Hi 我是 VK~
在 8 月底寫完〈探索 AI 時代的知識革命：NotebookLM 如何顛覆學習和創作流程？〉後，有機會在 INSIDE POSSIBE 分享兩次「和 NotebookLM 協作如何改變我學習和創作」的主題，剛好最近也有在許多地方聊到關於 NotebookLM 等 AI 工具 。
想說正好過了一季，不論是在線下活動的交流，或是看到社群上有蠻多人在討論 NotebookLM，都讓我有更多細緻的想法。
這期想花點時間寫下對於 NotebookLM 等 AI 工具的想法，還有一些可以延伸討論的問題：
- 使用工具的目標：還要閱讀嗎？乾脆請 AI 總結就好.....
- 工具的限制：那些錯失的細節與脈絡
- 如何和 NotebookLM 協作更好地理解一個領域？🔒
- 理解知識然後呢？為什麼要尋找不同領域的連結？🔒
- 為什麼要選擇玩不同的遊戲、做困難的事？🔒
這是在 INSIDE POSSIBE 更新版本後的簡報，有興趣歡迎參考~
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~
使用工具的目標：更好理解、濃縮濃縮再濃縮
在如何使用 NotebookLM 常見問題中，有個出現頻率很高的問題是有了 NotebookLM 之後，還需要閱讀嗎？不管是長文，還是數小時的 Podcast 丟進去可以看直接看 AI 生成的摘要，何必辛苦閱讀或聽完整份內容呢？
這可以粗分成兩派討論：
- 先自己讀，再和 AI 協作細部理解：濃縮後的內容會失真，還是先用工人智慧慢慢讀
- 當作篩選器：可以初步篩選想細讀的內容
「保有寫作和閱讀的樂趣」是我使用 AI 工具的前提，任何文章都會先略讀、細讀過幾次，有不懂的地方或問題，這時再把相關資料放到 NotebookLM、Claude 等做更細部了解。通常來說在準備每期電子報或 Podcast 的流程會是：
- 略讀：針對特定主題搜尋相關資料，快速看 30-50 份的資料（文章、YT 和 Podcast）
- 細讀：在略讀過程中會留下大概 10-15 份跟這主題相關的參考資料
- 拋出各種問題開始理解：列出問題清單，在來回對答過程中慢慢理解不懂的地方
最近朋友提到另個想法：在第一步略讀也不需要由你來做，直接透過 AI 摘要幫你篩出那 10-15 份的資料。想了一下還是沒有用這樣的方式，因為在略讀的過程，不僅僅在讀而已，也讓我想像特定主題可以談到哪些事情。
簡單來說，我們對於工具的使用目標完全不同。
朋友的建議也是他的使用方式，他需要在短時間寫生許多短篇幅的內容，當時間和篇幅都壓縮的情況下，直接讓 NotebookLM 等工具當作篩選器，有它省時、快速找到重點的好處。但摘要、濃縮一定會失真的地方，可能是失去脈絡、忽略細節。
對我來說，我有更多的時間、更長的篇幅可以架構一個主題，每期電子報或是每集 Podcast 不僅在討論他們的早期故事和發展歷程，也會穿插聊到我的想法或我特別想要講的事情。花時間閱讀的過程中也在幫助我建立起對一家科技公司、新創團隊的各種問題與想法。
回到一開始的問題，有 AI 工具後還要不要體驗各種長形式的內容，都可以再往下問一層：使用工具的目標是什麼？這也會影響你對工具生成結果的期待？
要在學習和創作兩者間尋找共通點：那就是如何更有效率地理解事物？這也是我使用工具的目標，不見得大家需要寫電子報、錄製 Podcast，但多少都需要理解不熟悉的領域，接下來會具體分享實際上如何和 NotebookLM 協作，幫助我更好理解事物。
在細談如何更好理解事物之前，想先來談一下 NotebookLM 等 AI 工具的限制。
工具的限制：錯失的細節與脈絡
任何工具都會有它限制的地方，NotebookLM 也不例外：
- 只依賴 AI 摘要的內容，有很高機率會忽略重要細節
- 生成的答案會基於資料來源，但還是有可能會出現幻覺
無論把文章等不同形式放入 NotebookLM 之中，它都可以生成出還算安全牌的文件簡介、內容摘要，四平八穩該提到的都有提到，不太會有特別突出的重點。
每次在討論工具的限制、濃縮的壞處時，都會讓我想到反烏托邦小說《華氏 451 度》的一段話：
「書本變薄，然後是濃縮，消化過的版本，最後變成了摘要，兩句話……」故事中的世界，人們只談論一些無意義的事，快樂是最高指標，思考會帶來不必要的煩惱，而書則是擾亂平靜的怪獸！
《華氏 451 度》是紙張的的燃點，它的背景設定在未來世界中，身為主角的消防員，他的任務不是救火而是焚書。作者 Ray Bradbury 在電視出現之際，用這本書提醒電視如何摧毀人們閱讀的興趣。（我很少看小說，但《華氏 451 度》在我心中留下很深刻的印象。）
各種透過 AI 工具濃縮後的摘要，犧牲的是細節和脈絡，而細節和脈絡恰好是幫助我更好理解事物的關鍵。比如說，聽完超長 Podcast、花時間讀完長篇文章，通常我覺得有趣的部份，讓我想進一步挖掘的線索，大多出現在：
- 一兩句作者說的話
- 作者提到的參考資料
- 主持人順口提到的一本書
但這些內容很少會直接出現在 AI 摘要中。我不確定 prompt 下得更好，會不會更容易找到有趣的線索。目前的想法是一開始跳下去讀好幾篇文章後，除了可以更好掌握架構之外，也會慢慢形成對於一個主題的靈感，這時候提到的一句話、一本書可能就是打開另一扇門的敲門磚。
這大概也是為什麼使用 AI 工具的前提是保有閱讀和寫作的樂趣，除了真的存在樂趣之外，也希望在進一步理解事物時，能對事情有基礎概念和掌握，而不會被 AI 幻覺牽著鼻子走。
接著，我們就要來討論如何透過與 NotebookLM 協作，更好地理解一個領域？
如何更好地理解一個領域？
當有效率理解特定領域是使用工具的目標，那該如何做到呢？答案就是不斷問問題，找到關鍵或有趣的問題。
之前在線下分享時，有位聽眾問到，為什麼使用工具的目標除了理解特定領域概念之外，還要找到關鍵問題？這是因為不論是電子報或是 Podcast 都是由問題所組成的，他們可能是由 8-10 個連貫的問題串起來的。
這方法最早是在寫心理科普時建立起來的，要如何把複雜又難讀的論文變成一篇篇大家容易看得懂的科普文章，後來發現讓每個小標的段落變成問題是個不錯的方法，但文章不單純是一問一答，而要如何有藝術地連起來，架構出一篇文章。
前陣子看到美國新創加速器 Y Combinator 共同創辦人 Paul Graham 在〈The Best Essay〉中，也寫到類似概念：
一篇文章通常應該以我所謂的「問題」作為開頭，但這裡說的「問題」是廣義的：它在語法上不一定要是個疑問句，而是指任何能夠引發思考回應的內容。
「那什麼問題會讓你覺得它是關鍵問題？」，這也是前面聽眾他繼續追問的。實際上不存在一套完美可以適用每個題目的問題清單，也就是說每期的架構全部都是完全不同的，這也是為什麼每期都會花很多時間在看各種相關資料，這過程也在尋找和主題相關的線索、可以繼續問的關鍵問題。
舉例來說，之前寫星巴克的那期，在一開始的問題是「他們真的是因為數位化做太好，陷入今天的銷售困境嗎？」這問題就會帶我去看很多不同的資料，之中發現了一條線索是他們靠著高參與度的消費者應用程式「星巴克行動 app」、顧客忠誠計畫「星禮程」，變得像是一家銀行的科技公司，這也讓我開始不斷往下問，什麼時候他們開始做？是哪位執行長任期內開始做這件事？如果要說數位化做太好這件事合理嗎？
如何找到關鍵問題也有些方法，雖然沒有關鍵問題清單可以適用每個題目，但會有些一定要回答的「基本問題清單」，比如說：早期發展歷程、有哪些產品或服務、為什麼要創這個業、挑選這個賽道等？當把基本問題問完之後，對這領域就有大致上的了解。
在這把基本問題問完的過程中，會出現我想繼續追問的問題清單，也會和 NotebookLM、Perplexity 協作幫我問更多問題，找到那些我還沒有想到的問題，它們就像不斷讓我去想更多問題的對話介面。
