卷首語
最近肩頸挺不舒服的,應該是長期坐著的緣故,剛好在 Twitter 上看到每日運動幫助肌肉保持健康,推薦也要肩頸酸痛的朋友們。
最近比較少即時更新 AI 的消息了,相信不只是我可能讀者們也倦怠了,像是「哪個 LLM 又更新了,效果超過 GPT-4」,但有看到比較重要的資訊、或是 AI 的相關應用還是會放到電子報中。
不只是讀者們,連我自己都開始在沉澱 AI 對於我們的幫助在哪,看到幾個很早期就在用 ChatGPT 的大佬已經退訂了,使用可以輸入自己的 api 因量計價的程式中。
拿工作效率這件事來說,本來就不是因為 AI 才能提高工作效率,而是在此之前,就會嘗試使用不同工作來簡化重複的工作流程,AI 出現只是另一種效率工具的出現。所以,就算 AI 不能提高工作效率,你也應該自己找方法不斷提高效率。
未來更多的精力會用在撰寫深入的題材上,最近讀書會挑了一本書《晶片戰爭》來當做讀書會要講解的書,不知道大家有沒有興趣,有的話就來當做一個小連載專題嘗試看看。
🪄 思考洞察與工具應用
1. 「資訊量過大?」其實 AI 總結的內容資訊量很低
圖片來源:https://tw.news.yahoo.com/他當街遭逼分手急了-怒嗆女友爸-要我搓你gg幹嘛-混亂關係全場超傻眼-022846435.html
大家一定都看過一種梗圖是資訊量過大的梗圖,就像下圖。
這篇要用「資訊理論」來說明,『為什麼用 AI 總結內容、快速讀書這件事對深入理解文章或書籍』並沒有幫助。
1. 冗餘和資訊量的關係
首先這邊用兩句話讓大家體會資訊量,你認為哪一句的資訊量比較大呢?
1. 臲卼虒亭鸑鷟吃屎髽鬏娭毑藠頭檵鼙叟
2. 九月底中秋節,可以放假還可以吃月餅跟烤肉
其實第一句的資訊量是比較大的,雖然說第二句話看似是一段有資訊的話,但是其實跟第一句比只是因為它看起來更有意義。
我們稍微改寫一下第二句:「九月中秋,放假吃月餅和烤肉」。
可以發現到這一句是「可被壓縮的」,並且今年中秋節在國曆九月、吃月餅跟烤肉都是人盡皆知的事情,就算我沒有提到這句話,很大機率在讀這篇文章的你也能知道。
回頭看第一句,是不是除了吃屎之外其它都不會了,如果說這句話真的是有意義的一句話,連一個字我們都不敢隨意去除,因為很可能去掉一個字整句話的意思就變了。
就像人一樣,並不是活的越久見識越豐富;句子也是,資訊量並不是由一句話的長短所決定的。
冗餘度會是我們關注資訊量的一個重要指標。
2. 資訊量大小:克服了多少不確定性
什麼是資訊量,美國數學家克勞德·夏農(也被稱為資訊理論之父)給出了一個很明確的觀點,那就是「資訊量的大小,取決於它克服了多少不確定性」。
更具體來說,「資訊量的大小,取決於這個消息告訴你的新事物有多少」,或者「在看到這個消息之前,你對這件事所知有多少。」
回到剛剛說的那句話「九月中秋,放假吃月餅和烤肉」,是不是這句話裡說的每一個事件,你基本都知道了,所以有說等於沒說。
但當我們在辦公室的茶水間聊天時聽到「小明跟小美竟然在一起了」時,可以很明確的把一個不確定性的事件變成確定的事情。
資訊量是一個很好懂的概念,夏農甚至還用了物理學的概念「熵」來設計資訊量的公式,不過這裡不展開說,有興趣的讀者可以再 Google。
請記得,「選擇的結果越不可預測,傳遞的資訊量就越大。」
3. 冗餘是傳遞資訊的必要
打電話是傳遞資訊的方式之一,但我們一定都遇過突然沒有訊號、或是突然聽不清楚對方在說什麼,所以對方需要再說一次。
當我們傳遞資訊給另一個人時也一樣,對方可能因為分神、或是不清楚你談某件事的脈絡、又或者他根本不是你專業領域的人而你用了專業術語等等,導致對方根本不明白你所說的內容是什麼。
此時對於對方而言,你的話基本沒有傳遞資訊給他,或是傳遞的非常低。
當我們今天把資訊量壓縮到最大,變成所謂的「乾貨」時,一旦對方在理解資訊的過程中出了一點差錯,就可能導致整個資訊傳遞出現問題,這邊直接上個例子。
一般句子:Most people have little difficulty in reading this sentence.
排除冗餘:Mst ppl hv lttl dffclty n rdng ths sntnc.
排除冗餘後我們一樣看得懂句字,可是對比起來,沒有任何冗餘的句子非常容易在傳遞資訊時出現問題。
最常見的冗餘就是「舉個例子」,概念是我們總結後抽象出來的,透過舉例與補充說明,能還原整個資訊脈絡,也讓對方透過例子理解我們想呈現的特定概念。
反過來說,閱讀時「劃重點」就是當我們理解內容後,去除冗餘的過程。
4. 傳遞資訊的藝術
有些人廢話連篇、有些人字字珠璣,講的人跟聽的人會同時影響資訊傳遞的好與壞,就像我們在城市裡用遠傳打給深山中的亞太一樣,聽者的程度同樣會影響資訊的接收。
所以每個人都應該懂的如何把握傳遞資訊的藝術。首先溝通是一輩子一定會遇到的事情,如果你講不清楚,對方又想歪結果就顯而易見。
如果你本身是講師、作家、演講者等,那傳遞資訊就會是更重要的功課。
偶爾會有朋友或親戚跟我說「你電子報的內容看起來好難喔」,一部分原因在於他們本身並不是關注這個領域的人,所以要能理解我寫的內容,勢必要有更多的脈絡及說明。但就算是現有讀者,我相信一定還是有部份內容讓你們感到吃力。
那如何傳遞資訊才能盡量讓讀者接收到,我有幾個心得:
1. 打破專有術語。
最簡單的方式就是把專有名詞丟到 ChatGPT 上「請它用中學生也能聽懂的方式比喻說明」
2. 增加比喻。
概念有時候太抽象人們難以想像,所以如果能很好的透過比喻/類比來激發對方想通,那你就成功了。
最簡單的訓練方式就是用這個比喻讓國小六年級生都能聽得懂。
3. 減少影響閱讀的冗詞。
這個生澀詞彙除了剛說的專有名詞外,書面表達最常出現,有些人的寫作習慣,會加過多的冗詞(像是「事實上」),或是語句文法有誤(像是句子用了「一方面」結果下一句用「甚至」),還有一種是夾雜公文體或是古文體(像是「旨在」)
4. 恰到好處的細節補充。
有些人講話會把細節描繪的很清楚,也能讓人有畫面感,但是當細節太多時反而容易造成失焦,突然不知道你想表達的畫面是什麼。
AI 總結是過於簡化的框架,過多細節則是讓傳達的資訊失焦,資訊傳遞的藝術就是把握其中的「度」。
.
要我一句話總結就是不要專有名詞、用詞精準、比喻恰當、閱讀順暢。看起來很簡單但很吃自我反省的能力。
傳遞資訊的藝術就是「對方在低摩擦力的情況下,快樂的接收到新資訊」。不僅出現很多對方**無法預測**的新資訊,又能輕鬆每個你想表達的觀點。
這邊放一個我覺得傳遞資訊時恰到好處的一個內容,劃重點時覺得全部都是重點,沒有廢話舉例也都恰到好處的內容。
來自產品沉思錄整理的「學習如何學習」課程筆記分享:
小結
最後回扣到標題的內容,為什麼我覺得 AI 總結一點用的沒有。
因為 AI 總結的是它抽象後的概念。也許可以捕捉到部分脈絡,但是其中可能需要一些案例或詳細的說明才能真正理解內容所要表達的,要我比喻就是「很多時候 AI 總結就像名言佳句,看似有大道理卻不清楚為什麼這樣說」。
如果只是要快速篩選某篇文章是否要看勉強還可以用。
語言模型的 AI 工具應該反過來用,如果可以,把內容先餵給 AI,讓它清楚知道你閱讀的脈絡,就算不能整個餵給它,也能透過截取部份內容來讓它理解。
然後在不懂的時候,請它用比喻來說明、案例來講解,反而能幫助我們更深入的理解內容或書籍想表達的觀點。
不要偷懶只想透過快速總結的方式獲取資訊,而不進行深入閱讀。因為:
只想透過 AI 總結來快速獲取資訊的人,跟那些想上「1 小時財富自由速成班」的人本質上有極為相似的一面。
2. AI 工具怎麼拿來讀書
上一篇說到,AI 總結內容是犧牲了大量資訊量去脈絡化的結果,對於閱讀學習幫助不大,這一篇就來說說如何透過 AI 工具輔助閱讀書籍。
圖片這是我在閱讀《晶片戰爭》這本書的片段,不過這不是 AI 工具,只是一邊整理重點的部分而已。
那怎麼使用 AI 來讀書呢?首先要有辦法從電腦上複製書籍的內容,不管你是用 epub、PDF 或是線上閱讀,能從電腦複製內容才能讓電腦知道要互動的章節為何。
使用的 AI 工具為 Claude 2 及 ChatGPT,我會先說:
我正在閱讀一本書《晶片戰爭》,為了方便我更深入閱讀,我會複製不同章節的內容給你。 請使用 Markdown 語法總結關鍵資訊和詳細重點內容或範例。再來請你根據該章節內容提出一些重要洞察,最後根據該章節提出 3~5 個關鍵性問題來考考我是否真正瞭解該章節內容。
Claude 2 上下文可以高達 10 萬 token,所以沒問題,但 ChatGPT 可能要先選 3.5,上下文數量比較足夠。
版權問題,這邊只截圖一點書籍內容。閱讀前我能大概知道該章節想表達的重點,閱讀時我能「帶著這些重點去尋找重要細節」,有點像先帶著磁鐵,這些磁鐵會幫我吸附相關的重要內容。
這樣我在閱讀時不會失焦。
另外,透過 3~5 個關鍵問題,我能回過頭審視自己是不是真正理解了該篇章的內容。
而用上 2 個 LLM 機器人,能很好的避免「幻覺」(胡言亂語),也能看到不同的 AI 機器人從不同的視角切入。
並且在不懂時,AI 機器人最強大的點就在於『給出更多不同的比喻及範例』,在書中不夠完善的說明或觀點,就能透過 AI 機器人補足。
以上大概是我用來讀書的方法,總結 AI 機器人主要用途:
快速理解不同章節的框架內容;
幫助聚焦重點,不會因為內容不清楚或案例太多導致失焦;
透過『深入詢問』,讓自己真正理解書中內容;
最後,透過關鍵問題審視自己的閱讀理解狀況。
謝謝分享,文中各個「比喻」很到位!
基本上同意這篇的論點,我其實從一開始就不太有興趣討論 AI 工具,也樂見知識倉鼠朝著這個方向前進。
我也發現拿 LLM 當作輔助的工具、譬如從不同角度問問題、提供更多元的視角去想事情,避免自己陷入盲點,是很有用的事情,畢竟人類的思考盲區非常大。
但如果照單全收真的就跟上速成班的心態沒兩樣,要不學到廢話、要不學到錯誤資訊,被「濃縮」掉的資訊可能還會讓整個知識變味。
然後我也對 LLM = AI 這件事情感到厭倦了。