Skip to content

《笔记整理时代的终结》 大型语言模型可以真正将你的笔记转化为第二大脑

[!想象]

  • 如果我们只需要关注信息和知识的收集,大模型帮我们完成笔记的整理和关联

  • 当我想要使用某个笔记或者某些相关笔记的时候,不需要自己逐字阅读一遍,大模型帮我总结整理成需要的内容

  • 笔记软件提供类似 Github Copilot 的能力,当我写作的时候,基于我积累的笔记,自动推测我想要书写的内容,自动呈现相关的笔记作为我的素材

[!前言]

  • 对于知识型工作者,笔记整理是很重要的工作,直接影响了我们知识沉淀和提取的效率

  • 笔记整理是一个很痛苦的过程,随着笔记的沉积,笔记软件越来越像一个“垃圾场”,很多无用、杂乱的信息,影响信息和知识的提取效率

  • 我在之前一篇文章中《大模型对个人知识管理的影响》提到了对大模型和知识管理结合的期望:借助大模型的能力,把用户录入的笔记信息,真正整合成知识库。用户可以通过搜索获取需要的个人知识;也可以在创作或者翻阅一篇笔记的时候,能够看到之前已经录入的相似笔记,重新记起当时的感悟 。这样的话,我们才算真正拥有了第二大脑啊!

  • 最近看到一篇外网文章《The End of Organizing》,如获至宝。它把我的想法更为系统地总结了出来:

  • 笔记的目的:笔记的目的不是存储,而是为了帮助我们日后更好的决策、创作、以及找到解决方案。你真正想要的是笔记中的信息,在恰当的时间和地点呈现给你
  • 笔记的困难:如果我们精确知道一条笔记的价值,我们就可以很好的整理它。但问题在于记录笔记的那个时刻,我们不是很清楚未来如何使用它。
  • 大模型时代,笔记整理的终结:

    • 大模型可以自动帮我们对笔记进行分类和链接
    • 大模型可以自动帮我们对笔记进行总结整理
    • 大模型可以让笔记拥有类似 Github Copilot 的体验,在你写笔记的时候,自动呈现你想要的内容或素材
  • 如下是译文(借助 Claude 完成):

记笔记是与你未来自己建立关系的过程

笔记记录事实、引用、想法、事件等,以便日后可用于做出更好的决策、创造更有趣的写作,以及找到问题的解决方案。

很长一段时间以来,我们试图让这种关系发挥作用的方式就是建立组织系统。确保未来版本的自己能够获得正确的笔记的最佳方式,就是构建一个复杂的标签、笔记本层级和双向链接等机制,这样我们就可以在需要时调取笔记。或者至少,如果我们知道自己在找什么,就可以通过搜索轻松找到。

但是,最终我们建立的组织解决方案都是脆弱的。我们一直在创建和放弃新的系统,很少回顾旧的笔记。标签被创建然后又被遗弃。链接很少被关注。我们感到内疚: 如果我们能弄清楚如何利用我们收集的大量信息,这些信息就会有很大价值。购买新的笔记工具就像1月1日注册健身房会员。我们知道自己最终会放弃,但花钱能缓解我们没有充分利用现有资源的焦虑。

人工智能改变了这个方程式。解锁旧笔记价值的更好方式是使用智能来在正确的时间以正确的格式呈现正确的笔记,以便您最有效地使用它们。当您拥有智能工具时,就不需要进行整理。

如果我们想了解AI如何解决整理笔记的问题,首先我们需要理解为什么整理笔记如此困难。然后我们可以讨论未来可能会有什么不同。

为什么整理笔记如此困难

我们越精确地知道如何使用一条信息,就越容易对其进行整理。问题在于,我们将信息记录下来是因为我们不知道它将被用于何处。

你会记录一本书中的一句话,因为你可能最终会以1,000种不同的方式使用它。你可以用它来帮助自己做出决定,或者写一篇文章,或者在朋友遇到困难时给他们打气(你可能会将它用于这三种用途)。记录会议笔记或新认识的人的想法也是如此。

正如我在"The Notetaking Cold War,"中所论述的,这使得为您的笔记找到单一的组织系统变得相当具有挑战性。你会不断重组你的系统,或感到把笔记放在许多不同位置的冲动,或对其进行标记以确保它在不同的上下文中再次出现。

这通常效果并不太好,即使你确实在合适的时候碰到了一张旧笔记,你也会面临另一个问题:

翻看旧笔记就像看到过期的垃圾。

在会议上匆忙写下或在夜间灵感来临时草草记录的笔记通常很难理解,需要花费一些时间来理解。正如我在"The Fall of Roam"中所写的,当你阅读一张旧笔记时,你必须重新了解它是在什么时候以及为什么而记录的,然后才能理解它在说什么以及是否与手头的任务相关

所以你很少回去使用你的旧笔记。这太过于费力气,回报也不够丰厚。为了让一张旧笔记有帮助,它需要以一种可以立即"切入"你正在进行的工作的方式呈现给你未来的自己——需要尽可能少的处理。

这就是大型语言模型的用武之地。

人工智能模型如何解决笔记整理问题

人工智能模型可以通过几种关键方式解决整理问题。

首先,它们可以自动对笔记进行标记和链接,无需手动操作。这甚至不需要一个大型语言模型-现有的较为简单和便宜的模型就可以做到这一点。

第二,它们可以在您编写笔记时对其进行丰富,并将其综合成研究报告,从而消除了大部分标记和链接的需求。

第三,它们可以像  CoPilot-like experience从以前的笔记中重现关键信息,这使得搜索旧笔记变得不必要,并帮助您在每次按键时都运用您曾经记录的所有信息。

让我们分解一下这些。

自动标记、链接和分类

在最基本的层面上,当前笔记系统所需的标记和链接工作可以由一个大型语言模型来完成

实体识别已经足够廉价和可靠,使得模型能够找到你笔记中反复出现的人、地方、公司、书籍和其他事物。我之前采访过的研究员Linus Lee正在为自己建立这样的版本。他的演示甚至不使用实体识别,只使用词频跟踪就可以进行反向链接。这些技术将在未来变得更加先进。


来源: Linus Lee

除了标记和链接,大型语言模型还可以帮助创建自动的笔记分类系统,使你更容易浏览。可以想象一下类似于 Apple Photos 体验,但针对你的笔记:

来源: Me(DAN SHIPPER) playing around in Figma.

这些分类甚至可以针对新项目即时创建,因此当你的需求发生变化时,你的笔记可以自动重组成新的视图,帮助你更有效地浏览。一个简单的例子可能是一个自动更新的今年读过的所有书籍的列表。在过去的两年里,我一直在banging on this drum,现在这种自动分类的时候终于到来了。

不过,AI模型用于整理的真正力量并不止于此。

自动研究报告

大型语言模型可以丰富和为你撰写笔记。他们可以综合并编写一份报告,概括你之前所写的关于某个话题的所有内容,这样你就可以将其载入大脑,而不必回顾你的整个档案。

想象一下,你开始一个项目(也许你正在撰写一篇关于新主题的文章)然后一个大型语言模型自动为你编写并呈现一份报告,概括你已读过的相关书籍中的关键引语和想法。


来源: 这是我(DAN SHIPPER)想象ChatGPT未来会做的一件事。

如果你有信心这种事情会以高质量的方式为你完成,你就不必再担心如何标记或链接一句书中的话或一篇文章了。你只需将其归档到你的笔记中,并相信软件(作为一个研究助理)会在之后为你找到并呈现出来。

不过,还有更深层的影响。我们的笔记反映了我们的生活。想象一下使用大型语言模型来总结一个关键关系或你思维模式的变化。它可以生成你心智历史的摘要和时间线,帮助你更好地了解自己和你的世界。

这在今天就是可能的,只需有人去构建它。

用于笔记的CoPilot

研究报告是有价值的,但你真正想要的是在每次触摸键盘时都能下载你整个笔记档案。想象一下自动完成体验,就像GitHub CoPilot一样,它使用你的笔记档案来尝试填写你正在写的任何内容。

以下是一些例子:

  • 当你在写作中提出一个观点时,它可以建议一个有说服力的引用。
  • 当你在写决策时,它可以建议过去支持(或反驳)的证据。
  • 当你在写电子邮件时,它可以调取之前会议记录来帮助你陈述观点。

这样的体验会把你的笔记档案变成一个亲密的思维伙伴,利用你之前写过的所有内容来让你在键入时变得更聪明。

同样,这一切在今天都是可能的。只是需要有人去构建它。

笔记本的未来

整理笔记将变得不再必要,因为没有人真的想回顾自己的旧笔记。

你真正想要的是你笔记中的信息,被综合并在恰当的时间和地点呈现给你。

这种方式应该是个人化的。它应该充满活力和惊喜。它应该帮助你发现新的模式,用新的方式看待你收集的内容,并唤起你已经遗忘已久的事实、人物和事件。它应该帮助你吸取并利用你之前写下的所有内容来完成手头的任务。

大型语言模型可以真正将你的笔记转化为第二大脑。它们可以在你写笔记时增加更多上下文,自动对其进行分类和综合,并以一种能引起共鸣的方式呈现给你 - 这样你就可以真正去使用它们。

在未来,笔记将不是由我们来组织,而是为我们组织好的。思维的终极工具是能够思考的工具。