Google 的新 AI 在 Google Docs 中创建文档摘要

谷歌最近宣布了一种使用机器学习自动生成摘要的新模型，该模型在谷歌文档中发布，您已经可以使用。

该模型将尝试理解整个文档并生成片段的简短摘要——一些电影专业人士显然仍然无法做到这一点。

该模型需要实现两件事来实现这一目标，您将在下面的视频中学习！

观看视频

参考

►阅读全文： https ://www.louisbouchard.ai/google-docs-summary/
►谷歌博文： https ://ai.googleblog.com/2022/03/auto-generated-summaries-in-google-docs.html
►GPT-3 视频： ://youtu.be/gDDnTZchKec
►注意视频： ://youtu.be/QcCJJOLCeJQ
►什么是RNN？： ://youtu.be/Z0pb3LjeIZg
►我的时事通讯（一个新的 AI 应用程序每周向您的电子邮件解释！）： https ://www.louisbouchard.ai/newsletter/

视频记录

0:00

你觉得很难快速总结

0:02

你刚看过的电影或你的书

0:04

几周前读过，有时你喜欢

0:06

一本书，如果你不能

0:09

记住我经常记不住的内容

0:11

你最终可能会让你的朋友厌烦

0:12

谈了一个小时，描述了许多

0:15

章节和重要部分，而你

0:17

朋友只想快点

0:18

简洁的总结这是因为做一个

0:21

伟大的总结即使对我们来说也是具有挑战性的

0:23

但必要的是它是多么有用

0:26

能够快速知道这本书是什么

0:28

关于在购买之前或只是为了提供帮助

0:30

你浏览了所有的电子邮件和

0:32

几秒钟内的文件花时间

0:34

回顾和总结你的工作也是

0:36

如果你想被带走，这非常重要

0:38

认真对待你的工作和体重

0:41

偏向此视频的赞助商

0:43

用我最喜欢的来帮助你

0:45

特征权重和偏差报告它

0:48

帮助您创建漂亮的报告

0:50

你以前用你的超级跑步

0:51

参数和跟踪的任何矩阵

0:54

秒它甚至允许您创建

0:56

清晰和动态的地块比较

0:58

运行您的团队成员可以离开

1:00

对报告的评论权，如果这

1:02

不会让你成为最酷的毫升工程师

1:05

在你的团队中，我不知道你会怎样

1:07

队友会明白你是什么

1:09

在瞬间工作它会

1:11

如果可以的话，让他们帮助你

1:13

节省宝贵的时间和可能

1:15

误会尝试权重和

1:17

第一个链接免费偏见

1:19

并从这些好处中获利

1:22

加强你的工程游戏

1:27

就像创建清晰的报告一样

1:29

需要对一个有很好的了解

1:32

预订电影或您正在尝试的任何内容

1:34

总结 做好 省略所有

1:36

不必要的信息，同时保持

1:39

必不可少的东西

1:41

尽可能简洁真的可以

1:42

我在这里很复杂甚至不可能

1:46

试着在几分钟内解释研究

1:48

我经常做不到

1:49

不到 5 分钟，即使只是

1:52

它需要20页的摘要

1:55

工作时间和微调，现在我

1:57

可能会被执行此操作的 AI 所取代

2:00

确实在毫秒内更好谷歌

2:03

最近宣布了一个新的模型

2:05

使用自动生成摘要

2:07

谷歌文档中发布的机器学习

2:09

您已经可以使用该模型将

2:12

尝试理解整个文档并

2:14

生成作品的简短摘要

2:16

一些电影专业人士的东西

2:18

显然还是做不到模型需要

2:21

实现两件事了解

2:23

文档中称为自然的文本

2:25

语言理解和生成

2:28

使用自然的连贯句子

2:30

语言或换句话说执行

2:33

自然语言生成，但怎么能

2:36

你实现了你猜到的

2:39

幸运的是，大量数据和计算能力

2:41

够了，这是谷歌研究他们

2:44

训练我们的模型来复制我们的

2:46

生成摘要的思维过程

2:48

使用太多的文件

2:50

手动生成的摘要查看所有

2:52

这些示例模型确实喜欢任何

2:55

好学生，最终能够

2:57

生成相对较好的摘要

2:59

与它在

3:02

它的训练阶段你可以看到为什么我们

3:04

这里需要高质量的数据模型

3:06

会向他们学习它可能只是

3:09

与用于的数据一样好

3:11

训练它就像拥有一个

3:13

真的很糟糕的教练不知道

3:15

关于篮球的任何事情

3:17

教一个新玩家这个新玩家怎么可能

3:19

如果教练变得好球员

3:21

对这项运动一无所知

3:24

新人天赋不会优化

3:26

并且可能只是因为

3:28

糟糕的教练带来了挑战

3:31

推广到新文档

3:33

概括是一件更困难的事情

3:35

对于只学会如何

3:37

执行给定的示例，但没有

3:40

了解如何应用公式

3:42

模特面对的是同一件事

3:45

困难，因为它无法记住所有

3:47

它拥有的文件和摘要

3:50

了解他们或至少知道

3:52

哪些词要注意

3:55

为了产生一个总结，反映

3:57

文件很好，后者将最

4:00

可能发生，因为模型没有

4:02

真的懂文档而已

4:04

了解如何执行任务

4:06

不幸的是，这还远没有

4:09

人类水平的智力，但足够好

4:11

对于我刚才提到的这样一个任务

4:13

注意，这不是一个

4:16

巧合关注可能是最多的

4:18

该模型背后的重要概念

4:21

确实就像gpt3这个新模型

4:24

也使用变压器架构

4:26

和注意力机制，这就是

4:28

如您所知，需要高计算量

4:31

变压器大而强大

4:34

网络，但大多数时候有点太大了

4:36

需要快速高效的工具

4:38

可在几秒钟内在线变压器

4:41

计算复杂度也随着

4:43

输入大小，这意味着

4:45

输入越长越重

4:47

计算将导致大问题

4:50

当我们想总结整本书时

4:52

gpt3 适用于小型输入，例如

4:55

问题和共享任务但相同

4:57

架构将无法处理

4:59

有效地整本书，而不是他们

5:01

使用一些技巧来获得

5:03

更小更高效的模型，同时

5:06

保持高质量的结果

5:08

通过合并实现优化

5:10

带有 rnns 或循环的转换器

5:13

神经网络是两个概念 i

5:16

我在之前的视频中解释过

5:18

强烈建议观看以获得更好的

5:19

了解两个视频都链接在

5:22

简而言之，它将

5:24

行为类似于你应该的 gpt3

5:26

现在从我的视频中了解它

5:29

但使用较小版本的模型

5:31

一遍又一遍地迭代直到模型

5:34

完成本书的变压器部分

5:37

架构师将负责

5:39

了解一小部分

5:41

文本并生成编码版本

5:44

rnn 将负责

5:46

堆叠并保存这些知识

5:48

遍历整本书的记忆

5:51

以最简洁的方式结束

5:53

总结其内容协同工作

5:56

注意力机制添加到

5:58

循环架构将能够

6:00

浏览长文档并找到

6:02

最重要的功能要提到

6:04

任何人都会做的总结

6:07

当然模型并不完美，因为

6:09

即使是专业作家也不完美

6:11

在总结他们的工作，但

6:13

结果令人印象深刻，并且

6:15

我会非常高效地生产

6:17

强烈建议尝试

6:19

你自己在谷歌文档中来弥补你的

6:21

介意它

6:22

瞧，这就是谷歌文档的方式

6:25

自动总结您的文档

6:27

他们基于新的机器学习

6:29

模型我希望你喜欢这个视频如果

6:32

所以请花点时间给个赞

6:34

并评论您对视频的看法

6:36

你会在这个新模型上使用它吗

6:39

感谢您观看到最后

6:41

我下周见

惊人的纸