利用卡片盒筆記法搭配生成式AI來實踐個人知識網絡的建構

卡片盒筆記法的精髓，在於透過卡片之間的對話關係來構建知識網絡，而它的運作則是讓想法自然地生長起來。在AI當道的時代中，我們需要思考的是，在建構知識網絡已讓想法自然地生長起來的過程中，AI可以在哪些環節上輔助我們，讓我們更有效率地達到這個目的。

卡片盒筆記法是屬於個人的知識網絡，它依賴使用者透過「編碼」、「超連結」等方式來建構知識網絡中的各種路徑。在盧曼的卡片筆記中，他有時會在某張卡片上標示可以「關聯」起來的另一張或多張卡片，這類似於「超連結」的作用。以下參考https://niklas-luhmann-archiv.de這個網站提供的數位化的卡片來觀察。

在編號7, 2l這張卡片的最後，盧曼註記了幾個可以相關的、可以參考的卡片，其中一張卡片的編號是7, 7e16b。盧曼的卡片上都有編號，編號本身提示脈絡。7, 2l提示它前面有7, 2j、7, 2k，7, 7e16b提示它前面有7, 7e16a。當7, 2l與7, 7e16b關聯起來時，編號本身提示了兩個筆記序列被這兩個節點關聯起來。若我們想要理解7, 2l的脈絡時，就查看7, 2j、7, 2k、7, 2l這個筆記序列。若我們想要理解7, 7e16b的脈絡時，我們就往前查看7, 7e16a，甚至再向上閱讀7, 7e16這張卡片。在卡片上建立「超連結」，讓盧曼可以「在卡片之間跳躍」，建立知識路徑，而多個「超連結」組織起來，則可以形成多條知識路徑。倘若我們只關注7, 2l & 7, 7e16b二者的關聯，而無視於兩張卡片位處的脈絡，就等於是將二者從其具體的脈絡抽離出來。

依據盧曼的方法，每一張卡片筆記都位處在特定的筆記序列中，這意味著每一則筆記都有其脈絡。當我們透過「超連結」來將不同筆記序列中的特定卡片「關聯」起來時，我們就能夠依循「超連結」來達到脈絡之間的跳躍。而當我們將兩個不同筆記序列中的特定卡片「關聯」起來，並表達「這兩張卡片的內容有關」的意思時，我們不僅能夠思考二者的關聯性，也能依據這條關聯的線而在兩個筆記序列中漫遊，加深我們對於這兩張卡片的理解。

一般所熟悉的「知識圖譜」(graph view)，是以知識節點如何組織的形式表達特定知識的結構，這有助於我們觀察特定的知識如何被以不同的概念所結構起來的方式，然其不足之處在於，知識圖譜本身無法顯示特定知識結構所依賴的各個概念所位處的脈絡。例如知識圖譜以A、B、C三個卡片筆記內容來組織知識路徑，若A、B、C分別是1.3、2.b7、3.7，我們在觀察這條知識路徑時，這三個編號會提示其各自位處的筆記序列，若沒有編號，就等於是將A、B、C三者從各自的筆記序列中抽離，而將各自的脈絡去掉。我們也許不必評價哪一種方法比較好，而是我們的需求究竟是什麼。如果使用者將不同的知識節點視為是漫遊不同脈絡的起點，那麼，卡片筆記的編號所具有提示脈絡的作用，就可能會是重要的。

倘若我們將卡片盒筆記作為讓AI讀取、據以生成特定問題之答案的資料來源時，AI依據它自己的演算法來生成對於我們所提出之問題的答案，因而也提供了一條知識路徑。AI所形成的知識路徑，可被用來與我們的知識網絡相互參照，我們依據自己的知識網絡來評估AI建立的知識路徑，使它作為刺激我們思考的參照對象。當AI生成知識路徑時，它所提供的知識路徑，可能會出現如3.5a、5.7b3a、6.1d3c這種組合，這與我們針對卡片筆記進行編碼的邏輯不同，因為編碼是按照順序來的，如3.1、3.2、3.3、3.4、3.，然後才有3.5a、3.5b等。由此來想，3.5a、5.7b3a、6.1d3c這種組合就似乎具有「超連結」的作用，形成一條知識路徑。如果我們評估AI建立的知識路徑是可靠的，我們可以依據其生成的結果，而對我們既有的知識網絡進行加工。也就是說，從AI生成答案的效果來看，它在不同筆記之間進行跳躍，或有助於我們依據其生成的答案，評估我們的筆記彼此間是否存在著得以建立「超連結」的關係。

盧曼的卡片盒筆記的流程，是一種讓使用者自己的思考得以保留下來的視覺化呈現的方式。倘若我們讓AI來讀取我們的筆記，讓它依據我們的問題來搜尋筆記、形成答案，建立特定的知識路徑，我們就能夠與它加以對話，評估其答案的優劣，刺激我們的思考，甚至輔助我們在筆記之間建立各種可能的關聯。在這個環節中，我們並非是要「關聯筆記」這件事交由AI來做，而是讓它提供建議，作為與我們對話的對象，而我們依據它的建議來回顧我們的筆記內容，加深對於筆記的理解。