Alat AI ini dapat dengan mudah meringkas makalah penelitian yang panjang

Bagian dari menjadi penulis konten untuk topik terkait sains dan teknologi masa depan adalah membaca makalah penelitian yang panjang tentang berbagai topik yang diterbitkan oleh para ilmuwan dan peneliti. Namun, setelah dua paragraf pertama, saya sering mendengar Windows Lagu itu mati di kepalaku (jangan bercanda!). Jadi, untuk orang seperti saya, yang lebih suka membaca abstrak pendek daripada makalah penelitian yang panjang, tim ilmuwan AI telah mengembangkan model yang dapat mengambil makalah penelitian dan mempresentasikannya sebagai gagasan utama singkat.

Para peneliti di Institut Allen untuk Kecerdasan Buatan telah mengembangkan model berbasis kecerdasan buatan (AI) baru ini yang dapat mengonversi dokumen teks panjang menjadi ringkasan pendek dan menyajikannya dalam format TL; DR (Terlalu Panjang; Belum Dibaca). Ini adalah alat yang cukup berguna karena hanya memberikan informasi yang relevan kepada pengguna dari sepotong teks yang panjang.

Sekarang, untuk mengembangkan model tersebut, para peneliti awalnya “melatihnya” dalam bahasa Inggris. Setelah sesi pra-pelatihan ini, mereka membangun dataset SciTLDR yang terdiri dari 5.400 abstrak makalah penelitian di bidang ilmu komputer.

Lebih-lebih lagi, Untuk membuat model tidak terlalu bergantung pada pengetahuan domain selama peringkasan, para peneliti melatih lebih banyak lebih dari 20.000 judul artikel penelitian.

Jadi model ringkasan baru ini menggunakan pelatihan dan kecerdasan buatan (AI) untuk pisahkan bagian penting dari teks dari ringkasan, pendahuluan, dan kesimpulan dari makalah penelitian. Kemudian menggunakan bagian-bagian dari teks untuk membuat ringkasan singkat dari kertas.

Dalam tes awal mereka, para peneliti menemukan bahwa model tersebut mampu menyajikan dokumen lebih dari 5.000 kata dalam ringkasan singkat 21 kata.

Tim menerapkan model AI ringkasan untuk mesin pencari Cendekia Semantik milik Institut itu sendiri. Namun, itu hanya berfungsi pada makalah yang terkait dengan topik ilmu komputer, seperti yang sekarang.

Anda dapat mencobanya di mesin pencari Semantic Scholar dan membaca lebih lanjut tentang model di makalah resmi yang diterbitkan oleh tim.