Update app.py

app.py

@@ -52,9 +52,9 @@ def summarize(inputs,model,summary_length):
   #return 
   return decoded_predictions[0]
 
-description = "Quickly summarize your German text in a few sentences. \nOur algorithms were fine-tuned on high-quality German news articles. Inference can take up to 60 seconds, so feel free to look at a few of the provided examples, first. All examples are out-of-sample texts from German news providers."
+description = "Quickly summarize your German texts in a few sentences. \nOur algorithms were fine-tuned on high-quality German news articles and work best with a summarization length of about 50 tokens. Please note that inference can take up to 60 seconds, so feel free to look at some of the examples, first. All provided examples are out-of-sample texts from German news providers. They were not cherry-picked and reflect the real performance of our fine-tuned architectures."
 
-title = "Finally  German \ntext summarization algorithm."
+title = "State-of-the-art German \ntext summarization."
 
 examples = [
 ["Keine einzige Zelle unseres Körpers kommt ohne sie aus: Proteine sind essenzielle Bausteine lebender Organismen. Ihr Bauplan ist in der DNA festgelegt. Zu den Proteinen gehören die Bestandteile des Immunsystems, etwa Antikörper, genauso wie Hormone, etwa Insulin, oder Enzyme, die beispielsweise im Dünndarm Milchzucker spalten und Milch verträglich machen. Wie genau ein Protein im Körper wirkt, hängt nicht nur von der Reihenfolge der Atome ab, aus denen es besteht – sondern auch von seiner Struktur: Die langen Ketten von Aminosäuren, aus denen Proteine zusammengesetzt sind, verknäulen sich zu komplexen 3D-Strukturen. Und deren Entschlüsselung gilt oft als mühsam und zeitaufwendig; dabei kommt vor allem die Methode der Röntgenkristallstrukturanalyse zum Einsatz. Bereits Ende vergangenen Jahres hatten Forscherinnen und Forscher der britischen Firma DeepMind, einer Tochter der Google-Holding Alphabet, aber einen Erfolg bei einem neuartigen Ansatz vermeldet. Eine von ihnen entwickelte künstliche Intelligenz (KI) namens AlphaFold kann demnach die Strukturen von Molekülen präzise vorhersagen. Nun hat das Team um Kathryn Tunyasuvunakool, John Jumper und Demis Hassabis von DeepMind die Anwendung des Verfahrens in einem Fachartikel im Magazin »Nature«  vorgestellt. Entstanden ist eine frei zugängliche Datenbank, die viele Tausend Proteinstrukturen enthält. Diese sollen für Durchbrüche in der medizinischen Forschung genutzt werden, aber auch für die Pflanzenzucht – oder für die Entwicklung von Bakterien, die Plastik in der Umwelt zersetzen können. Abgedeckt ist dabei beinahe die komplette Menge aller 20.000 beim Menschen vorkommenden Proteine, das sogenannte Proteom, allerdings mit verschiedenen Genauigkeitsstufen. Dazu kommen Zehntausende weitere Proteine, die in anderen für die Forschung wichtigen Modellorganismen wie Mäusen, Fruchtfliegen oder Coli-Bakterien eine Rolle spielen. Die Kenntnis der Struktur ist so wichtig, weil sich auf diese Weise vorhersagen lässt, wie andere Moleküle an das Protein binden – also welche Wirkung ein bestimmter Stoff in der Praxis hat. »Wir glauben, dass es sich um das bisher vollständigste und genaueste Bild des menschlichen Proteoms handelt«, so Hassabis, der auch Chef von DeepMind ist. Seine Firma sei außerdem der Meinung, »dass diese Arbeit den bedeutendsten Beitrag darstellt, den Künstliche Intelligenz bisher zum Fortschritt des wissenschaftlichen Kenntnisstandes geleistet hat«.  »Das wird unser Verständnis darüber revolutionieren, wie Leben funktioniert«, sagt  Edith Heard vom Europäischen Laboratorium für Molekularbiologie (EMBL) in Heidelberg. »Die Anwendungsmöglichkeiten sind nur durch unsere Vorstellungskraft begrenzt.« Am EMBL wird die Datenbank der Proteinstrukturen in Zukunft betreut. Und Gira Bhabha, die sich an der New York University mit Zellbiologie beschäftigt, lobt  die Zeitersparnis für Projekte in verschiedensten Bereichen der Forschung: »Egal, ob Sie Neurowissenschaften oder Immunologie studieren – was auch immer Ihr Fachgebiet der Biologie ist – dies kann nützlich sein.« chs/jme","Google T5-base",50],