Автор: danny
Мои друзья спрашивают меня, почему я, кажется, знаю всё и обо всём. Помимо некоторого прошлого опыта или текущих занятий, зачастую я просто учусь на ходу. Сегодня я расскажу вам, как я использую инструменты ИИ и Notebooklm, чтобы пройти путь самообучения обычного человека.
Прежде всего, я хочу сказать, что эта статья предназначена для систематического и структурированного изучения и понимания узкой области / вещи / концепции и построения собственной системы знаний и карты знаний. Если вам нужно лишь поверхностно ознакомиться с некоторыми концепциями и просто понять, что такое xx, то прямой вопрос популярным ИИ-сервисам на рынке даст примерно одинаковый результат.
Использование ИИ для обучения и знакомства с новым предметом в настоящее время имеет несколько ограничений и барьеров:
Первое — это галлюцинация: ИИ (с большой вероятностью) предоставит вам вымышленные данные и сведения, особенно в узких областях, из-за недостатка обучающих материалов и корпуса данных;
Во-вторых, нет такого количества деталей, потому что из-за авторских прав и других проблем ИИ не может самостоятельно прочитать всю статью или всю книгу; обучающие материалы обычно представляют собой чужие обзоры и комментарии, особенно в узких областях такая информация крайне ограничена;
Третье — невозможно точно описать проблему. Если вы ранее не имели дела с этой темой, вы, скорее всего, не сможете хорошо сформулировать интересующий вас вопрос, не будете понимать причины и следствия этих явлений, а тем более не сможете систематически собирать информацию и создать структурированную обучающую рамку.
Теоретическая часть
Мой подход на самом деле очень прост: я использую «сеть цитирований (quote/reference/impact factor)» из академической среды для очистки информации, а затем применяю ИИ для доказательства и расширения мышления, чтобы провести «внутренний диалог» между левым и правым полушариями и структурированно понять новую вещь.
Краткая версия рабочего процесса:
Найдите полезные статьи — добавьте их в Notebooklm — используйте инструменты ИИ для генерации подсказок — задавайте вопросы и учитесь в Notebooklm — добавляйте полезные статьи в Notebooklm — учитесь в Notebooklm — повторяйте этот процесс
Сложный рабочий процесс:
Шаг 1: Следуйте за нитью (время: 0,25 часа)
Не ищите «Что такое XX, каков его принцип», а сразу ищите «опорный столп» этой области.
Обратитесь к ИИ (Gemini / Perplexity): задайте прямой вопрос: «В какой области [указать конкретную область] три человека считаются признанными гигантами? Какие 1–3 ключевые высокоцитируемые работы заложили основы этой области?» (например, в области LLM — работы типа Attention Is All You Need). Это представляет собой «настоящую жизнь».
Скачайте первичные источники: извлеките ссылки (библиографию) из этих 1–3 ключевых статей и скачайте все ключевые источники, на которые они ссылаются. Это представляет собой «прошлое».
Извлечь высокочастотные вторичные источники: проведите перекрестное сравнение ссылок в первичных источниках и отберите пять статей с наибольшей частотой появления, входящих в топ-10 по количеству цитирований.
Основная логика: смотреть на мир глазами мастера — самый дешевый путь к успеху. Не недооценивайте этот шаг — вы скачиваете самую важную карту эволюции идей за десятилетия в этой области.
Шаг 2: Создание структурированной базы знаний (время: 0,25 часа)
Загрузите все классические произведения, отобранные на первом этапе, в Google NotebookLM сразу.
Как правило, для классических статей достаточно этих двух ресурсов: https://scholar.google.com/ или https://arxiv.org/
Почему NotebookLM? Потому что он никогда не создает иллюзий. Он отвечает на вопросы только на основе материалов, которые вы ему предоставили.
Благодаря строгому отбору литературы вы намеренно устранили мусорную информацию из интернета, создав чистую и высокофокусированную базу знаний для этой области.
Шаг 3: Взаимные схватки между различными ИИ (продолжительность: 1–3,5 часа)
Это сердце всего рабочего процесса. Вы заставляете ИИ с различными характеристиками проводить перекрестный опрос в вашей базе знаний, формируя структурированные пути знаний и логические рассуждения, в конечном итоге приходя к собственным выводам.
Задавайте активные вопросы вместо пассивного обучения. Активные вопросы (интерес) стимулируют мышление мозга.
Ищите опорные точки: задайте Claude, Deepseek, Gemini или Perplexity вопрос: «Каковы текущие основные спорные вопросы и базовые теоретические рамки в области xx?»
Замкнутый вопрос: Взяв эти ключевые спорные вопросы, вернитесь к NotebookLM и задайте вопрос: «На основе загруженных мной источников, как мастера ответили на эти ключевые спорные вопросы? Пожалуйста, укажите конкретные источники и логику рассуждений.»
Просмотр снизу: скопируйте строгие ответы, сгенерированные NotebookLM, и верните их обратно Gemini или Claude, обладающим сильными аналитическими способностями. Дайте команду: «Проанализируйте эти взгляды критически, укажите на логические пробелы, временные ограничения или слепые зоны. На основе этого, какие три более глубоких вопроса мне следует задать дальше?»
Познание поднимается по спирали: используя уязвимости и новые вопросы, выявленные ИИ, снова обращайтесь к NotebookLM за ответами.
Практика
Я возьму в качестве примера «Что же такое LLM (large language models)?» 😂
Шаг 1: Следуйте за нитью (время: 0,25 часа)
Я спросил и Gemini, и Claude — эй, вы так делаете, и всё же получили ответ
gemni
Затем вы вдруг вспоминаете, как учитель в средней школе говорил, что научная теория всегда связывает прошлое с настоящим и будущим — у нее есть прошлое, настоящее и будущее. Поэтому вы просите ИИ исследовать, какие статьи цитировались в этих ключевых работах (обычно это указано в «обзоре литературы»), а также какие последующие статьи ссылались на ключевые работы — и просите ИИ отобрать их для вас.
Шаг 2: Создание структурированной базы знаний
Из-за некоторых особенностей исходной LLM и прав AI нам нужно загружать вручную (или ты можешь поручить это своему раку 🦞)
Как правило, https://scholar.google.com/ и https://arxiv.org/ полностью достаточно.
Скачайте его и поместите в NotebookLM (сейчас один каталог поддерживает около 300 статей).
Шаг 3: Взаимные соревнования между различными ИИ
Сначала вы можете задать в Notebooklm несколько простых и интуитивных вопросов, затем обсудить и обменяться мнениями со своими пониманиями с другими ИИ, а после этого отправить выводы в Notebooklm, чтобы он оспорил, аргументировал, дополнил и исправил их.
Ответы и комментарии Notebooklm:
Повторяйте это несколько раз, пока не сможете составить свою собственную карту мыслей.
А если вы хотите пойти дальше, попросите Notebooklm составить для вас тест, чтобы проверить знания.
Теперь у вас есть некоторое представление об этой области (вы хотя бы знаете про прошлое, настоящее и будущее — когда вас спросят, вы сможете говорить еще пять минут :)
Послесловие
Сохраните свою «базу знаний» (и обновляйте её в реальном времени, чтобы это мог делать даже рак) в отдельной папке — например, я выделяю отдельную папку для теоретических статей по «фьючерсной торговле». Когда нужно проанализировать что-то, просто откройте эту папку, опишите данные и примеры, и вы сможете проводить анализ практически без иллюзий.
Современные модели ИИ способны выполнять глубокий анализ и размышления — вы просто неправильно используете инструменты. (В LLM существует важный параметр — ограничения и входные условия)
Использование ИИ — это способность, но сделать так, чтобы ИИ делал людей сильнее — это другая способность. Использование ИИ — это способность, но сделать так, чтобы ИИ делал людей сильнее — это другая способность.