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： ://www.louisbouchard.ai/google-docs-summary/ ►谷歌博文： ://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！）： ://www.louisbouchard.ai/newsletter/ https https https https https https 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