Transcription

Cześć. Dzisiaj opowiem o Notebook LM, czyli nowej aplikacji od firmy Google, która zmienia sposób w jaki zarządzasz swoimi notatkami. Dzięki zastosowaniu sztucznej inteligencji możemy w łatwy i przyjemny sposób właśnie zarządzać swoimi notatkami. Możemy podsumowywać wiedzę, która jest tam zawarta. W łatwy sposób możemy wyszukiwać informacje na konkretny temat. Notebook LM działa jak taki wirtualny asystent, który pomaga nam na zrozumienie tematu, na syntetyzowanie wiedzy zawartej w naszych notatkach oraz na rozwijanie tych materiałów źródłowych. To rozwiązanie rozwiązuje problem przytłoczenia informacjami, pozwala nam również na przetworzenie bardzo dużej ilości informacji i wyciągnięciu tych właśnie kluczowych treści, na których nam najbardziej zależy. Najważniejszymi funkcjami aplikacji jest integracja wielu źródeł oraz zastosowanie analizy jej. Dzięki temu, że możemy dodać do aplikacji do 50 różnych źródeł, źródła mogą być to pliki tekstowe, pliki PDF, mogą być to również adresy stron internetowych, czy nawet adresy do materiałów na YouTubie, oczywiście jeżeli posiadają transkrypcję. Według informacji prasowych każde takie źródło może zawierać do 500 tys. słów, co przy 50 dokumentach jest niesamowitą ilością informacji. Do analizy jej zastosowano tutaj zaawansowany model od Google, czyli model Gemini Pro 1.5, który pozwala na przetwarzanie właśnie języka naturalnego oraz wyciąganie kluczowych treści, podsumowania tematów czy sugerowania kolejnych pytań do naszych dokumentów. Aplikacja działa na zasadzie czata, czyli my po zadaniu pytania czy zleceniu jakiejś analizy otrzymujemy odpowiedź, właśnie tą z modelu Gemini Pro wraz z cytetami oraz odnośnikami do danych miejsc w plikach, gdzie te informacje już się znajdowały. Tak przetworzone informacje możemy zapisywać jako nowe notatki oraz przekształcać je na przykład w konspekty czy przewodniki. To ważne, model ten umożliwia również przetwarzanie obrazu, czyli jeżeli w naszych PDF-ach czy w jakichś innych plikach znajdują się obrazy, one również zostaną przetworzone. Niedawno do Notebook LM dodano możliwość analizy plików dźwiękowych oraz możemy jakoś dodawać różne dokumenty czy filmy właśnie, które znajdują się na YouTubie i przy pomocy właśnie wiedzy specjalistycznej z jakiegoś kanału możemy, zadając pytanie, uzyskać odpowiedź właśnie jako osoby, która wypowiadała się na tych filmach. Największymi zaletami tego rozwiązania jest personalizacja AI dostosowana właśnie do naszych źródeł, czyli na wyjściu odpowiedzi będą przygotowane na podstawie tego, co sami wcześniej dostarczyliśmy, czyli na podstawie naszych źródeł. Dzięki cytatom i odnośnikom bardzo łatwo sprawdzimy, w którym miejscu i w którym źródle znajdowała się dana informacja. Zaawansowana analiza danych, która pozwala na szybką organizację dużej ilości informacji. Prosty, intuicyjny interfejs użytkownika. Integracja z ekosystemem Google, czyli możemy tutaj w łatwy sposób dodawać pliki, które są na przykład na naszym dysku Google. W obecnej chwili jest to rozwiązanie darmowe. Informuję również, że wszystkie informacje, jakie przesyłamy do notebooka LEM, czyli te wszystkie źródła, które są do niego przesłane przez użytkownika, nie będą wykorzystywane do trenowania modeli AI. Wady, jakie ma to rozwiązanie, to jest ograniczona elastyczność, czyli pliki, które przesłaliśmy nie zostaną zaktualizowane o informacje, które dodaliśmy do nich później. Brak kontekstu rozmowy. Chodzi tutaj o to, że tak jak na przykład w przypadku czatu GPT, gdy prowadzimy rozmowę, to kolejne elementy tej rozmowy niejako rozszerzają kontekst, tak tutaj każde nasze zapytanie i odpowiedź jest odseparowana, czyli każde pytanie i odpowiedź jest tak jakby jedną rozmową. Jest też informacja, że mogą występować problemy z przetwarzaniem niektórych plików PDF, na przykład tam, gdzie główna zawartość to są obrazy. Dzięki swojej specyfice narzędzie to ma bardzo szerokie zastosowanie. Przyda się zarówno studentom, którym pomoże w organizowaniu notatek i przygotowywaniu się do egzaminu, jak i badaczom czy naukowcom, gdzie umożliwi zarządzanie bardzo dużą ilością informacji, a następnie złapywanie różnych kontekstów i powiązań pomiędzy tymi materiałami, analitykom danych, którzy pracują nad bardzo dużej ilości informacji, nauczycielom, którzy mogą w łatwy sposób przygotować materiały dydaktyczne na konkretny temat, czy osobami, którzy zajmują się pracą umysłową, pomaga w zsynchronizowaniu danych z wielu źródeł. Poniżej też pokazałem kilka przykładów zastosowań, gdzie na przykład student używa notebook LM do organizowania swoich notatek z różnych przedmiotów, dzięki czemu przy pomocy właśnie podsumowań oszczędza czas, który wcześniej poświęcał na wertowanie wielu notatek, znalezieniu właśnie tej jednej konkretnej. Firmy badawczej, gdzie może zaszczędzić bardzo wiele czasów na analizę i dzielenie dokumentów, przygotowanie raportów dzięki automatycznym podsumowaniom generowanym właśnie przez to rozwiązanie. Na przykład student medycyny może przesłać artykuł naukowy o neurobiologii i poprosić o stworzenie słowniczka kluczowych terminów związanych z jakąś na przykład neuroprzekaźnikiem, w tym przypadku tutaj dopominą. Autor, który pracuje nad na przykład biografią może przesłać notatki badawcze, a następnie zapytać systemu, jakie są powiązania pomiędzy różnymi osobami, które na tych notatkach występują. Twórca treści może przesłać swoje pomysły i na podstawie właśnie tych pomysłów utworzyć czy poprosić o stworzenie scenariusza krótkiego filmu na konkretny temat. W porównaniu z konkurencją notebook LM jest po prostu game changer, gdzie umożliwia naprawdę przesłanie bardzo dużej ilości informacji, czego nie umożliwia na przykład czat GPT czy cloud. Wyróżnia się właśnie możliwościem zakotwiczenia niejako silnika modelu na naszych informacjach, czyli wszystko co będzie generował będziemy na podstawie naszych informacji, dzięki czemu możemy uniknąć różnego rodzaju halucynacji. W porównaniu na przykład do takich narzędzi jak Notion czy Evernote wyróżnia się zaawansowaną integracją AI, dzięki czemu możemy automatycznie organizować i analizować dane, które do niego przesłaliśmy. I tutaj choć konkurencja oferuje bardzo rozbudowane opcje personalizacji, w mojej opinii notebook LM nadrabia właśnie prostotą tego, w jaki sposób możemy korzystać z tego narzędzia. Notebook LM to innowacyjne narzędzie, które właśnie dzięki zastosowaniu sztucznej inteligencji oraz możliwości dodawania bardzo wielu źródeł przyspieszy czas oraz możliwość analizy dokumentów, czy też właśnie tworzenia i syntezy danych na nasze właśnie potrzeby. Nie eliminuje potrzeby gromadzenia danych, ale w znaczący sposób przyspiesza pracę z nimi. Wydaje mi się, że w długim czasie moim zdaniem notebook LM stanie się jednym z kluczowych narzędzi właśnie w formie takich asystentów dla studentów, badaczy i analityków danych, którzy pracują nad bardzo dużą ilością informacji. Teraz pokażę Ci, jak skorzystać z tego rozwiązania. Czyli w Google wpisujemy notebook LM. Logujemy się przy pomocy naszego konta Google. I tutaj każdy z tych kafelek to jest osobny folder z naszymi notatkami, więc otwórzmy sobie nowy notatnik. Tutaj możemy dodać różne źródła, czyli możemy przeciągnąć lub wybrać pliki z dysku, możemy wybrać dokumenty właśnie z ekosystemu Google, możemy wysłać adres strony internetowej, strony czy tam materiału, który jest dostępny na YouTubie lub też wkleić to, co mamy gdzieś tam zachowane w schowku. Poniżej widzimy limit źródeł. Mamy tutaj pokazane, że możemy dołączyć do 50 różnych źródeł. Na potrzeby tej prezentacji wybrałem transkrypcję z jednego z kanałów na YouTubie, który mówi o zarządzaniu marką, budowaniu biznesu. Więc dołączymy sobie tutaj pliki transkrypcji z tego kanału. Jak widzisz wszystkie te pliki są widoczne po lewej stronie i zostają właśnie wczytane. Mamy już czytane wszystkie dokumenty. Możemy teraz przejść do zadawania pytań, na przykład jak zbudować markę. Teraz dzięki analizie informacji, jakie są właśnie zawarte w plikach, czyli w naszych wszystkich źródłach, model dopasowuje informacje i wyszukuje te, które są najlepiej powiązane. Mamy tutaj super informacje, jak zbudować silną markę, jakie są kluczowe elementy. I tak jak tutaj widzicie, mamy odnośniki 1, 2, 3, 4, czyli na przykład zrozumienie odbiorców. Kluczowe jest zrozumienie, do kogo marka chce dotrzeć, jakie są potrzeby dla tej grupy docelowej. Jeśli zajdziemy sobie właśnie tutaj na to, to pokażę, w której transkrypcji i w którym miejscu właśnie była odpowiedź na to pytanie. Możemy sobie przejść i mamy zaznaczone. Właśnie w ten sposób wygenerowana odpowiedź, takie odpowiedzi możemy sobie zapisać. Wygenerowana odpowiedź może stać się naszą nową notatką, którą będziemy widzieli właśnie w tej rubryce. Możemy skorzystać na przykład z podpowiedzi, jakie są tutaj poniżej, które zostały stworzone właśnie na podstawie naszych plików źródłowych. Czyli na przykład możemy wybrać, w jaki sposób można zwiększyć wartość koszyka zakupowego klienta. I po krótkiej analizie model da nam odpowiedź. Po krótkiej analizie dostaliśmy właśnie odpowiedź w formie kolejnej notatki ze strategią zwiększenia wartości koszyka zakupowego klienta. I to wszystko dalej opiera się właśnie na te notatki, które mamy dołączone jako źródła do naszego notatnika. Teraz pokażę Ci na przykład, w jaki sposób można rozmawiać, czy pytać o informacje, które są zawarte w plikach, czy materiałach na YouTubie. Przechodzimy sobie do interesującego nas materiału. Jeżeli widzimy tutaj, że są dostępne napisy, to taki materiał będziemy mogli dodać do naszego notatnika. Czyli klikamy sobie tutaj, zaznaczamy ten link i go kopiujemy. Przechodzimy, tworzymy nowy notatnik. Jako źródło dodajemy YouTube. Wklejamy link tutaj z YouTuba. Nasz materiał jest dodawany. I już mamy informacje na temat podsumowania tego materiału. Mamy sugerowane pytania na podstawie danych, które były właśnie zawarte w tym podcaście. Możemy na przykład skorzystać z pytania, które jest zadane w samym tytule tego materiału. Wróćmy sobie z powrotem tutaj. Wpiszmy. Teraz właśnie model analizuje transkrypcję naszego nagrania i na podstawie transkrypcji przygotowuje odpowiedź. No i mamy tutaj bardzo obszerne wyjaśnienie na temat tego, w jaki sposób możemy sterować mózgiem, by zmieniać swoje zachowanie. Następnie możemy na przykład dodać materiał od innego twórcy, który na przykład zajmuje się podobnym tematem. Możemy je ze sobą zsyntetyzować, sprawdzać porównania, czy tam robić porównania. Możemy znajdować różnice pomiędzy podejściami różnych osób, dzięki czemu możemy analizować, jakie są różne podejścia w zależności od tego, kto się wypowiada na dany temat. Widzisz, przy pomocy tego narzędzia możemy konsentrować wiedzę z wielu źródeł. Możemy tworzyć różnego rodzaju podsumowania. Z tego, co wiem, możemy tworzyć nawet kursy przy pomocy właśnie notebook LM, czyli na podstawie naszych notatek, czy na podstawie właśnie źródeł, które dodamy, możemy krok po kroku opisać, co i jak należy zrobić, aby uzyskać efekt X. Tak więc dzięki za dzisiaj. Mam nadzieję, że ten materiał Ci się przyda. Bardzo proszę o pozostawienie łapki w górze oraz zasubskrybowanie kanału, jeżeli jesteś zainteresowany takimi treściami. Dzięki temu w przyszłości, jeżeli nowe materiały zostaną dodane na mój kanał, będziesz pierwszy, który się o tym dowie. W kolejnych odcinkach, czy w kolejnych moich materiałach będę chciał omówić na przykład Perplexity, gdzie to narzędzie jest bardzo podobne do tego, tylko tam korzystamy z zewnętrznych źródeł i Perplexity pomaga nam niejako automatycznie dobierać źródła oraz tworzyć na podstawie naszych pytań, pytania bardziej rozbudowane, gdzie dostajemy super odpowiedź na dość proste zadane pytania. Dzięki i cześć.