Búsqueda · 36 momentos en 24 episodios
Isabel CorderoBorja TosarJosé EdelsteinFrancis VillatoroHéctor SocasMaría RibesGastón Giribettranscripción podcasts gratuitos señal y ruidoproblemas legales publicación transcripcionesGitHubSeñal y RuidoChatGPTMP3GemmaHéctor SocasMaría RibesMarteCongreso de Estados UnidosCiencia públicaPodcasts de cienciaGrandes modelos de lenguajeAgujeros negrosWhisperGoogle DeepMind
Transcripción podcasts gratuitos Señal y Ruido
Ep524: ¿Biomarcador Marciano?; Gravitondas y Teorema del Área; PodGPT
18 de septiembre de 20254 momentos
Con
0:000:301:001:302:002:303:003:28
María Ribes explica que los creadores de PodGPT ofrecen un benchmark y pipeline para evaluar el sistema, pero no una demostración funcional.
…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,…
Significado #1 · Palabras #1
Héctor Socas introduce el inicio del programa 'Coffee Break: Señal y Ruido', anunciando temas como una misión a Marte, la situación del Congreso de Estados Unidos en relación con la ciencia pública, podcasts de ciencia, modelos de lenguaje y la observación metafórica de agujeros negros.
Habla: Héctor SocasPalabras #6misión a marte amartinizarciencia pública congreso estados unidospodcasts ciencia grandes modelos lenguajeagujeros negros vidas de pareja…es la ciencia, que es quizás a la que damos menos importancia de las cosas verdaderamente importantes. Así que pasen y pónganse cómodas, que aquí empieza Coffee Break, Señal y Ruido, la tertulia que hacemos cada semana sobre la actualidad de la ciencia. Hoy Nos vamos a Marte, vamos a amartizar o a amartinizar, que es aterrizar en Marte tomándose un martini y tomaremos el pulso al Congreso de Estados Unidos que está en una batalla por el futuro de la ciencia pública allí. Hablaremos de podcasts de ciencia y grandes modelos de lenguaje y como siempre echaremos la vista al cielo para ver y escuchar metafóricamente lo que literalmente no se puede ni ver ni escuchar: los agujeros negros y sus vidas de pareja. Todo eso en un momentito, pero antes les recuerdo que tenemos una página web que es señalirruido.com, todo junto, señalirruido con ñ y todo, no pasa nada señalirruido.com. Ahí tienen todos los episodios anteriores, todas las referencias de los temas que…
María Ribes explica que los creadores de PodGPT ofrecen un benchmark y pipeline para evaluar el sistema, pero no una demostración funcional.
Habla: María RibesSignificado #1 · Palabras #1transcripción podcasts gratuitos señal y ruidoproblemas legales publicación transcripciones…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,…
Héctor Socas y María Ribes discuten la posibilidad de ofrecer los archivos MP3 del podcast 'Señal y Ruido' para entrenar modelos de lenguaje (LLM), aunque Héctor expresa dudas sobre su impacto real en la mejora del modelo.
Habla: María RibesSignificado #2mp3 podcast señal y ruidomodelos lenguaje gemmahéctor socas impacto llm…el hindi y el mandarín. Pues tenemos que hacerle llegar Coffee Break; ahí tendrá un repositorio de un montón de cosas. No sé si querrá arriesgarse a meterlo en su entrenamiento de su LLM, pero no sé si querrá arriesgarse, hombre, pero tú puedes contratar. Con él en el GitHub, le puedes vincular lo que tú quieras. Se lo voy a poner, le digo que por un módico precio le pasamos los MP3. Bueno, las mejoras, eso estuviste leyéndolo tú Héctor cuando me dijiste, tampoco es que mejore mucho, ¿no? ¿Te acuerdas? Sí, no, bueno, por lo que vi un poco por encima, pero vamos, ni idea. Pero es que han usado varios modelos, o sea, modelos pequeñitos como el Gemma, el Gemma, el Gemma tiene dos gemas, ese es el de Google, el de DeepMind, tiene uno de, creo que son 2.000 millones de parámetros y otro tiene como 7.000 millones, o sea, son billones suyos que son millones nuestros, ¿no? Millones de millones, mil millones Miles…
María Ribes interrumpe la conversación sobre el modelo Whisper para señalar la importancia de la protección de datos y la ética clínica en relación con los podcasts y los historiales clínicos.
Habla: María RibesPalabras #11protección datos ética clínicahistoriales clínicos personas podcastinformación clínica datos personales…es que el rendimiento es igual en todas las lenguas o que a partir del inglés se transfiere a las otras lenguas pero como hay muchas palabras que son iguales, que tienen prefijos griegos, latinos, me pregunto yo, no sé si eso influirá en que suba esa mejora. No, simplemente termina porque lo que yo voy a decir creo que es un poco independiente del tema que estás contando, así que prefiero que termines y luego el comentario. Bueno, pues que al final hay una parte de protección de datos y ética clínica, que tienen mucho cuidado de no difundir información clínica ni datos personales de los podcasts que han escuchado o de los historiales clínicos de las personas. Y otra cosa que también, como está en progreso, no es que funcione perfectamente; tiene entrenamiento continuo, con todas las transcripciones, o sea, cada vez que le metes un nuevo podcast hay un pre-entrenamiento humano y un fine tuning anotado por humanos…