Cómo una persona común puede comprender sistemáticamente un campo vertical en 4 horas

null

Por danny

Mi amigo me preguntó, ¿por qué parece que sé todo en el campo? Además de algunas experiencias previas o lo que hago, de hecho, muchas veces estoy aprendiendo y vendiendo, y hoy os hablaré de cómo utilizo herramientas de IA y Notebooklm para completar el camino de autoaprendizaje de la gente corriente.

En primer lugar, quiero decir que este artículo está dirigido a: el aprendizaje sistemático y estructurado y la comprensión de una subdivisión/cosa/concepto, y la construcción de tu propio sistema de conocimiento y gráfico; si solo necesitas entender un poco algunos de estos conceptos, ¿sabes qué es este xx? Luego pregunta directamente a la IA convencional del mercado, puede que sea similar.

Utilizar la IA para aprender sobre algo nuevo actualmente tiene varios cuellos de botella y limitaciones:

La primera es la alucinación, la IA (con alta probabilidad) te dará datos y cosas fabricadas, especialmente en campos subdivididos, porque el corpus y los materiales de aprendizaje son insuficientes;

la segunda es que no hay tantos detalles, debido a derechos de autor y otros problemas, la IA no lee todo el artículo ni el libro por sí sola, y los materiales de formación suelen ser reseñas y comentarios de otras personas, especialmente en campos subdivididos.

Tercero, no puedes describir el problema con precisión; suponiendo que no hayas estado expuesto a este tema antes, probablemente no puedas describir bien el problema que quieres entender, y no conoces la causa y efecto de estas cosas, y mucho menos recopilar información de forma sistemática y estructurada y formar un marco de aprendizaje sistemático.

Parte teórica

Mi método es en realidad muy sencillo: usar la “red de citas/referencias/factores de impacto” del mundo académico para purificar información, y luego usar evidencia de IA y pensamiento divergente para estructurar algo nuevo.

Flujo de trabajo para ahorrar flujos:

Encuentra artículos valiosos - Ponlos en Notebooklm - Genera prompts con herramientas de IA - Aprendizaje de preguntas y respuestas en Notebooklm - Complementa artículos valiosos en Notebooklm - Aprende en Notebooklm - Y así sucesivamente

Flujos de trabajo complejos:

Paso 1: Sigue las pistas (Duración: 0,25 horas)

No busques “qué es XX y cuál es el principio de esto?”, sino que busca directamente la “Aguja del Dios Dinghai” en este campo.

Llama a la IA (Géminis / Perplejidad): Pregunta directamente: “¿Cuáles tres son reconocidos como Taishan Beidou en [cierto segmento]?” ¿Cuáles son los 1-3 clásicos más citados que sentaron las bases en el campo? (Por ejemplo, en el campo de LLM, literatura de cerraduras como Attention Is All You Need). Representa “esta vida”

Descarga la literatura de primer orden: extrae las referencias de estos 1-3 artículos principales y descarga todos los documentos principales que han citado. Representa la “vida pasada”.

Refinar la literatura de alto nivel de segundo orden: Comparar las referencias de la literatura de primer orden para filtrar los 10 artículos más citados y que aparecen con más frecuencia. Esto representa “después”

Lógica central: Seguir la mirada del maestro para ver el mundo es el atajo más barato. No subestimes este paso, lo que estás descargando es el mapa de evolución ideológica más central en este campo durante décadas.

Paso 2: Construir una base de conocimientos estructurada (tiempo: 0,25 horas)

Sube todos los documentos clásicos seleccionados en el primer paso a Google NotebookLM de una vez.

En términos generales, mientras sea un artículo clásico, estos dos son suficientes:

¿Por qué NotebookLM? Porque nunca alucina. Solo responde a las preguntas basadas en la información que proporciones.

Mediante un riguroso filtro de literatura, se corta artificialmente el spam en Internet, estableciendo una base de conocimiento pura y altamente enfocada para este campo.

Paso 3: Interacción izquierda y derecha entre diferentes IAs (Duración: 1-3,5 horas)

Esto está en el corazón de todo el flujo de trabajo. Dejas que la IA con diferentes características cuestione tu base de conocimiento, formando un camino estructurado, una deducción lógica y, finalmente, formando tus propias opiniones.

Sustituye el aprendizaje pasivo por el cuestionamiento activo. El cuestionamiento activo (interés) promueve el pensamiento cerebral.

Encontrar anclajes: Pregunta a Claude, Deepseek, Gemini o Perplexity y pregúntate: “¿Cuáles son los temas centrales controvertidos y los marcos teóricos subyacentes en la academia/industria en este momento respecto al campo xx?” ”

Pregunta cerrada: Con estas controversias centrales, vuelve a NotebookLM y pregunta: “Basándome en los documentos que he subido, ¿cómo responden los maestros a estas controversias centrales?” Por favor, proporciona fuentes literarias específicas y lógica de deducción. ”

Revisión de reducción dimensional: Copia las respuestas rigurosas generadas por NotebookLM y devólvelas a Gemini o Claude con potentes capacidades de análisis lógico. Directiva: “Por favor, examina estas ideas con pensamiento crítico, señalando lagunas lógicas, limitaciones o puntos ciegos.” Con esto, ¿cuáles son las 3 preguntas más profundas que debería seguir haciendo? ”

Espiral cognitiva: Toma las vulnerabilidades y nuevas preguntas que la IA ha señalado y vuelve a NotebookLM para encontrar respuestas.

Práctica

Déjame darte un ejemplo de lo que son los modelos de lenguaje grandes (LLM) 😂

Paso 1: Sigue las pistas (Duración: 0,25 horas)

Le pregunté a Gemini y Claude al mismo tiempo: oye, tú hiciste esto y diste la respuesta

Géminis

Claude

Entonces de repente recuerdas que el profesor de secundaria dijo que las teorías científicas deben estar conectadas con el pasado, el presente y el futuro. Así que le pides a la IA que te ayude a investigar qué artículos han sido referenciados en estos artículos principales (normalmente en la “revisión bibliográfica”), y qué artículos han citado artículos principales en generaciones posteriores, y puedes pedirle a la IA que te ayude a filtrarlos.

Paso 2: Construye una base de conocimientos estructurada

Debido a algunas funciones originales de LLM y permisos de IA, necesitamos descargarlo manualmente (o puedes dejar que tu langosta lo haga por ti)

En general,

Puedes descargarlo y ponerlo en notebooklm (actualmente una biblioteca soporta unos 300 artículos)

Paso 3: Lucha izquierda-derecha entre diferentes IAs

Puedes hacer una pregunta sencilla e intuitiva en Notebooklm, luego discutir y debatir tu comprensión con otras IAs, y después enviar la conclusión a notebooklm para que la refute, argumente, complemente y corrija.

Respuestas y notas de Notebooklm:

Repite esto varias veces hasta que puedas ordenar tu mapa mental.

Luego, si quieres ser muy exigente, puedes pedirle a Notebooklm que te dé una pregunta de examen para probar.

A estas alturas, tienes cierto conocimiento de este campo (al menos conoces la vida pasada, esta vida y el futuro, cuando otros pregunten, puedes hablar 5 minutos más~)

Posdata

Guarda tu “base de conocimientos” (y actualízala en tiempo real, puedes dejar que la langosta venga), abre una carpeta aparte; por ejemplo, separaré los artículos teóricos relacionados con el “trading de contratos”; cuando necesites analizar cosas, solo tienes que abrir esa carpeta y luego describir los datos y casos, básicamente puedes analizar “sin alucinaciones”.

No es que los modelos actuales de IA no puedan completar un pensamiento y análisis profundos, es solo que no usas las herramientas adecuadas. (Un parámetro muy importante en LLM son las restricciones y condiciones de entrada)

Usar IA es una habilidad, pero cómo hacer que la IA haga a los humanos más fuertes es otra habilidad. Usar IA es una habilidad, pero cómo hacer que la IA haga a los humanos más fuertes es otra habilidad.