付費限定方格精選

寫在 NotebookLM 之後:既然 AI 可以摘要濃縮,為什麼要選擇做困難事?

更新於 2024/12/02閱讀時間約 22 分鐘

🎉慶祝電子報一週年!12/31 前加入年方案享終身優惠價 $1,688

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:

  1. 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
  2. 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。

raw-image

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。

以行動支持創作者!付費即可解鎖
本篇內容共 8720 字、1 則留言,僅發佈於VK科技閱讀時間你目前無法檢視以下內容,可能因為尚未登入,或沒有該房間的查看權限。
    avatar-img
    21.8K會員
    66內容數
    📢12/01 - 12/31 加入年方案享終身優惠價 $1,688 Hi,我是 VK~ 好奇科技發展、想看懂科技趨勢和新創的眉角。決定每週記錄下那些我感興趣、還看不懂的事。這裡會聊很多科技公司、新創,他們背後的人物與故事。
    留言0
    查看全部
    avatar-img
    發表第一個留言支持創作者!
    VK科技閱讀時間 的其他內容
    Hi 我是 VK~ 先前,瑞典先買後付 (BNPL)巨頭 Klarna 執行長 Sebastian Siemiatkowski 宣佈,將終止與 Salesforce 和人力資源和招募平臺 Workday 的服務提供者關係,並以內部建立的 AI 工具來作為替代方案。 這實際上並不是 Klarna
    Hi 我是 VK~ 上週打開 X 幾乎每滑幾條,就會有人在討論 Paul Graham 的最新文章〈Founder Mode〉。之中 PG 提到 Airbnb 共同創辦人 Brian Chesky 在演講分享,後來 Chesky 透過研究賈伯斯管理蘋果的方法,來幫助 Airbnb 度過難關。 整
    Hi 我是 VK~ 自從看了《大熊餐廳》,寫完《超乎常理的款待》後,好像跟餐廳的主題結下不解之緣。尤其是非常好奇餐廳背後的商業模式,如何支持他們持續做到讓人意想不到的體驗。 有趣的是,在不同科技類型的文章或 Podcast 節目中,都很喜歡將米其林餐廳作為討論的主題之一。剛好這陣子《2024 米
    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
    Hi 我是 VK~ 很常會看到 Scale AI 的消息,粗淺知道他們是在做資料標記(Data Labeling,或稱數據標記)。近來也有討論說資料會先用完,還是算力。剛好趁著這個機會深入了解 Scale AI 在做些什麼,他們如何解決資料標記的問題,以及在這領域中還有哪些玩家。 這期來聊聊 S
    Hi 我是 VK~ NVIDIA 執行長黃仁勳在今年 2 月《連線》雜誌採訪時透露,「我一直在用 Perplexity,不過也很喜歡 ChatGPT,我幾乎每天都會使用這兩款 AI 工具。」 這期來聊聊 AI 新創 Perplexity 他們的成立故事,並聚焦在: 為什麼 Perplexity
    Hi 我是 VK~ 先前,瑞典先買後付 (BNPL)巨頭 Klarna 執行長 Sebastian Siemiatkowski 宣佈,將終止與 Salesforce 和人力資源和招募平臺 Workday 的服務提供者關係,並以內部建立的 AI 工具來作為替代方案。 這實際上並不是 Klarna
    Hi 我是 VK~ 上週打開 X 幾乎每滑幾條,就會有人在討論 Paul Graham 的最新文章〈Founder Mode〉。之中 PG 提到 Airbnb 共同創辦人 Brian Chesky 在演講分享,後來 Chesky 透過研究賈伯斯管理蘋果的方法,來幫助 Airbnb 度過難關。 整
    Hi 我是 VK~ 自從看了《大熊餐廳》,寫完《超乎常理的款待》後,好像跟餐廳的主題結下不解之緣。尤其是非常好奇餐廳背後的商業模式,如何支持他們持續做到讓人意想不到的體驗。 有趣的是,在不同科技類型的文章或 Podcast 節目中,都很喜歡將米其林餐廳作為討論的主題之一。剛好這陣子《2024 米
    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
    Hi 我是 VK~ 很常會看到 Scale AI 的消息,粗淺知道他們是在做資料標記(Data Labeling,或稱數據標記)。近來也有討論說資料會先用完,還是算力。剛好趁著這個機會深入了解 Scale AI 在做些什麼,他們如何解決資料標記的問題,以及在這領域中還有哪些玩家。 這期來聊聊 S
    Hi 我是 VK~ NVIDIA 執行長黃仁勳在今年 2 月《連線》雜誌採訪時透露,「我一直在用 Perplexity,不過也很喜歡 ChatGPT,我幾乎每天都會使用這兩款 AI 工具。」 這期來聊聊 AI 新創 Perplexity 他們的成立故事,並聚焦在: 為什麼 Perplexity
    你可能也想看
    Google News 追蹤
    Thumbnail
    *合作聲明與警語: 本文係由國泰世華銀行邀稿。 證券服務係由國泰世華銀行辦理共同行銷證券經紀開戶業務,定期定額(股)服務由國泰綜合證券提供。   剛出社會的時候,很常在各種 Podcast 或 YouTube 甚至是在朋友間聊天,都會聽到各種市場動態、理財話題,像是:聯準會降息或是近期哪些科
    Thumbnail
    這篇文章描述作者如何利用 AI 技術(如 ChatGPT)來輔助撰寫文章的過程。作者詳細拆解了自己的寫作流程,並闡述了每個環節中如何使用 AI 來提高效率。文章強調 AI 在工作流程中所帶來的改變,並指出要適應這種改變需要一定的時間和練習。
    Thumbnail
    序幕 又來到一年一度的年中的時刻了, 不免得要來復盤一下今年的軟體學習與開發上面有了哪些的進步與轉變, 很有意思的是今年加入了AI的元素, 其實早在去年我們就分享了一篇「【🔒 江湖一點訣】關於寫作,你不需要很厲害才開始,但你從現在開始就可以很厲害」, 裡面包含了我們長期累積的心得之外, 早就已經
    Thumbnail
    隨著 AI 技術的進步,Google 推出了一款令人興奮的生產力工具—NotebookLM。這款結合 Gemini 1.5 Pro 模型的筆記本工具不僅能輕鬆生成問題、快速摘要文檔,還能幫助你建立專屬知識庫。今天,我將介紹 NotebookLM 是什麼、如何使用它,以及在三種不同情境中的應用方法。
    Thumbnail
    AI 工具雖能在短時間生成內容,但它不瞭解你的客戶,也無法取代你做現場互動交流。在合適的時機選擇使用適合的 AI 工具,幫助我們專注於最重要的人事物上。
    Thumbnail
    NotebookLM 是一款人工智慧筆記本工具,利用 Gemini 1.5 Pro 模型分析資料,幫助使用者輕鬆地彙整內容,包括教學研究、訪談逐字稿、文件、網頁和其他資料。AI 會自動整理所有資料並生成摘要。並提供解答或協助完成相關任務。
    Thumbnail
    台灣也開放使用了! 你知道除了 ChatGPT、Gemini、claude 3.5等等AI工具之外,還有一個超好用的AI工具叫做NotebookLM嗎?
    Thumbnail
    最新的AI趨勢讓人眼花撩亂,不知要如何開始學習?本文介紹了作者對AI的使用和體驗,以及各類AI工具以及推薦的選擇。最後強調了AI是一個很好用的工具,可以幫助人們節省時間並提高效率。鼓勵人們保持好奇心,不停止學習,並提出了對健康生活和開心生活的祝福。
    Thumbnail
    瞭解讓AI寫文章的好處,包括提高效率、快速獲取答案和資料整理
    Thumbnail
    最近和朋友討論AI,朋友提到了跟上AI議題、學習AI工具的難點: 雖然知道有各種AI工具,但不知道哪裡會用得到。 工具演變這麼迅速,如果現在學,工具一下子又更新,就又得重新學習,好像永遠都跟不上。 如果AI幫我做了很多事情,那我要做什麼?
    Thumbnail
    *合作聲明與警語: 本文係由國泰世華銀行邀稿。 證券服務係由國泰世華銀行辦理共同行銷證券經紀開戶業務,定期定額(股)服務由國泰綜合證券提供。   剛出社會的時候,很常在各種 Podcast 或 YouTube 甚至是在朋友間聊天,都會聽到各種市場動態、理財話題,像是:聯準會降息或是近期哪些科
    Thumbnail
    這篇文章描述作者如何利用 AI 技術(如 ChatGPT)來輔助撰寫文章的過程。作者詳細拆解了自己的寫作流程,並闡述了每個環節中如何使用 AI 來提高效率。文章強調 AI 在工作流程中所帶來的改變,並指出要適應這種改變需要一定的時間和練習。
    Thumbnail
    序幕 又來到一年一度的年中的時刻了, 不免得要來復盤一下今年的軟體學習與開發上面有了哪些的進步與轉變, 很有意思的是今年加入了AI的元素, 其實早在去年我們就分享了一篇「【🔒 江湖一點訣】關於寫作,你不需要很厲害才開始,但你從現在開始就可以很厲害」, 裡面包含了我們長期累積的心得之外, 早就已經
    Thumbnail
    隨著 AI 技術的進步,Google 推出了一款令人興奮的生產力工具—NotebookLM。這款結合 Gemini 1.5 Pro 模型的筆記本工具不僅能輕鬆生成問題、快速摘要文檔,還能幫助你建立專屬知識庫。今天,我將介紹 NotebookLM 是什麼、如何使用它,以及在三種不同情境中的應用方法。
    Thumbnail
    AI 工具雖能在短時間生成內容,但它不瞭解你的客戶,也無法取代你做現場互動交流。在合適的時機選擇使用適合的 AI 工具,幫助我們專注於最重要的人事物上。
    Thumbnail
    NotebookLM 是一款人工智慧筆記本工具,利用 Gemini 1.5 Pro 模型分析資料,幫助使用者輕鬆地彙整內容,包括教學研究、訪談逐字稿、文件、網頁和其他資料。AI 會自動整理所有資料並生成摘要。並提供解答或協助完成相關任務。
    Thumbnail
    台灣也開放使用了! 你知道除了 ChatGPT、Gemini、claude 3.5等等AI工具之外,還有一個超好用的AI工具叫做NotebookLM嗎?
    Thumbnail
    最新的AI趨勢讓人眼花撩亂,不知要如何開始學習?本文介紹了作者對AI的使用和體驗,以及各類AI工具以及推薦的選擇。最後強調了AI是一個很好用的工具,可以幫助人們節省時間並提高效率。鼓勵人們保持好奇心,不停止學習,並提出了對健康生活和開心生活的祝福。
    Thumbnail
    瞭解讓AI寫文章的好處,包括提高效率、快速獲取答案和資料整理
    Thumbnail
    最近和朋友討論AI,朋友提到了跟上AI議題、學習AI工具的難點: 雖然知道有各種AI工具,但不知道哪裡會用得到。 工具演變這麼迅速,如果現在學,工具一下子又更新,就又得重新學習,好像永遠都跟不上。 如果AI幫我做了很多事情,那我要做什麼?