NotebookLM wird einfach immer besser…
Was ist passiert?
Ich habe die vergangenen Tage an meinem kleinen Projekt „AI News Radar“ herumgeschraubt (wird ein eigener Post – freut Euch schon mal drauf!). Dabei habe ich es geschafft, über eine simple RSS Feed Aggregation via Gemini Trends und Themenkomplexe automatisiert zu destillieren. Das Ergebnis sind (eines von vielen Features) eigentlich nur simple „Link Listen“, die als HTML exportierbar sind. Wenn man jetzt aber so eine Liste, zum Beispiel zum Trend „Deep Learning Theory and Optimization Techniques“ mit größtenteils beinahe tagesaktuellen, wissenschaftlichen Arbeiten aus arXiv zusammenstellt und diese wiederum als reinen Text in NotebookLM importiert, kann man daraus ein knapp 10-minütiges Video erstellen, das so „entertaining“ und dennoch lehrreich ist, dass ich mir jetzt ernsthaft die Frage stelle, ob ich mir nicht mal eben eine eigene Lernreise mit so einem Workflow zusammenstelle.
Das Video unten ist das Ergebnis des oben geschilderten Workflows und ich bin echt baff. In dem wirklich extrem gut gegliederten Video wird erst einmal viel Grundlage erklärt. Dann geht es um die aktuellen Trends in der Theorie und Optimierung des Deep Learning. Es wird gezeigt, wie man heute „State of the Art“ durch Techniken wie Dropouts & Regularization neuronale Netze optimiert, um Overfitting zu reduzieren und den Bias-Variance Trade-off zu meistern. Und weil das Modell ausschließlich mit den ihm zur Verfügung gestellten Daten arbeitet, sind Halluzinationen (so gut wie) ausgeschlossen.
Hört sich alles mega nerdig an? Wird es nicht mehr sein, wenn Du Dir das Video angesehen hast.
Was solche KI-Modelle und die jetzt überall aufploppenden, neuen Workflows mit uns, unserer Umwelt, sozial, wirtschaftlich und politisch noch alles verändern, kann niemand wirklich komplett voraussagen. Aber soviel sei gesagt: Wenn Tools wie NotebookLM jetzt noch besser werden, werden sich Nachhilfekräfte anstrengen müssen. Ich bin jedenfalls ganz ehrlich „geflasht“.