Hi 我是 VK~
這期內容會來介紹 Google 實驗性產品、號稱終極寫作助手的 NotebookLM。它究竟是如何被開發出來的？背後的設計原則是什麼？
身為 NotebookLM 開發團隊中主要成員的 Steven Johnson，他又是如何透過 NotebookLM 與 AI 協作、激發靈感，甚至是深入了解一個領域。這之中會再往下討論幾個不同的主題：
- NotebookLM 之父如何設計 NotebookLM？
- 如何透過 NotebookLM 來研究新領域？
- 《Not Boring》作者如何透過 Claude 來改進寫作？
- 我使用 AI 工具的原則與方法
喜歡這期的內容，歡迎分享給朋友一起訂閱《VK科技閱讀時間》，祝你今天一切順利~
專門談工具類的內容很少出現在電子報的主題中，過去大概只出現過幾次，像是 Readwise、Perplexity，主要都是常用一段時間後，好奇他們如何成立的，背後設計概念是什麼等，寫下一篇關於他們的成立故事。
身為工具麻瓜的我，不太能說特別會使用這些工具。但這陣子用 NotebookLM 的時間幾乎和 Readwise Reader 差不多（一天將近 2 小時），偶爾會加上 ChatGPT、Claude、Perplexity 等。
這讓我蠻好奇一個問題，AI 工具出現後確實讓我在學習和寫作流程都有明顯地改變。那其他人，甚至本來就是寫作者的人是如何與 AI 協作的？如何透過 AI 更深入理解特定領域、發揮創意？
這問題最終發展成了今天這期的內容。
NotebookLM 究竟是什麼？
先來介紹一下最近愛用的工具 NotebookLM。
NotebookLM 是個 Google Labs 在 2023 年底推出的實驗性產品（進到網站中，會看到左上角的 LOGO 旁邊有個 Experimental 的字樣），一開始只有在美國能使用，到了今年六月開放給 200 多個國家使用。NotebookLM 的產品定位在由 AI 驅動的研究和寫作工具。
我會這樣形容它更像是更個人化的 Perplexity。NotebookLM 可以把文章連結、文字檔案或是 PDF 檔案等放進左側的「來源」。目前最多可以添加 50 個資料來源，每個來源最多可以有 50 萬字。接著可以：
- 點選「筆記本指南」（Notebook guide）：簡介文件、常見問題和學習指南等範本
- 在對話框中直接輸入各種問題
NotebookLM 會根據提供的資料生成內容，每句話都會帶有引用的資料來源當中的段落。如果覺得它在對話中回答不錯，想要存下它講的內容，可以按右上方的釘選，就會變成一則新的記事。
除了後面都會標註具體引用來源很類似 Perplexity 之外，NotebookLM 在每生成完一個答案後，NotebookLM 也會再生成出三個問題，讓用戶再進一步問問題。
如果 Perplexity 是在網路資訊海中幫用戶找答案，那 NotebookLM 更適合在你找到這些資料想要進一步細讀可以使用到的思考或研究工具。
NotebookLM 有個更吸引我想要談的原因是：雖然這是 Google 推的實驗性產品，但有個主要成員不是 Google 內部的人，而是一位非常多產的作家、電視節目和 Podcast 主持人 Steven Johnson 。
接著來介紹 Johnson 如何想像「第二大腦」，並和 Google 團隊共同打造 NotebookLM 的。了解它背後的設計原則，接下來使用上會有更多不同的玩法（雖然我是直接使用，再回來看它的設計和開發過程）。
NotebookLM 如何誕生？
NotebookLM 這款實驗性的產品是如何出現的？為什麼會找上 Johnson？
Google 團隊在 2022 年 5 月發了一封 cold mail 聯繫 Johnson，想要邀請他一起來打造一款可以幫助人們思考和研究的 AI 工具。團隊跟他分享，「你一生都在追求的東西，我們終於有機會打造它了。」這也就是後來我們看到的 NotebookLM。
為什麼是 Johnson？為什麼他一直在追求思考工具？
Johnson 不僅是一位多產的作者，他寫了 13 本書，主題橫跨從霍亂爆發、遊戲等多元題材。同時他也是長期著迷於「思考工具」（tool of thought）類型的軟體非常著迷，他認為軟體可以作為「動態思考夥伴」，幫助人們更有效率地進行思考和創作。他過去就試著使用蘋果的 HyperCard 來建立一個筆記管理系統，並在他的第一本書《Interface culture》探討軟體介面如何影響人類的創作和溝通方式。
後來他也陸續使用了各種工具 Scrivener、DevonThink 和 Findings 等工具，來讓他更好地去協助他寫作。這些都在 2021 年 Johnson 接觸到 OpenAI 的 GPT-3 文本生成器後，他開始思考如何利用 AI 來打造一個更強大的工具，幫助人們更好地探索和理解資訊。
這時Google 聯絡他，希望藉助他可以以專業作家和「思考工具」愛好者的經驗來協助開發。這過程實在是非常有趣，最後 Johnson 正式加入 Google Labs 擔任編輯總監一職，也從一開始的 Project Tailwind 到現在的 NotebookLM。
Johnson 提到兩個他們在開發上的原則：
- 以來源為基礎 AI 工具：NotebookLM 的設計本身和其他大型語言模型的應用不太一樣，他更專注在要用戶提供特定文件作為資料來源，而不是從訓練資料庫來生成廣泛的內容。這種設計方式他們把它叫作「以來源為基礎 AI 」（source-grounded AI）。
這樣做有幾個好處：因為所有輸出的答案，都需要直接引用資料來源，這幾乎能大幅減少 AI 出現幻覺的頻率、提供資料準確性。再加上，資料來源的縮小也可以更精確性地回答用戶的問題、滿足特定任務的需求。 - All-in-One 把所有資料放在同一個地方，專心孕育想法：Johnson 在訪談中有談到，他很喜歡把東西全部丟在同個地方，無論是電子郵件或是文章的資料來源，他都會丟到同個地方，也不喜歡加標籤。這個工具原則也被他帶入設計 NotebookLM 中。
如果大致把輸入到輸出的過程中，切分三個階段：
- 蒐集：蒐集與個人相關的「資訊」
- 組織：結合個人經驗書寫成帶有自己觀點的「筆記」
- 探索／輸出：最終累積成對於特定領域的「知識」
理想上，NotebookLM 可以滿足這三個階段，無論是 Buttom-up、Top-Down 的思考方式都蠻適用的。（在寫這期前我沒有發現他的介面也可以新增記事，所以我還是回到筆記軟體寫下各種想法，對於第三階段的探索和輸出還沒有太多心得）
假設今天我要理解特定主題的內容，但不見得對這主題很熟悉，找到幾篇不錯的長篇資料，可以先丟進 NotebookLM 後，請它簡介文件，讓人可以快速了解大致的脈絡。
接著我會再針對我想了解的地方會到原來的資料中去閱讀。（但實測太長的文章，他沒辦法很精準的摘要）這比較是 Buttom-up 的方式，可以從不同來源中尋找靈感和驚喜。
Top-Down 方式就可以直接用對話形式，讓它幫忙找出特定概念或問題的段落，就能讓人更容易進入心流狀態、完成寫作，不太需要一直切換。Steven Johnson 他自己又是如何使用這項工具的？
Steven Johnson 如何使用 NotebookLM？
Johnson 幾乎可以說 NotebookLM 的傳教士，他這陣子上了《Every》《How I Write》聊聊他如何使用 NotebookLM 來協助他寫作，甚至他透過這方式寫出了一本新書。
之中他提到幾個我覺得蠻有趣的玩法：（這主要融合他的訪談、電子報《Adjacent Possible》，一些我的想法來寫）
- 上傳過去閱讀過的內容，作為資料來源
Johnson 透過 Readwise 等工具把他過去閱讀過的書劃記的重點全部導出，內容大約有 7000 多條、有些甚至可以追溯到 1990 年代的籍。這些重點他整理成 15 個獨立文件，作為資料來源、上傳到 NotebookLM 並將這個筆記本命名為「Everything」。
