机器之心原创

2024/09/09 14:42

任意论文一键变播客，谷歌正式发布Illuminate，它能重构研究者的学习方式吗？

像听书一样「读」论文。‍

先来听一段英文播客，内容是不是很熟悉？

是的，这俩人就是在聊那篇《Attention is All You Need》。在 4 分半的对话里，他们介绍了论文的核心内容，一问一答，听上去相当自然。

播客原址：https://illuminate.google.com/home?pli=1&play=Pa5iGH1___bGy1

实际上，播客中对谈的双方都是 AI，生成这段四分钟音频内容的产品是 Illuminate，来自谷歌。

Illuminate 是一个将学术论文转化为人工智能生成的音频讨论的项目。已有用户晒出自己的试用结果，效果不错：

谷歌实验室在邀请用户尝试「前沿技术」方面有着悠久的历史。Illuminate 最早在今年五月的 Google I/O 大会上亮相，当时谷歌重点强调了自身大模型的多模态和长文本能力。但那时 Illuminate 只是一个私人测试版本。

显然，谷歌未必是第一个想出这个点子的公司，但却是第一个做出这个产品的公司：

当时 Illuminate 的宣传点是「按照自己的方式学习」。因为 Illuminate 可以使用 AI 将复杂的研究论文转化为引人入胜的音频对话，从而「重新构想学习」。

想法很简单：由谷歌的 LLM Gemini 生成论文摘要和问答，在引入两个人工智能生成的声音，一个男性采访者和一个女性专家，分工完成一个简短的采访，描述论文内容。

目前，在 Google Illuminate 网站上，已经能够收听到一些经典研究的播客样本。

‍这个产品在什么场景下用呢？

设想，你可以在运动或开车时「聆听」那些看不过来的新增研究论文核心内容。

同时，播客还可以很容易地调整为其他叙述形式，以适应不同的使用场景。

也许你想马上动手制作一期属于自己论文的播客，别急，让我们看看使用说明。

如何将论文一键转化为播客访谈？

打开 Illuminate，界面如下所示。需要注意的是，用户需先申请候选名单，通过审核后才能使用。

目前，Illuminate 针对已发表的关于计算机科学的论文进行了优化。

体验地址：https://illuminate.google.com/home

官方网站上列举了很多示例，我们以经典论文《Attention is All You Need》为例。首先，你可以查看原始论文，点击「View Source」直达论文，这样一来，用户既可以回顾论文内容，也可以根据播客音频进行学习。

接着点击「play」选项，在界面下方是生成的两个 AI 对话的访谈。这是 Illuminate 的关键部分，对话内容围绕研究展开。

我们还是以《Attention is All You Need》为例，对话过程涉及很多知识点，可能是你在读论文时没有注意到的，比如论文的核心概念是什么。生成的音频内容干货满满，会谈到「序列模型 RNN、LSTM，这些模型在语言处理、翻译和文本摘要等任务中占据主导地位，但这些 RNN 在处理长序列时有明显的不足，因为它们需要一步步处理信息，这是一个重大限制。

而这篇论文通过引入一种名为 Transformer 的模型来解决这个问题，该模型使用一种称为自注意力的机制，可以一次性处理整个序列，从而识别出哪些部分最相关…… Transformer 还引入了多头注意力机制，它不仅仅使用一个注意力机制，而是使用多个注意力头……」

听完整段对话，你对论内容会有一个重新的认识。

随着 Illuminate 的不断完善，以后遇到新论文，就可以先让 Illuminate 帮你做好预习，在之后的阅读过程中，就会轻松很多。

对于生成的音频内容，如果你没听清，可以后退数秒，也可以前进几秒，甚至还可以控制语速，0.5 倍、2 倍速都可以选择。

点击「share」按钮，你可以将播客内容分享到各个平台。

下面是我们将对话内容分享到 X。你不用编辑任何文本，分享的内容都是自动生成的。这样一来，其他人也可以点开链接进行查看、学习。

除了论文，Illuminate 处理一整本书也是可以的，官方网站上已经列举了很多名著，如《傲慢与偏见》《本杰明・富兰克林自传》等等。

不过，整体看下来，Illuminate 还是有些小缺点，比如生成的对话都是英文，音频不能下载，也没有相应的字幕。或许，不久的将来，我们会看到更加用户友好的 Illuminate。

想要使用的小伙伴，可以提前申请了。

产业谷歌Illuminate

相关数据

自注意力技术

自注意力（Self-attention），有时也称为内部注意力，它是一种涉及单序列不同位置的注意力机制，并能计算序列的表征。自注意力在多种任务中都有非常成功的应用，例如阅读理解、摘要概括、文字蕴含和语句表征等。自注意力这种在序列内部执行 Attention 的方法可以视为搜索序列内部的隐藏关系，这种内部关系对于翻译以及序列任务的性能非常重要。

人工智能技术

在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

注意力机制技术

我们可以粗略地把神经注意机制类比成一个可以专注于输入内容的某一子集（或特征）的神经网络. 注意力机制最早是由 DeepMind 为图像分类提出的，这让「神经网络在执行预测任务时可以更多关注输入中的相关部分，更少关注不相关的部分」。当解码器生成一个用于构成目标句子的词时，源句子中仅有少部分是相关的；因此，可以应用一个基于内容的注意力机制来根据源句子动态地生成一个（加权的）语境向量（context vector）, 然后网络会根据这个语境向量而不是某个固定长度的向量来预测词。

来源：机器之心