المؤلف: danny
يسألني الأصدقاء لماذا يبدو أنني أعرف كل شيء أو كل مجال؟ إلى جانب بعض التجارب السابقة أو الأنشطة الحالية، في كثير من الأحيان، أنا أتعلم وأطبق مباشرة، لذا اليوم سأتحدث معكم عن كيفية استخدامي لأدوات الذكاء الاصطناعي وNotebooklm لتحقيق طريق التعلم الذاتي للشخص العادي.
أولاً، أود أن أقول إن هذه المقالة موجهة للتعلم المنظم والمنهجي لفهم مجال فرعي أو شيء أو مفهوم، وبناء نظام معرفي وخرائط معرفية خاصة بك. إذا كنت بحاجة فقط إلى فهم مبسط لبعض المفاهيم ومعرفة ما هو هذا xx، فربما تكون الإجابات من الذكاء الاصطناعي الرائج في السوق مشابهة جدًا.
استخدام الذكاء الاصطناعي للتعلم وفهم شيء جديد يواجه حاليًا عدة عقبات وقيود:
أولاً، الوهم، سيعطيك الذكاء الاصطناعي (باحتمال كبير) بعض البيانات والأمور المختلقة، خاصة في المجالات المتخصصة، بسبب نقص البيانات والمواد التعليمية؛
ثانيًا، لا توجد هذا العدد من التفاصيل، لأن حقوق الملكية وغيرها من القضايا تمنع الذكاء الاصطناعي من قراءة المقالة أو الكتاب بالكامل بنفسه، وعادةً ما تكون مواد التدريب عبارة عن مراجعات وتعليقات من آخرين، وخاصةً في المجالات المتخصصة حيث تكون هذه المعلومات نادرة جدًا؛
لا يمكن وصف المشكلة بدقة، فإذا لم تكن قد تعرفت سابقًا على هذا الموضوع، فستكون غير قادر على وصف السؤال الذي ترغب في معرفته، ولا تفهم الأسباب والنتائج لهذه الأمور، ناهيك عن جمع المعلومات بطريقة منهجية ومنظمة وبناء إطار تعليمي منظم.
الجزء النظري
طريقتي بسيطة أيضًا: أستخدم شبكة "الاقتباسات/المراجع/معامل التأثير" في الأوساط الأكاديمية لتنقية المعلومات، ثم أستخدم الذكاء الاصطناعي لدعم التفكير وتوسيعه كمعركة بين نصفي الدماغ لفهم شيء جديد بشكل منهجي.
نسخة مختصرة من سير العمل:
اعثر على أوراق بحثية ذات قيمة - أضفها إلى Notebooklm - استخدم أدوات الذكاء الاصطناعي لتوليد أسئلة - تعلّم بالإجابة على الأسئلة داخل Notebooklm - أضف أوراقًا بحثية ذات قيمة إضافية إلى Notebooklm - تعلّم داخل Notebooklm - كرر هذه العملية
التدفق العمل المعقد:
الخطوة الأولى: تتبع الخيط (المدة: 0.25 ساعة)
لا تبحث عن "ما هو XX، وما هي مبادئه؟"، بل ابحث مباشرة عن "الإبرة التي تثبت البحر" في هذا المجال.
اطلب من الذكاء الاصطناعي (Gemini / Perplexity): اسأل مباشرة: "في [مجال فرعي معين]، من هم الثلاثة الذين يُعترف بهم كأعمدة؟ وما هي 1-3 أوراقهم البحثية الكلاسيكية ذات الاقتباسات العالية التي أسست هذا المجال؟" (على سبيل المثال، في مجال LLM، ركّز على ورقة "Attention Is All You Need" وغيرها). تمثل "الحياة الحالية"
تحميل الوثائق من الدرجة الأولى: استخراج المراجع الخاصة بهذه المقالات الأساسية 1-3، وتنزيل جميع الوثائق الأساسية التي أشارت إليها. تمثل "الحياة السابقة".
استخراج المراجع الثانوية ذات التكرار العالي: قم بمقارنة متقاطعة لمرجعيات المراجع الأولية، واختيار أفضل 5 مقالات الأكثر تكرارًا ضمن المراجع الأكثر استشهادًا (الـ10 الأوائل).
المنطق الأساسي: النظر إلى العالم من خلال عيني الخبير هو أسرع طريق بأقل تكلفة. لا تقلل من أهمية هذه الخطوة، فأنت تقوم بتنزيل خريطة تطور الأفكار الأكثر جوهرية في هذا المجال على مدار عقود.
الخطوة الثانية: إنشاء قاعدة معرفة منظمة (المدة: 0.25 ساعة)
قم بتحميل جميع النصوص الكلاسيكية التي تم اختيارها في الخطوة الأولى دفعة واحدة إلى Google NotebookLM.
بشكل عام، ما دام المقال كلاسيكيًا، فهذان المصدران كافيان: https://scholar.google.com/ أو https://arxiv.org/
لماذا NotebookLM؟ لأنه لا يخلق أبدًا وهماً (Hallucination). إنه يجيب على الأسئلة بناءً فقط على المواد التي تقدمها.
من خلال فلترة وثائق صارمة، قمت بقطع معلومات الفوضى على الإنترنت، مما أنشأ قاعدة معرفية نقية ومركزة بشدة في هذا المجال.
الخطوة الثالثة: التدريب المتقابل بين الذكاءات الاصطناعية المختلفة (المدة: 1-3.5 ساعات)
هذا هو جوهر سير العمل. أنت تجعل الذكاء الاصطناعي ذو الخصائص المختلفة يخضع لاستجواب متقاطع داخل معرفتك، ليشكل مسارًا مُنظمًا للمعرفة واستدلالًا منطقيًا، وينتج في النهاية رأيًا خاصًا به.
استبدل التعلم السلبي بالسؤال النشط. التساؤل النشط (الاهتمام) يعزز تفكير الدماغ.
ابحث عن نقطة مرجعية: اسأل Claude أو Deepseek أو Gemini أو Perplexity: "ما هي المسائل الجدلية الأساسية والإطارات النظرية الأساسية في مجال xx حاليًا؟"
الاستفسار الدائري: خذ هذه النقاط الجدلية الأساسية وارجع إلى NotebookLM واسأل: "بناءً على الأوراق التي رفعتها، كيف حلّ الخبراء هذه النقاط الجدلية الأساسية؟ يرجى تقديم مصادر الأوراق والمنطق الاستنتاجي المحدد."
المراجعة عبر التخفيض الأبعادي: انسخ الإجابات الدقيقة التي أنشأها NotebookLM وأعدها إلى Gemini أو Claude اللذين يتمتعان بقدرة تحليلية منطقية قوية. أصدر الأمر: "يرجى مراجعة هذه الآراء من منظور نقدي، وتحديد الثغرات المنطقية أو القيود الزمنية أو نقاط盲区 فيها. بناءً على ذلك، ما هي الأسئلة الثلاثة الأعمق التي ينبغي لي طرحها؟"
الارتفاع التدريجي للمعرفة: عُد إلى NotebookLM بحثًا عن إجابات باستخدام الثغرات والأسئلة الجديدة التي حددتها الذكاء الاصطناعي.
التطبيق العملي
سأستخدم "ما هي نماذج اللغة الكبيرة (LLM)؟" كمثال 😂
الخطوة الأولى: تتبع الخيط (المدة: 0.25 ساعة)
سألتُ جيميني وكلود في نفس الوقت - يا له من ردّ مدهش!
gemni
ثم تتذكر فجأة أن معلمك في المرحلة الإعدادية قال إن النظرية العلمية يجب أن تكون متصلة، ولها ماضٍ وحاضر ومستقبل. لذا تطلب من الذكاء الاصطناعي أن يبحث عن الأوراق التي استشهدت بها هذه المقالات الأساسية (عادةً ما توجد في "مراجعة الأدبيات")، وكذلك أي أوراق لاحقة اعتمدت على المقالات الأساسية، وتجعل الذكاء الاصطناعي يختارها لك.
الخطوة الثانية: إنشاء قاعدة معرفة منظمة
بسبب بعض الخصائص الأصلية للنماذج اللغوية الكبيرة وصلاحيات الذكاء الاصطناعي، نحن بحاجة إلى تنزيلها يدويًا (أو يمكنك أن تطلب من سرطان البحر🦞 الخاص بك القيام بذلك)
بشكل عام، https://scholar.google.com/ و https://arxiv.org/ كافيان تمامًا
قم بتنزيله ثم ضعه في NotebookLM (يُدعم حاليًا حوالي 300 مقالة في مكتبة واحدة)
الخطوة الثالثة: المواجهة بين الذكاءات الاصطناعية المختلفة
يمكنك أولًا طرح أسئلة بسيطة وبداهية على Notebooklm، ثم مناقشة فهمك مع ذكاء اصطناعي آخر، وبعد ذلك إرسال الاستنتاجات إلى Notebooklm ليُناقشها ويدحضها ويُكملها ويصححها.
إجابات وتعليقات Notebooklm:
كرر هذا عدة مرات حتى تتمكن من تنظيم خريطة ذهنية خاصة بك.
ثم إذا أردت أن تكون أكثر جدية، اطلب من Notebooklm أن يُعد لك اختبارًا لاختبار معرفتك.
حتى الآن، لديك فهم معين لهذا المجال (على الأقل تعرف على الماضي والحاضر والمستقبل، لذا عندما يسألك الآخرون، يمكنك التحدث لخمس دقائق إضافية～)
ملاحظة ختامية
احفظ "مكتبة المعرفة" الخاصة بك (وحدثها في الوقت الحقيقي، يمكن أن يأتي الجراد)، وافتح مجلدًا منفصلًا - على سبيل المثال، أقوم بفصل مقالات النظرية المتعلقة بـ "تداول العقود" في دليل منفصل، وعندما أحتاج إلى تحليل شيء ما، أستدعي هذا المجلد فقط، وأصف البيانات والحالات، ويمكنني التحليل تقريبًا "بدون هلوسة".
ليس أن نماذج الذكاء الاصطناعي الحالية غير قادرة على إجراء التفكير والتحليل العميق، بل لأنك لم تستخدم الأدوات بشكل صحيح. (هناك معامل مهم جدًا في نماذج LLM وهو الشروط المقيدة وشروط الإدخال)
استخدام الذكاء الاصطناعي هو مهارة، لكن جعل الذكاء الاصطناعي يُقوّي البشر هو مهارة أخرى.