Autor: danny
Mis compañeros me preguntan por qué parezco saber algo sobre todo o cualquier tema. Además de algunas experiencias pasadas o actividades actuales, muchas veces simplemente aprendo y aplico en el momento. Hoy les hablaré sobre cómo uso herramientas de IA y Notebooklm para emprender mi camino de aprendizaje autodidacta como persona común.
Primero que todo, debo decir que este artículo está dirigido a: aprender y comprender de manera sistemática y estructurada un área, tema o concepto específico, y construir tu propio sistema y mapa de conocimientos. Si solo necesitas una comprensión superficial de algunos conceptos y quieres saber qué es esto, preguntarle a cualquier IA principal del mercado probablemente sea suficiente.
Usar IA para aprender y comprender algo nuevo tiene actualmente varios cuellos de botella y limitaciones:
Lo primero es una ilusión; la IA (con alta probabilidad) te proporcionará datos y eventos inventados, especialmente en campos especializados, debido a la insuficiencia de corpus y materiales de aprendizaje;
En segundo lugar, no hay tantos detalles, ya que, por cuestiones de derechos de autor y otras razones, la IA no lee automáticamente artículos completos o libros enteros; los materiales de entrenamiento suelen ser reseñas y comentarios de otras personas, y especialmente en campos especializados, esta información es muy escasa;
Tercero, no puedes describir con precisión el problema; si antes no habías abordado este tema, probablemente no podrías describir bien la pregunta que deseas entender, ni conocer las causas y consecuencias de estos asuntos, por no hablar de recopilar información de manera sistemática y estructurada ni formar un marco de aprendizaje organizado.
Teoría
Mi método es realmente muy sencillo: utilizar la “red de citas (quote/reference/impact factor)” del mundo académico para purificar la información, y luego emplear la inteligencia artificial para demostrar y expandir el pensamiento, llevando a cabo una “lucha interna” entre los hemisferios cerebrales para estructurar la comprensión de una nueva cosa.
Flujo simplificado:
Encuentra artículos valiosos - agrégalos a Notebooklm - genera prompts con herramientas de IA - aprende respondiendo preguntas en Notebooklm - añade más artículos valiosos a Notebooklm - aprende en Notebooklm - repite este proceso
Flujo de trabajo avanzado:
Paso 1: Seguir la pista (tiempo estimado: 0.25 horas)
No busques “¿Qué es XX, cuál es su principio?”, en su lugar, busca directamente la “aguja de navegación” de ese campo.
Llamar a AI (Gemini / Perplexity): Hacer la pregunta directamente: “¿Quiénes son los tres grandes referentes reconocidos en [un área específica]? ¿Cuáles son las 1-3 publicaciones clásicas de alto impacto que sentaron las bases de este campo?” (por ejemplo, en el campo de los LLM, enfocarse en artículos como “Attention Is All You Need”). Representa el “presente”.
Descargar la literatura de primer orden: extraiga las referencias de estos 1 a 3 artículos clave y descargue todos los artículos clave que citaron. Representa el "pasado".
Extraer la literatura de segundo orden más frecuente: realizar una comparación cruzada de las referencias de la literatura de primer orden y seleccionar los 5 artículos más recurrentes entre los 10 más citados.
Lógica principal: Ver el mundo a través de la mirada del maestro es el camino más económico. No subestimes este paso; estás descargando el mapa de evolución de las ideas más fundamentales de este campo durante las últimas décadas.
Paso 2: Configurar una base de conocimientos estructurada (tiempo estimado: 0.25 horas)
Sube todos los textos clásicos seleccionados en el primer paso a Google NotebookLM de una sola vez.
En general, para artículos clásicos, estos dos son suficientes: https://scholar.google.com/ o https://arxiv.org/
¿Por qué NotebookLM? Porque nunca genera ilusiones. Solo responde preguntas basándose en los materiales que le proporcionas.
A través de una selección rigurosa de literatura, eliminaste manualmente la información basura de internet y creaste una base de conocimiento pura y altamente enfocada para este campo.
Paso 3: Entrenamiento entre diferentes IA (duración: 1-3.5 horas)
Este es el núcleo de todo el flujo de trabajo. Permites que distintas IA con características diferentes realicen interrogatorios cruzados en tu base de conocimientos, generando rutas de conocimiento estructuradas y razonamientos lógicos, que finalmente te llevan a formar tus propias conclusiones.
Reemplaza el aprendizaje pasivo con preguntas activas. Las preguntas activas (interés) fomentan el pensamiento del cerebro.
Buscar puntos de anclaje: pregunta a Claude, Deepseek, Gemini o Perplexity: “¿Cuáles son los problemas de controversia central y los marcos teóricos fundamentales en el campo de xx actualmente?”
Preguntas de cierre: Con estos puntos de controversia clave, vuelve a NotebookLM y pregunta: “Según los documentos que subí, ¿cómo resolvieron estos puntos de controversia clave los expertos? Por favor, proporcione fuentes literarias específicas y la lógica de razonamiento.”
Examina desde una perspectiva reducida: copia las respuestas rigurosas generadas por NotebookLM y devuélvelas a Gemini o Claude, que poseen una fuerte capacidad de análisis lógico. Da la instrucción: “Por favor, examina estas opiniones con pensamiento crítico, identifica las fallas lógicas, las limitaciones temporales o los puntos ciegos. Sobre esta base, ¿cuáles son las 3 preguntas más profundas que debería hacer a continuación?”
La espiral de conocimiento se eleva: toma las vulnerabilidades y nuevas preguntas identificadas por la IA y vuelve a NotebookLM en busca de respuestas.
Práctica
Voy a usar como ejemplo “¿Qué son realmente los LLM (large language models)?” 😂
Paso 1: Seguir la pista (tiempo estimado: 0.25 horas)
Pregunté al mismo tiempo a Gemini y Claude: ¡Hola, así es como lo haces, y aún así dan respuestas!
gemni
Luego de repente recuerdas que tu profesor de secundaria dijo que una teoría científica siempre es continuación y transición, teniendo un pasado, un presente y un futuro. Así que le pides a la IA que investigue qué artículos consultaron estos artículos clave (generalmente en la “revisión de literatura”) y qué artículos posteriores citaron los artículos clave; le pides a la IA que los filtre por ti.
Paso 2: Establecer una base de conocimientos estructurada
Debido a ciertas características originales del LLM y los permisos de IA, necesitamos descargarlo manualmente (o puedes hacer que tu langosta 🦞 lo haga por ti)
En general, https://scholar.google.com/ y https://arxiv.org/ son suficientes.
Descárgalo y luego colócalo en NotebookLM (actualmente, una biblioteca admite alrededor de 300 artículos).
Paso 3: La lucha interna entre diferentes IA
Puedes comenzar preguntando algo simple e intuitivo en Notebooklm, luego discutir y debatir tu comprensión con otros AI, y finalmente enviar las conclusiones a Notebooklm para que refute, argumente, complemente y corrija.
Respuestas y comentarios de Notebooklm:
Repite esto varias veces hasta que puedas organizar tu mapa mental.
Luego, si quieres ser más exigente, pídele a Notebooklm que te genere un examen para poner a prueba tus conocimientos.
Hasta ahora, tienes cierta comprensión de este campo (al menos conoces el pasado, el presente y el futuro, por lo que podrás hablar durante 5 minutos adicionales cuando alguien te lo pregunte).
Posdata
Guarda tu "base de conocimientos" (y actualízalo en tiempo real, incluso puedes dejarlo en manos de los cangrejos), crea una carpeta separada: por ejemplo, yo guardo los artículos teóricos relacionados con el trading de futuros en un libro independiente; cuando necesites analizar algo, simplemente abre esa carpeta, describe los datos y los casos, y podrás realizar análisis básicamente "sin ilusiones".
No es que los modelos de IA actuales no puedan realizar pensamiento y análisis profundos, sino que simplemente no estás utilizando las herramientas adecuadas. (En los LLM, hay un parámetro muy importante: las condiciones de restricción y las condiciones de entrada)
Utilizar la IA es una habilidad, pero hacer que la IA haga a los humanos más fuertes es otra habilidad. Utilizar la IA es una habilidad, pero hacer que la IA haga a los humanos más fuertes es otra habilidad.