iT邦幫忙

2025 iThome 鐵人賽

DAY 22
0
生成式 AI

讓AI「陪」你寫論文系列 第 22

Day22 利用 NotebookLM 的功能統整多篇相關主題論文內容

  • 分享至 

  • xImage
  •  

今日事項:看 NotebookLM 對於文獻的整理可以有什麼幫助,以及使用過程中的注意事項

如果文章對你有幫助的話,歡迎按讚或留言,讓我知道我不是一個人在這裡碎碎念(?),我會很感謝的❤️

第二章的文獻探討是整篇論文的基礎,可以說如果沒有第二章文獻底蘊的支撐,整篇論文就幾乎沒有被信任的基礎。不過呢,偏偏這一章也是最容易卡關的地方。

文獻回顧--就是一個把前賢的理論吃透,然後用自己的話說出來的過程

前面我們已經有說過如何快速瞭解單篇論文中自己需要的部分,但是,一個文獻的主題,內容總不會是一點一點猶如拼圖這樣拚上去的。

真正寫得好的文獻統整,看上去會像是一個整體,講述著整個理論的定義、類別,與演進過程,看上去就像是作者在講一段故事,不過卻又可以在每個重點定義的後面看見其他作者的文獻支持。

(詳情請看各大期刊中的文章,都很厲害)

不過呢,我們這些剛踏入研究領域的小菜鳥們,先不用想著一步登天就直接跟大賢們肩並肩了,什麼領域都有一個漸漸向上爬的過程。

要從十幾篇,甚至幾十篇論文中讀出研究趨勢、核心概念,還要進行統整,聽起來是好像很困難但應該做得到,不過現實往往是……看完第二篇就忘了第一篇在講什麼

所以,今天就來就介紹一個可以幫助統整各篇中重點的工具--NotebookLM。

NotebookLM

NookbookLM 是 Google 推出的筆記系統,基底是屬於一種檢索增強生成的 AI(RAG, Retrieval-Augmented Generation)。

簡單來說,RAG 是讓模型只根據吃進去的資料回答問題,這樣就可以讓他在回答的時候,只回答他「有看過」的資訊,這樣一來,模型的答案就會更準、更具體,也比較不容易會有亂講的幻覺(hallucination)出現。

NotebookLM 的運作

RAG 看起來很複雜,但其實只是多加了一個檢索的步驟,大概可以看成以下流程:

  1. (你)上傳 PDF 等資料
  2. (AI)將你上傳的資料依照字數切分段落並製作資料庫
  3. (你)問問題
  4. (AI)從上傳的內容中找到相關段落,並用這些段落作為依據回答問題

藉由這樣的過程,可以最大程度的確保模型輸出的結果中,不會像是昨天介紹的 ChatGPT 這樣,會出現莫名奇妙的回答。

NotebookLM 的優點

雖然前面說了不會亂回答,但還是要有一個驗證的辦法對吧?總不能傻呼呼的真的什麼結果都相信他。

而 NotebookLM 的設計團隊也揮了揮手,告訴你,別擔心,你想到的我們也已經有想到了。

可以看到下面的圖片,在 NotebookLM 的回答中,在字句末端會出現 1、2、3、4……的灰底數字,這些就是他在跟你說:「前面我講的這些資料,就是從這些地方出來的,你可以自己去看。」

而很重要的一點是,前面我們不是有提到,他的流程是會先把你丟進去的資料分段,所以當你的鼠標移動到數字上面的時候,他會幫你把那個相關的段落顯示出來(如畫面中白框中的字)。

這有兩個很大的好處:

  1. 不會是只顯示文章名稱--這樣使用者就不用只看到文章名稱,然後還要跳回到 PDF 做搜尋,多一個動作浪費時間,尤其在篇數多的時候,會翻到很累。
  2. 直接在介面中將段落顯示出來--如果想確認段落中有沒有這些資訊,可以更快速確認小範圍的論文資料、回去原文畫重點做筆記等等。

和 ChatGPT 的差別

首先我們要看到 NotebookLM 本身的缺陷--不會保留對話內容,所以如果這次聊完之後關掉想要聊……很抱歉沒有辦法。

這是他跟 ChatGPT 相比較為弱勢的地方,雖然在 ChatGPT 一段時間沒問他會叫你重新上傳一次 PDF,但至少聊天紀錄是留著的。

不過在 NotebookLM 要保存聊天紀錄也是有方法的,就是將他的回覆滑到最下面之後,有一個儲存至記事的按鈕,點下去之後就會發現筆記本右下角的記事中有紀錄出現了。

但這也有一個缺點,當儲存到記事之後,前面我們說到很好用的功能(顯示段落、鼠標過去會出現段落)就會消失,變成一般而無意義的數字。

→ 但這個功能最近有變好了,現在將資料丟到記事之後,這個功能還會留著。

所以如果之後要讀單篇的話,也可以在這裡讀。

用 AI 工具輔助閱讀論文需要注意的事項

前面我們有提到了 ChatGPT、NotebookLM 兩個可以幫助論文閱讀與第二章寫作的工具,雖然他們真的很好用,但還是有一些地方需要注意。

最重要的就是--在寫的時候,千萬不要被 AI 生成的內容牽著走

這看起來是在說不要因為複製貼上而被判定為 AI 寫作,但實際上會是在講更深一點的東西。

因為我本身自詡是一個對文字比較敏感的人,也對寫作的事情比較有信心一點(自己講),所以在利用 AI 閱讀的時候,也會比較注意一點,AI 生成出來的內容就是做為參考,然後再用自己的話轉述。

所以當前三章寫完之後我也沒有意識到什麼問題,然後反正題目的報告也過了,就直接繼續寫下去。

然後等到寒假過完之後,因為要開始收集數據等等,開始回顧前三章的時候,突然一個震驚……

X!我這寫的是什麼東西?!

就是 AI 的字句有時候你會覺得挺不錯,然後寫的時候就不知不覺寫進論文裡面,然後在寫作的當下會沒有感覺(甚至感覺還不錯),等到整個脫離之後再回去看,才會發現問題的嚴重性。

那個字句完全不通順,雖然重點都有講到,但看起來就不是個人類寫出來的東西。

至於之後是怎麼處理的……那時候也沒問老師是什麼態度,反正我自己是先看不下去了,所以就只留大綱跟重點,其他整個刪掉重寫

雖然說因為內容都有了,並沒有真的花太多時間啦,但也是個慘痛的回憶……往事不堪回首啊。

所以在這邊提醒各位,如果用了 AI 做輔助,也真的會快很多,但記得寫完之後沉澱一下再回頭看看,千萬不要犯跟我一樣的錯誤。

Day22 總結

論文閱讀跟寫作的部分,我自己是主要用這兩個工具,而且好消息是,相對於我自己在寫的時候,這兩個工具已經有非常多的進步了,比如 ChatGPT 從 4.5 變成了 5,而 NotebookLM 使用的模型也隨著 Gemini 變化,從 1.5 變成了 2.5,所以會越來越好用。

要說羨慕嗎?有一點,但其實也還好,因為可以預見的,未來對於 AI 在學術上的使用,應該也會有著越來越嚴格的規範。比如現在我所知道的,國外就有許多知名大學在口試前除了做相似性比對,還要經過所謂的 AI 比對。

不過這樣其實對研究者們也有一點點不公平的感覺,如果這真的是自己寫出來的,檢測器卻說這是 AI 生成呢?什麼是「人類感」,什麼又是「AI 感」,除了那些很明顯的(比如之前有爆出來的很多破折號等等),要怎麼定義這之間的分界,或許也是一個重要的課題。

當然,最重要的還是自我的管理,和對於字句的敏感度,真心希望不要有人發生跟我一樣寫完才發現字句不通順的問題。

加油啦~


上一篇
Day21:利用 ChatGPT 加速了解單篇文獻的理解
下一篇
Day23 Liner:快速從概念中延伸出假說、提出 Peer Review
系列文
讓AI「陪」你寫論文23
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言