慢慢找到的目標
這禮拜對我來說是豐盛的一週:
-
我發現了 Docusaurus 這個靜態網站產生器,並且又開始建立一個子網站。
-
我買了 ChatGPT plus ,開始享受暢通的 VIP 連線資格。
-
我重新設定了網站的留言系統 Cusdis ,目前只要有人留言,我都可以快速收到推播通知,進而迅速回覆。而且據說 Cusdis 又要重啟更新與開發了,非常期待。
-
我排了微軟 new Bing 跟 Edge 的 waitlist ,也因為這個新變化,決定把「工作上」的瀏覽器從 Vivaldi 改到 Edge ,期待能早日開始使用。
-
我測試使用了在筆記軟體愛好者這個極小眾圈子裡頗受讚譽的 Tana ,結果很不適應,覺得太難了。
-
在 new Bing 出來前,我開始交替使用 Perplexity.ai 以及 ChatGPT ,並且拿他們解決不同類型的問題。 我還沒有在網站上介紹 Perplexity ,但目前為止很喜歡它,可以理解他是一個更進階版的搜尋引擎。(我也測了一下 Quora 推出的 Poe ,但沒有特別感受,可能因為它目前只有手機版的關係。)
-
除此之外,我也開始嘗試把個人的專案管理也拉到 Heptabase 裡面進行,目前感覺頗有潛力。
上述行動圍繞著兩個主軸,第一個是繼續建構及優化我自己的知識管理系統,第二個是更熟悉、更會用 AI ,我慢慢感覺今年以來我的興趣跟好奇心都在這兩件事情上,所以接下來短期內的電子報跟網站內容,大概也都會圍繞在這兩個話題上。
以下是本期的閱讀內容分享:
The 4 Levels of Personal Knowledge Management
作者: Tiago Forte
我為何想讀?
2023 年有個小小的目標是要收斂我的專案管理、任務管理以及知識管理流程,讓整個流程盡量穩固、確定下來。目前在工具的選擇方面,已經逐漸收斂到 Heptabase 跟 Readwise 作為核心中樞,其他工具則是輔助。
但在方法論方面,好像還沒有一個很穩固的流程,可以說是某種大雜燴。因此接下來幾週都會花時間讀一下這些曾經聽過,但沒有真正刻到心中的知識管理方法論們。
第一個選擇的就是 Tiago Forte 的 “CODE” ,分別是 Capture 捕捉、Organize 整理、Distill 提煉、Express 表達等四個步驟的縮寫。
這篇文講了什麼?
我原先在看之前,以為這篇文章在介紹什麼是「 CODE 」,但發現好像沒花太多篇幅。這篇文章比較是在講知識管理的四個層次:
-
Level 1 :Storing Information ,儲存資訊。
-
Level 2 :Managing Knowledge ,管理知識
-
Level 3 :Enabling Action ,開啟行動
-
Level 4 :Personal Knowledge Mastery ,精通個人知識
Tiago Forte 在文中描述了這幾個層次的特徵,我自己梳理消化後的筆記如下:
-
Level 1 是最基礎的層次,我們在各種媒介上捕捉、記下內容,包含紙筆或電腦的備忘錄與筆記、待辦事項、截圖等等,也可能會畫重點。但這個層次僅止於捕捉,很少重複使用這些捕捉下來的東西。
-
Level 2 比較開始接近有在進行「知識管理」,在這個層次的人開始會建立前階段捕捉內容之間的關聯性。有可能是為截圖檔案命名分類、有可能是在筆記軟體裡面把不同筆記放到不同資料夾並標上標籤。
在這個層次的人有的會因為「越來越順」而感到滿足與成就感,例如會因為很快找到自己記過的東西而開心、因為被稱讚「很會整理、很有條理」而開心,但有時仍會有找不到東西的問題,或者是陷於不斷整理,卻沒有太多「使用」的狀況。 -
Level 3 則是更進階的層次,在這個層次的人,已經可以善用先前儲存與整理過的資訊,並且有效率地針對生活、學習、職場上面的各種問題產生「解決方案」。通常在這個層次的人已經有一套自己的「系統」,並且大概知道自己的工作流是什麼、系統有哪些優點跟缺點。
-
Level 4 可以說是大師級的層次,我感覺處於這個層次的人很稀少,他們能夠掌握最新的資訊,提煉想法,不斷輸出,並且使他人信服,同時他們的效率極高,也很容易進入專注的心流。
我為何推薦這篇文?
我覺得這篇文章清楚地描述了「個人知識管理」的不同層次,以及這幾個層次有哪些特徵,也因此我可以判斷自己可能屬於哪個層次,也讓我知道若要到達下一階段,可能還需要補足什麼。
若照著文中的分類自評,我覺得我現在應該是處於 Level 3 的前期。已經逐步建構了自己的知識管理系統,也開始穩定產出想法給其他人。但這個管理系統還沒有完全成熟,必須不斷調整、最佳化。
如果能夠進入到 Level 4 ,應該是很棒的一件事吧,感覺整個系統運作順暢,可以持續吸收新知識,並且融入過去掌握的知識與經驗,進而能夠源源不絕地創造出自己獨特的想法與價值。
我看完之後產生哪些問題?
-
所以 C.O.D.E. 四個步驟各自的重點有什麼?
-
Capture:重點是要存下「有價值」的資訊,所以關鍵可能在於如何判斷資訊的價值?如何找到有價值的資訊?如何有效率地存下有價值的資訊?
-
Organize:重點在於把資訊整理為「未來能夠容易重複使用的 “chunks” 」,所以關鍵可能在於如何拆分?如何整理與分類?以及,如何避免陷入只是把東西從一個地方搬到另一個地方,卻沒有「使用」的狀況。
-
Distill:我覺得提煉這個步驟可能是四個步驟裡面最難的一點,後面的表達反而簡單,但可能只有做好 distill 這步驟的表達結果,才更有價值,所以關鍵可能在於,該怎麼從過往的資訊與知識裡,找出與「當前」相關的內容?或許是要讓自己當下紀錄的每件事,都是未來的自己能夠順利找到與使用的。
-
Express :Tiago Forte 描述的是要把知識轉化成為具有創意、能影響他人的產出。我感覺這個步驟的關鍵可能在於轉化的「精緻度」以及「效率」。但還沒有很完整的想法。
-
-
除了 C.O.D.E. 以外,知識管理的流程中還有哪些重要的步驟?
- 我感覺回顧(review)也是很重要的一個步驟,另外一些口袋名單有:分送(distribution)、回饋(feedback)
-
這個 C.O.D.E. 跟 Heptabase vision 中的「Human knowledge work has a lifecycle: exploring → collecting → thinking → creating → sharing」有什麼異同?我更喜歡哪一個?
ChatGPT Is a Blurry JPEG of the Web
作者: 姜峯楠(Ted Chiang)
文章連結:
我為何想讀?
這篇這兩天很熱門的文章,從標題就勾起我的好奇心。我很好奇作者如何類比 ChatGPT 跟 JPEG 。
這篇文講了什麼?
關於這篇文章的摘要,我推薦 K 先生在 Twitter 上的推文串。我這邊只快速記下我有感的幾個點:
-
用 JPEG 類比 ChatGPT 是精妙的,他們都壓縮了「更大的原始資訊」,並從中擷取出人類「可能可以接受」的近似值。
-
這種壓縮方式在部分領域沒有問題,例如 JPEG ,但在文中提到的 Xerox 影印機案例就會出問題。而 ChatGPT 壓縮的東西非常多,有的失真狀況可以被人們接受,有的則不行。
-
倘若人們可以接受大部分「有損壓縮」產出的內容,整個網路可能會更充滿這類資訊,就會越來越模糊失真,像是那些壓縮了幾百次的 JPEG 圖檔一樣。
-
若將一切都交給 AI 產出初稿,那麼人們可能會失去在產製過程中的掙扎、不滿與失敗,這可能會導致越來越難產出好的文字。
我為何推薦這篇文?
作為一個很喜歡 ChatGPT ,也很喜歡打字的人,這篇文讀起來很觸動我自己。
我自己目前已有多次把工作上的任務交給 ChatGPT 產出初稿,內容與我自己寫的比起來可能不怎麼樣,但它就是可以讓我省去那個「啟動時間」。對我來說,當個編輯更容易一些,而 ChatGPT 可以無止盡的產出草稿讓我編輯。
但另一方面,若是涉及自己內心的想法、想對外發表的內容,或者是對於文章的摘要,我目前都還是傾向一定要經過我自己的腦跟手。即使有請 AI 產生摘要,也只是用來快速判斷「我要不要繼續精讀」。
總之,這篇文章再次用淺顯的例子說明ChatGPT 這類大型語言模型目前擅長什麼、可能的侷限是什麼,若有了這樣的認識,就更可以分配適合的任務給它,並且不會被它「有損壓縮」的內容雷到。
我看完之後產生哪些問題?
-
目前有哪些類型的事務比較不會被這種「有損壓縮」的特性影響,而很適合交給 ChatGPT 進行?
-
有哪些事務,即使在 ChatGPT 這類大型語言模型進化後,可能可以進行邏輯運算了、可能可以直接引用網路上的資料了,但仍然不該交給它處理?
Twitter Threads
Jiayuan 談 Meta 發布的 Toolformer 論文
1/ 把 Meta 前两天发布的这篇论文读了一遍,mind blowing
— Jiayuan (@Tisoga) February 11, 2023
这篇论文被近期 ChatGPT & Bing Chat 的风头盖过去了,不过我感觉论文中提到的内容可能是未来 Language Model 发展的一个重要的分支。
-- thread 🧵 -- pic.twitter.com/LLiTPPbsSM
這串推文簡單的介紹了 Meta 剛發布的「Toolformer」模型,透過這樣的模型, AI 就可以開始使用各種「工具」,例如調用外部數據、調用本機的文件檔案。
最終可能真的會進入, AI 自己開始寫程式優化自己性能的狀況。
如何用 ChatGPT 建構英語學習環境
如何用ChatGPT构建英语学习环境:
— yiqifacai.eth (@yiqifacai) February 11, 2023
指导原则如下书《构建更好的词汇》的思想
1.新认识的词语需要明白它精确的英文定义,而不是单独的汉语意思
2.学习它在英文原文环境下的用法,而不是靠中文
3.要会用新词造句子,这个句子要和自己生活发生联系
4. 知道这个词是怎样被创造出来的,词根,同义词,反义词 pic.twitter.com/LzA8wcbYZ0
這串推文提供了一種使用 ChatGPT 的方式:學習語言。
我很喜歡這個參考範例,也有被一句話點醒:「透過大型語言模型學習語言是最適合的一件事」。
我想持續精進英語,也想要開始學習程式語言,感覺 ChatGPT 可以在這兩方面都提供幫助。
ChatGPT 的關鍵在於可以進行多輪對話
Google 的每次搜索是独立的,ChatGPT 可以进行多轮对话。
— Odyssey (@OdysseysEth) February 7, 2023
这是微妙而巨大的差别。https://t.co/8wsaUrN6Mj
這篇提到,Google 搜尋的結果只能夠讓你抵達「已知的未知」,就是那些「你知道自己不知道的事」(所以你才去搜尋。)
但 ChatGPT (以及 Perplexity 、 new Bing 這些),則能讓你達到「未知的未知」。
對我來說,這真的是很關鍵的一個分別,在使用 ChatGPT 或 Perplexity 時,你可以不斷地下達指令: Tell me more ,而他們就會不斷地,基於前面的 context ,給你更多內容。此時會冒出很多自己原先並不知道、並不覺得相關的內容,但他們可能真的跟你原本查找的內容有關,這時就能夠拓展自己未知的邊界。
我最近寫了什麼?
Blog
- 令人忍不住想掏錢支持的 Buttondown 2023.02.02
Snapshots
-
為何我不打算同步 Twitter 跟 Mastodon 的內容 2023.01.31
-
測試了 Chirpy 這個留言系統 2023.02.07
-
為何我想停用 Cusdis 但卻又反悔? 2023.02.08
-
微軟新推出的 Bing & Edge 2023.02.08
-
測試使用 Tana 的心得 2023.02.09