NotebookLM — это изящный исследовательский инструмент с некоторыми большими идеями. Он все еще сырой и новый, но такое ощущение, что Google что-то задумал.
Автор Дэвид Пирс
Что, если бы вы могли поговорить со своими заметками? В последнее время этот вопрос занял часть Интернета, поскольку такие компании, как Dropbox, Box, Notion и другие, создали инструменты генеративного искусственного интеллекта, которые позволяют вам взаимодействовать и создавать новые вещи на основе данных, которые уже есть в их системах.
Версия Google называется NotebookLM. Это исследовательский инструмент на базе искусственного интеллекта, призванный помочь вам организовывать свои собственные заметки и взаимодействовать с ними. (Первоначально Google анонсировал его ранее в этом году как Project Tailwind, но быстро изменил название.) На данный момент это всего лишь прототип, но небольшая команда внутри компании пытается выяснить, как может выглядеть блокнот на основе искусственного интеллекта. В конечном счете, если NotebookLM останется, то, скорее всего, это будет функция Google Docs или инструмент внутри Drive, который сможет принимать и понимать все ваши файлы. Но на данный момент это собственное крайне простое приложение.
Я использую NotebookLM последние пару недель, одновременно тестируя возможности приложения и пытаясь выяснить, как инструмент исследования искусственного интеллекта вписывается в мои собственные рабочие процессы. Я не уверен, что нашел правильные ответы, и я также не уверен, что технология полностью готова. Но я все больше убеждаюсь, что персонализированный ИИ, обученный всему тому, что меня волнует, и мало чем еще, станет очень мощной вещью.
Чтобы начать работу с NotebookLM, вы создаете новый проект. В моем случае я провел множество исследований по истории и культуре электронных таблиц, поэтому назвал свой проект «История электронных таблиц». Затем приложение предложило мне начать добавлять источники — сейчас оно принимает и импортирует только Google Docs, но в готовом виде оно, очевидно, будет принимать множество других видов информации. Каждый проект может иметь до пяти источников, а длина каждого источника может достигать 10 000 слов, но я знаю это только потому, что мне сказал кто-то из Google. Если вы попытаетесь импортировать слишком много или слишком большие источники, NotebookLM просто потерпит неудачу. Приложение достаточно новое, поэтому команда даже не настроила сообщения об ошибках. Опять же: прототип.
Но после небольшого количества проб и ошибок я получил свои источники: версию оригинальной истории Стивена Леви «Путь знаний в виде электронных таблиц», серию сообщений в блоге создателя VisiCalc Дэна Бриклина, раздел из книги Лэйна Нуни «The Apple II Age» и несколько тысяч слов других собранных исследований. Когда я импортировал каждый источник, NotebookLM создавал так называемое «Руководство по источникам» с абзацем, в котором кратко излагается документ, а затем списком ключевых тем и предлагаемых вопросов, которые можно задать. В целом руководства были очень хорошие: в статье Леви всплыли «Электронная таблица», «VisiCalc», «Lotus 1-2-3», «Табличное моделирование» и «Электронные таблицы и принятие решений». Три из них — варианты одного и того же, но, это длинная статья об электронных таблицах. Большинство ключевых тем будут представлять собой электронные таблицы.
Вся причина существования NotebookLM заключается в том, чтобы дать вам новый способ взаимодействия с этими документами. По сути, это не инструмент для организации или расширения ваших исследований, а чат-бот, специально обученный работе с предоставленными вами источниками, который может ссылаться на них по одному или на все сразу. В примере с Леви один из вопросов, предложенных в руководстве по источникам, был: «Каковы преимущества использования электронных таблиц?» Когда я спросил об этом чат-бота NotebookLM, он на секунду задумался, а затем вернулся с пятью атрибутами, которые сделали электронные таблицы такими полезными для начинающих пользователей компьютеров. Ответ не был основан на данных всего Интернета; он был полностью основан на примерно 5000 словах, которые я вставил в тот документ Google.
(Небольшое отступление: очевидно, что все эти персонализированные инструменты искусственного интеллекта связаны с огромными проблемами конфиденциальности и проблемами. Но в данном случае меня это не особо беспокоит — все эти данные все равно уже есть в других продуктах Google, поэтому я не уверен, что анализ большой языковой модели — это совершенно другое дело. Но, как и во всем, что касается ИИ, вы всегда должны тщательно думать о том, куда направляются ваши данные и как их можно использовать).
Вы также можете, конечно, задать любой другой вопрос, который придет вам в голову. В конце концов я начал использовать NotebookLM главным образом для того, чтобы находить общие черты между вещами. Какие люди чаще всего упоминаются во всех этих документах? На какие ссылки ссылаются чаще всего? Каковы основные конкуренты в этой сфере? Задав несколько вопросов, я обычно могу получить приличный набор отправных точек для дальнейших исследований. Вы также можете спрашивать что-то вроде: «Какая здесь самая удивительная информация?» и получать иногда интересные примеры. NotebookLM также может генерировать саммари или схемы документов, чтобы облегчить просмотр ваших исследований.
К каждому ответу NotebookLM приводит цитаты. Они точно не являются источниками, поскольку базовая модель не просто ищет и возвращает текст; они больше похожи на точки на карте, 10 битов текста, которые NotebookLM считает наиболее релевантными для вопроса, а затем синтезирует и использует для предоставления ответа. NotebookLM сказал мне, что «Скорость» является решающим преимуществом электронных таблиц не потому, что Леви написал это, а потому, что он процитировал группу руководителей, говорящих о том, что они могут делать с помощью этого радикально более быстрого инструмента.
По моему опыту, связь между цитированием и ответом иногда очевидна, а иногда глубоко запутанна, но мне нравится подход модели, пытающейся показать свою работу. И по большей части я обнаружил, что цитаты гораздо более полезны, чем сами ответы; Фактический синтез и ответ, который делает NotebookLM, несколько ненадежны, но он действительно хорошо справляется с определением битов информации, которые имеют отношение к моему вопросу.
Райза Мартин, менеджер по продукту NotebookLM, говорит, что мой опыт похож на опыт других пользователей NotebookLM. «Справочник источников и цитаты — это две главные особенности, о которых упоминают больше всего», — говорит она. «Мы также наблюдаем изменение поведения, когда все больше и больше людей говорят: «О, мне нужно что-то прочитать, поэтому я помещаю это в блокнот, чтобы создать руководство по источникам». (Кажется, все в Google называют NotebookLM просто «Notebook». Берите из этого что хотите.)
В конечном счете, говорит Мартин, часть того, что она ищет, — это увидеть, как люди по-разному взаимодействуют с ботами, когда они обучены работе с личными данными, а не с Интернетом. «Когда мы достаточно меняем контекст, меняет ли это поведение пользователя?» она спрашивает. «И мы обнаруживаем, что это так». Похоже, что пользователи более целенаправленно исследуют и ощупывают информацию, а не просто задают ИИ вопросы.
Говоря об Интернете: одна странная особенность NotebookLM заключается в том, что он действительно знает вещи, которых нет в ваших документах. В какой-то момент я запросил информацию о старом конкуренте Excel, на которого ссылались в одном загруженном мною документе, но только по имени и без какой-либо другой информации, и NotebookLM выдал некоторую базовую информацию о том, когда он был основан и чем он занимался. Мои документы этого не знали! Что я такого сделал?
Стивен Джонсон, давний автор и редакционный директор Google Labs, работающий над NotebookLM, говорит, что команда ломала голову над тем, что делать в таких ситуациях. «Конечно, есть некоторые общеизвестные вещи, о которых знает модель, и которые на самом деле довольно точны». Насколько это верно и как показать этот процесс пользователям, остается открытым вопросом. «Мы потратили много времени на точную настройку, чтобы модель говорила: «Извините, этой информации нет в вашем источнике», — говорит Джонсон, и такая скромность и прозрачность — это хорошо для магистратуры. Но он также должен стараться помочь, когда может, верно? «Мы пытаемся выяснить, насколько мы это смешиваем, — говорит Мартин, — и даем понять пользователю, что: «Эй, этого нет в ваших источниках, но здесь есть некоторые общие знания или знания» из Интернета».
Помимо улучшения модели и работы над взаимодействием, другим крупным проектом Google для NotebookLM является улучшение приложения для создания заметок. Прямо сейчас вы получаете очень простой блокнот на случай, если захотите скопировать и вставить ответ чат-бота или записать что-то, что вы вспомнили, но это действительно так. В долгосрочной перспективе решение может заключаться в том, чтобы просто подключить NotebookLM к Keep или Docs, но NotebookLM также может со временем превратиться в более полноценное приложение для заметок. (Учитывая склонность Google выпускать тысячи версий одного и того же продукта, я ставлю на последний вариант.)
После нескольких недель использования NotebookLM это не полностью изменило мой подход к работе. Но я полностью разделяю идею о том, что есть более эффективные способы взаимодействия с заметками, чем куча организационной работы и поиск по ключевым словам. И кажется очевидным, что если Google сможет выяснить, как заставить NotebookLM надежно работать как с моими материалами, так и с более широкой сетью, а также взаимодействовать со всем остальным, что Google уже знает обо мне, это может быть самый мощный и персональный чат-бот в Интернете. Мы определенно все еще находимся на стадии прототипа всего этого, но мы приближаемся к чему-то потенциально огромному.
