 5:10 transformadores com rnns ou recorrente 5:13 redes neurais que são dois conceitos i 5:16 explicado em vídeos anteriores que eu 5:18 recomendo assistir para melhor 5:19 entendendo que ambos os vídeos estão vinculados em 5:22 a descrição abaixo em resumo ele irá 5:24 agir de forma semelhante ao gpt3 que você deve 5:26 entenda agora do meu vídeo sobre isso 5:29 mas com uma versão menor do modelo 5:31 iterando repetidamente até que o modelo 5:34 termina o livro a parte do transformador 5:37 da arquitetura será responsável 5:39 para entender uma pequena parte do 5:41 texto e produzir uma versão codificada de 5:44 isso o rnn será responsável por 5:46 empilhar e manter esse conhecimento em 5:48 memória iterando por todo o livro 5:51 para acabar com a maneira mais concisa de 5:53 resumindo seu conteúdo trabalhando em conjunto 5:56 o mecanismo de atenção adicionado ao 5:58 arquitetura recorrente será capaz de 6:00 vasculhar documentos longos e encontrar o 6:02 características mais importantes a serem mencionadas em 6:04 o resumo que qualquer ser humano fará de 6:07 Claro que o modelo não é perfeito, pois 6:09 mesmo escritores profissionais não são perfeitos 6:11 em resumir seu trabalho, mas o 6:13 os resultados são bastante impressionantes e 6:15 produzido de forma extremamente eficiente eu 6:17 recomendo fortemente experimentá-lo para 6:19 você mesmo no google docs para fazer o seu 6:21 pense nisso 6:22 e pronto, é assim que o google docs 6:25 resumir automaticamente seus documentos 6:27 com seu novo aprendizado de máquina baseado 6:29 modelo eu espero que você tenha gostado deste vídeo se 6:32 então, por favor, tome um segundo para deixar um like 6:34 e comente sua opinião sobre o vídeo 6:36 e neste novo modelo você vai usar 6:39 obrigado por assistir até o final e 6:41 te vejo semana que vem com outro papel incrível
