Búsqueda · 27 momentos en 15 episodios
Isabel CorderoBorja TosarJosé EdelsteinFrancis VillatoroHéctor SocasMaría RibesGastón Giribetchat gpt inventa fuenteschatgpt gratuito inventa informaciónpod gpt sin prueba disponiblerepositorio github chatgpttranscripción podcasts gratuitos señal y ruidoproblemas legales publicación transcripcionespodgpt imitando conversación humanatécnicas tertulianos en modelos grandesusuario pregunta podcastssistema busca aprendido señal y ruidodolor rodilla síntomas infartosistema podgpt aprende chats podcastsbase datos fuentes síntomas médicosMaría RibesPodGPTLLMHéctor SocasGitHubSeñal y RuidoChatGPTUniversidad Bengala OccidentalSouthamptonEstados UnidosRhoda AuFramingham Heart StudySTEMCoffee BreakMaría RibasBengala OccidentalRetrieval Augmented GenerationRACAndrés AlcarazTomás VilaUniversidad de BostonUniversidad de Hong KongWhisper Large V3New England Journal of Medicine (NEHM)MedPub
Sistema PodGPT aprende chats podcasts
Ep524: ¿Biomarcador Marciano?; Gravitondas y Teorema del Área; PodGPT
18 de septiembre de 20256 momentos
Con
0:000:301:001:302:002:303:003:28
María Ribes explica cómo PodGPT responde a preguntas sobre síntomas médicos como dolor de rodilla o posibles causas de un infarto, buscando en una base de datos y proporcionando fuentes.
…la persona que le está preguntando cosas, porque es para preguntarle cosas de medicina. Entonces no es solo para que pueda producir respuestas con lo que ya sabe, sino que también le meten el RAC, este RAC es Retrieval Augmented Generation con los artículos. Del Nehem y el PubMed para que pueda consultar ahí y de las fuentes, o sea, que te diga esto es así porque lo he escuchado pero aquí tienes la fuente y que no se invente la fuente como nos hace el chat GPT normalmente, que no sé si habéis probado que aunque le digas búscalo en internet, dame la fuente. A no ser que uses el de pago, pues se lo inventa, entonces tú tienes este chat GPT, este pod GPT que no se puede probar; yo he querido probarlo. Tiene un repositorio en GitHub y he ido ahí a ver si me dejaba: había una demo, o algo, pero no. Lo que tienen es el benchmark, el pipeline para poder evaluarlo, pero no hay demo probable. Y también tienen una transcripción de los podcasts que son gratuitos; por ejemplo, el nuestro sí que estaría, pero la mayoría de los podcasts que han escuchado son de pago. Entonces, claro, por cosas legales no lo publican. Entonces, Supuestamente, lo que ellos han puesto en práctica, lo que han probado con este enorme LLM, el usuario le hace una pregunta y lo que hace el sistema busca en todo lo que ha aprendido de los podcasts y contesta según imitando una conversación humana. Hombre, eso lo hacen todos los grandes modelos, como sabéis, pero contesta con las técnicas que ha aprendido de los tertulianos. También a veces se enfada o tiene algún tipo de contestación así, que es lo que nos gustaría a todos que nos dijeran: pues cállate, pues búscalo tú. Pero sobre Todo lo que hace es buscar en esa base de datos, entonces te lo confirma; es decir, me duele la rodilla o cuáles son los síntomas de un infarto. Esto podría ser un síntoma, me duele el dedo, ¿qué me pasa? Entonces el sistema te da lo que he aprendido con esos chats, con esos podcasts, pero aparte te buscan la base de datos y te da la fuente para que Tú puedas comprobar que es verdad. Entonces tiene un benchmark, no sé cómo traducir esto, una prueba estándar, un megatest, ¿cómo lo traducís eso? ¿O no lo traducís? Yo no lo traduzco, pero sería una prueba estándar, me gusta. No sé, tiene una prueba MMLU de…
Significado #1 · Palabras #1
Héctor Socas explica su impresión inicial sobre PodGPT, asumiendo que estaría relacionado con podcasts, redes neuronales y modelos de lenguaje grandes, aunque resulta ser un podcast médico.
Habla: María RibesSignificado #3 · Palabras #4artículo podgpt hector socaspodgpt artículo interesantepodgpt podcast ciencia médicaredes neuronales modelos lenguaje grandespodcast potenciado audio investigación…sea, qué sé yo, no sé, no tengo ni idea. Si Francis está solo, pues muy bien; yo creo que contestaría con exactitud todas las cosas. Si hubiera más de una pregunta a la vez, Francis diría: pues no, está mal. Te empezaría a decir cosas como: Wikipedia miente. Es que es un artículo muy chulo, por eso no quería que dijera el título antes de hacer esta pregunta, porque se llama PodGPT. El artículo se llama PodGPT, se llama Cuando me dijiste lo de PodGPT ya asumí, porque parezca que no, pero tengo ciertas luces, o sea, yo tengo cierta capacidad aquí. Dentro y claro, yo PodGPT pensé: esto va a ser algo de podcast y de redes neuronales y grandes modelos de lenguaje. Es podcast de ciencia, además. Así es, pero son podcasts médicos. El título es, vamos a ver una traducción, que hagamos así: un modelo de lenguaje de gran escala, potenciado con audio para la investigación y la educación. Así se llama todo el título. Y bueno, antes de entrar en materia, quería hablaros de los autores, porque los primeros firmantes son unos estudiantes de doctorado y luego está el investigador principal y son de todo el mundo. El primer firmante es Xu Yue Chia, que es de Hong Kong, es…
Héctor Socas interrumpe la conversación para leer comentarios del chat sobre cómo sería una inteligencia artificial entrenada con el contenido del podcast.
Habla: Héctor SocasSignificado #10ia entrenada con contenido podcastchistes malos andrés alcarazacribia increible tomás vila…firmante es Xu Yue Chia, que es de Hong Kong, es graduado en Ciencias de la Computación por la Universidad de Hong Kong, pero ahora trabaja en Boston; la Universidad de Boston es la afiliación principal de este paper y el investigador principal es Indio. dime, dime ¿Te puedo interrumpir un momento? Es que estoy leyendo los comentarios en el chat cuando preguntaste cómo sería una IA entrenada. Ah, ¿qué has dicho? Hay gente diciendo, bueno, de todo. A ver, miedo me da. Hay quien dice, haría muchos chistes malos, por ejemplo, Andrés Alcaraz dice, Tomás Vila contestaría con una acribia increíble. Sería estoico como Francis, dice Néstor; ya existe, se llama Francías, dice uno. Eso es una chorrada, eso es de Chichinau, nos daría el tiempo en Málaga. Ay, qué bueno, qué bueno; recopila todo eso, por favor. Habría que recopilar todo esto, perdona. Pues sí,…
María Ribes continúa describiendo a los autores del artículo PodGPT, detallando sus formaciones académicas y áreas de investigación. Menciona a Indio Vijaya Kolachalama como ingeniero aeroespacial y a Rhoda Au, una investigadora en neurociencia.
Habla: María RibesSignificado #4indio vijaya kolachalama ingeniero aeroespacialrhoda au investiga demencia envejecimiento cerebralframingham heart study factores riesgo cardiovascularpodgpt entrenado con podcast ciencia medicina…Ok, lo que os decía: la afiliación principal es la Universidad de Boston y el investigador principal es Indio Vijaya Kolachalama, que he investigado un poco, como hace Héctor, una investigación exhaustiva en Google y es ingeniero aeroespacial. ¿Qué os parece? Ingeniero aeroespacial por la Universidad Bengala Occidental, así como doctor en ingeniería mecánica por Southampton en Estados Unidos Pero hoy se dedica a crear software para mejorar el diagnóstico clínico y sobre todo crear grandes modelos neuronales para interactuar y procesar la información clínica Y también quería mencionar a una autora que es una mujer que es Rhoda Au y es una figura conocida en neurociencia, investiga demencia, envejecimiento cerebral y trabaja en una especie de fundación de estudios que se llama Framingham Heart Study que lo que hacen es estudiar los factores de riesgo cardiovascular o sea que toda esta gente se ha unido para crear este PODGPT al que han alimentado, han entrenado solo con podcast como dices tú Héctor, con podcast de ciencia pero principalmente medicina Yo, fíjate, no había caído, acabo de darme cuenta ahora, De la relación entre Bengala, esa región, y el tema pirotécnico hasta que me hablaste de un ingeniero aeroespacial. Y ahora se explica todo; yo estaba escuchando así atentamente, digo, ¿qué nos va a revelar? Pues sí, de ahí viene, y ya está; eso es lo que…
María Ribes comenta la cantidad de horas de contenido en los podcasts STEM utilizados para entrenar un sistema, destacando que suman más de 3.700 horas y abarcan áreas como ciencia, tecnología, ingeniería y medicina.
Habla: María RibesPalabras #6podcasts stem más de 3700 horasciencia tecnología ingeniería medicinaentrenamiento sistema podcasts maria ribes…pirotécnico hasta que me hablaste de un ingeniero aeroespacial. Y ahora se explica todo; yo estaba escuchando así atentamente, digo, ¿qué nos va a revelar? Pues sí, de ahí viene, y ya está; eso es lo que quería llegar a la Bengala, a la Bengala Occidental. Ok estos son, los podcasts son más de 3.700 horas, yo creo que nuestros oyentes han escuchado una buena cantidad de horas ¿Tú sabes cuántas horas? Eso es como 4 o 5 episodios de Coffee Break Imagínate, más de 3.700 horas, pero son podcasts STEM, ¿vale? De estos de ciencia, tecnología, ingeniería Y son dos M's, porque solamente hay una M, que es matemáticas, pero aquí he añadido dos M's que son medicina que es medicina, ¿vale? Entonces, han entrenado al sistema escuchando todos esos podcasts, pero También han creado una base de datos, una base de datos vectorial, para recuperar información y contrastar información, un RAG y lo han sacado del NEHM, que es el New England Journal of Medicine y el MedPub, que son unos jornales bastante importantes. ¿Te…
María Ribes explica cómo se han generado 42 millones de tokens de texto a partir de más de 3.700 horas de audio, utilizando el Whisper Large V3 para la transcripción.
Habla: María RibesSignificado #13whisper large v3 transcripción audiotokens de texto medicina diagnósticotertulia preguntas respuestas reexplicacioneshector socas habla solo tertulia…vino a la mente, yo qué sé, alguna palabra árabe o algo así. Pero es que, es que en egipcio antiguo, Nehem es eternidad, porque tenemos una oyente, pues que es Luciana, que ella también es medio egipcia, Nehem significa la eternidad, ¿vale? Ahí lo dejo. Ok. Todas esas horas de audio han dado 42 millones de tokens de texto, ¿de acuerdo? Y han transcrito con el Whisper, con el Whisper Large V3 y lo que pretenden entrenar no solamente que aprenda cuestiones de medicina, de diagnóstico, sino que el objetivo de entrenarlo con audios es porque cuando hablamos en la tertulia, como hacemos aquí ahora mismo, porque estoy hablando solo yo, pero cuando hablamos y uno pregunta ¿y eso qué es? y otro contesta, otro contesta y otro reexplica y también cuando estamos en tertulia y nos vemos, lo que hacemos. Es respetar los turnos de conversación, tú sabes, por la forma que tiene uno de terminar la frase, no solo físicamente, me refiero a lingüísticamente, por el audio, por la forma que tiene uno de terminar la frase o de empezarla, sabes; se te va a dar pie a…
María Ribes explica cómo PodGPT responde a preguntas sobre síntomas médicos como dolor de rodilla o posibles causas de un infarto, buscando en una base de datos y proporcionando fuentes.
Habla: María RibesSignificado #1 · Palabras #1chat gpt inventa fuenteschatgpt gratuito inventa informaciónpod gpt sin prueba disponiblerepositorio github chatgpttranscripción podcasts gratuitos señal y ruidoproblemas legales publicación transcripcionespodgpt imitando conversación humanatécnicas tertulianos en modelos grandesusuario pregunta podcastssistema busca aprendido señal y ruidodolor rodilla síntomas infartosistema podgpt aprende chats podcastsbase datos fuentes síntomas médicos…la persona que le está preguntando cosas, porque es para preguntarle cosas de medicina. Entonces no es solo para que pueda producir respuestas con lo que ya sabe, sino que también le meten el RAC, este RAC es Retrieval Augmented Generation con los artículos. Del Nehem y el PubMed para que pueda consultar ahí y de las fuentes, o sea, que te diga esto es así porque lo he escuchado pero aquí tienes la fuente y que no se invente la fuente como nos hace el chat GPT normalmente, que no sé si habéis probado que aunque le digas búscalo en internet, dame la fuente. A no ser que uses el de pago, pues se lo inventa, entonces tú tienes este chat GPT, este pod GPT que no se puede probar; yo he querido probarlo. Tiene un repositorio en GitHub y he ido ahí a ver si me dejaba: había una demo, o algo, pero no. Lo que tienen es el benchmark, el pipeline para poder evaluarlo, pero no hay demo probable. Y también tienen una transcripción de los podcasts que son gratuitos; por ejemplo, el nuestro sí que estaría, pero la mayoría de los podcasts que han escuchado son de pago. Entonces, claro, por cosas legales no lo publican. Entonces, Supuestamente, lo que ellos han puesto en práctica, lo que han probado con este enorme LLM, el usuario le hace una pregunta y lo que hace el sistema busca en todo lo que ha aprendido de los podcasts y contesta según imitando una conversación humana. Hombre, eso lo hacen todos los grandes modelos, como sabéis, pero contesta con las técnicas que ha aprendido de los tertulianos. También a veces se enfada o tiene algún tipo de contestación así, que es lo que nos gustaría a todos que nos dijeran: pues cállate, pues búscalo tú. Pero sobre Todo lo que hace es buscar en esa base de datos, entonces te lo confirma; es decir, me duele la rodilla o cuáles son los síntomas de un infarto. Esto podría ser un síntoma, me duele el dedo, ¿qué me pasa? Entonces el sistema te da lo que he aprendido con esos chats, con esos podcasts, pero aparte te buscan la base de datos y te da la fuente para que Tú puedas comprobar que es verdad. Entonces tiene un benchmark, no sé cómo traducir esto, una prueba estándar, un megatest, ¿cómo lo traducís eso? ¿O no lo traducís? Yo no lo traduzco, pero sería una prueba estándar, me gusta. No sé, tiene una prueba MMLU de…