Búsqueda · 32 momentos en 24 episodios
Isabel CorderoBorja TosarJosé EdelsteinFrancis VillatoroHéctor SocasMaría RibesGastón Giribettranscripción 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 médicosLLMPodGPTMaría RibesSTEMCoffee BreakMaría RibasBengala OccidentalGitHubSeñal y RuidoChatGPTWhisperGoogle DeepMindHéctor Socas
Usuario pregunta podcasts
Con
0:000:301:001:302:002:303:003:28
María Ribes explica cómo PodGPT funciona, respondiendo preguntas imitando una conversación humana y utilizando técnicas aprendidas de tertulianos, similar a los modelos grandes existentes.
…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 RibesPalabras #20podgpt podcast ciencia médicaredes neuronales modelos lenguaje grandespodcast potenciado audio investigación…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…
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 RibesSignificado #9 · Palabras #9podcasts 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 PodGPT funciona, respondiendo preguntas imitando una conversación humana y utilizando técnicas aprendidas de tertulianos, similar a los modelos grandes existentes.
Habla: María RibesSignificado #1 · Palabras #1transcripción 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…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…
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 #17protección 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…