本動画は、大量の情報をAIに効率的に処理させるための最適なツールとしてGoogleのNotebook LMを紹介している。従来のチャット型AIでは扱いきれない膨大な文書を整理し、高精度な検索と引用を実現するこのツールは、ハルシネーション率が極めて低く、信頼性の高い情報検索を可能にする。プロジェクト単位で文書を管理でき、コーディング不要で誰でも使える点が特徴である。ただし、思考能力よりも検索精度に特化しているため、得られた情報を他のLLMで更に加工する併用戦略が推奨される。チャット履歴が保存されない欠点はあるものの、無料で利用できるパーソナルRAGシステムとして現時点で最良の選択肢であると結論づけている。
大量の情報をAIで扱う際の課題
LLM、つまりAIに、チャットに収まりきらないほどの情報を与えたいとき、皆さんはどうしていますか。そして、信頼できる一貫した情報をどうやって保持していますか。大量の情報があって、それをAIに詰め込まなければならない場合、私はこの質問をよく受けます。皆さんは「ノートをどうやって整理すればいいの?新しいトピックをどうやって学べばいいの?ネイト、あなたはたくさんの記事を持っているけど、それをどうすればいいの?」と聞いてきます。
答えはパーソナル検索拡張生成システムなのですが、コーディングをしない人々にとっては、これはあまりアクセスしやすいものではありません。私はこの数ヶ月間、この問題に対する最良の答えを探し続けてきました。正直に言いますと、最良の答えは無料で、それはGoogleなのです。GoogleはNotebook LMをローンチしました。そして、複雑な主題を学ぶ能力、一箇所にたくさんの文書を持つ能力、それらの文書全体にわたる信頼性の高い検索能力において、これに匹敵するものは何もありません。
正直に言いますと、現時点で最もハルシネーション率が低いLLM検索はNotebook LMです。これに近いものは他に何もありません。Notebook LMは、記憶したものについて極めて正確です。でも、お見せしましょう。例を見た方が常に役立つと思いますから。
実際のデモンストレーション
これは数ヶ月前の私の記事の実際の文書で、Microsoft Copilotについて話したものです。この文書は62ページもあります。かなり長い読み物です。もし時間が無限にあるわけではなく、自分に関連することだけを理解したい場合はどうしますか。そうですね、Notebook LMは正直なところ、それを理解するための最高のツールです。
そして、この場合、たくさんの他のソースを追加できるにもかかわらず、私は正確に欲しいものを得るために、この文書だけと会話することを選んだことに注目してください。望めばもっと追加できます。でも追加しません。文書の中に何があるかの要約を提供してくれます。これは非常に正確です。私が書いたのですから、私が知っているはずです。
ノンコーダーのための具体的な使用例を提供してくれます。なぜなら私がそれを求めたからです。そして、文書に厳密に基づいた本当に素晴らしい回答を提供してくれます。引用しているものすべてを示してくれます。ですから、実際にどこから引用しているかを見ることができます。これは驚異的です。
そして下に進んで、「自明でない使用例をいくつか教えて」と聞くことができます。そうすると、文書内にある具体的な使用例を提供してくれます。これは、これらの長い文書から金を掘り出す方法なのです。私だけでなく、例えば長い学術論文や学ぶべき複雑な主題がある状況、あるいは特定のプロジェクトやクライアントとの文字起こしやノートがあって、それらをどこかに整理して話し合い、非常に正確な検索を得る必要がある場合にも使えます。それができるのです。
ところで、もしあなたが読者でないなら、読まない方法でこれをどう活用できるか見てください。オーディオオーバービューは本当にうまく機能します。ビデオオーバービューもあります。マインドマップオプション、レポート、フラッシュカード、クイズもあります。これは学習を助けるように設計されています。私たちは今、Notebook LMを活用しきれていません。だからこそ、これについて話したいのです。
Notebook LMを推奨する理由
では、パーソナルRAGシステム、ノートのためのパーソナルシステムなどが必要な人々にこれを推奨できると確信させるものは何でしょうか。根本的には、正確性とプロジェクト思考の組み合わせです。Notebook LMのすべてはプロジェクトです。ですから、望むどんなプロジェクト指向も設定できます。クライアントごとにプロジェクトを持つことも、主題ごとにプロジェクトを持つこともできます。両方することもできます。
そして必要なのは、気にかけているリンクや記事をそのプロジェクトに入れることだけです。文書を追加するのはとても簡単です。ほぼどんなファイルタイプのアップロードも受け付けます。また、インターネット上で望むどんなファイルでもリンクするのがとても簡単です。ですから、ペイウォールの向こう側にいる場合でも、何らかの学術誌をダウンロードして、Notebook LMにアップロードすれば、完璧に機能します。それが、この使用例において最も柔軟なツールだと思う理由です。
さて、Obsidianとローカル言語モデルを使用したカスタムコーディングされた実装を推奨できたでしょうか。はい、エンジニアでそれをしている人たちを知っています。もしあなたがエンジニアで、ローカルAIを使用して独自の検索拡張生成システムを構築する意欲があれば、それは超役立ちます。
しかし、家で使える、物を整理してチャットウィンドウよりもはるかに大きなAIと対話できる何かを切実に求めている人々のほとんどは、コーディングをしません。だから、役立つものを見つけたかったのです。そして、ユーザーとしてどこで機能し、どこで機能しないかについて正直でありたいのです。
弱点と限界
弱点は何でしょうか。正直に言うと、これはメモリー問題に戻ります。完璧な解決策はありません。これは現時点で私たちが持っている最良の解決策ですが、今現在、完璧な解決策は存在しません。
Notebook LMの良い点は、私が述べてきたように、正確性です。これは超重要な機能だと思います。たくさんのソースをアップロードできる能力、一つのプロジェクトに何十ものソースを入れることができます。たくさんのプロジェクトを追加できる能力、マルチメディア出力、オーディオ、ビジュアル、それらをお見せしました。それらはすべて素晴らしいです。
欠点は致命的な機能ではありませんが、やや残念です。個人的に、Notebook LMの最も効果的な使用法は、実際にはテーマごとにプロジェクトを整理し、そこでCopilotで示したような選択的な検索を行い、その選択的な検索を正確なコンテキストのスライスのように出力し、それを思考型LLMに入れて作業を仕上げることだと感じています。なぜなら、Notebook LMは優れたライターではないからです。
Notebook LMは思考に関してそれほど強力ではありません。検索に焦点を当てる傾向があります。実際、人々が知らないことですが、この二つはある意味対極にあります。LLMがより多く考えると、質問に答えるために、正確な情報を検索してあなたの前に置くのではなく、パラメトリックウェイト、つまり独自の内部LLM訓練データから引き出す可能性が高くなります。
Googleは、このアプリケーションでは正確に検索したいという判断を正しく下しました。ですから、非常に正確なデータのスライスが返ってきますが、そのデータを使った思考はあまりありません。私はNotebook LMを、私が気にかけている情報のスライスを極めて正確に要約し抽出する機会として見ています。そして、コピー&ペーストを使い、それを引き出して、もっと考える必要があるときにLLMに入れます。
効果的な使用戦略
これは私がよく見るワークフローではありませんが、超重要だと思います。AIがすべて同じことをするわけではないことを理解できる必要があります。昨日、パープレキシティとパープレキシティがAIネイティブであることについて話しましたね。同じように、これは検索ネイティブシステムです。RAGからの検索に焦点を当てていますが、非常に厳しく制約されています。パープレキシティよりもさらに厳しく制約されています。だから、超正確なのです。
そしてそれは、超認知的ではないということを意味します。それほど考えないのです。それが得られる欠点です。もしあなたがすべてのノートのためのエバーグリーンノートシステムを構築しようとしていて、ノートが何年も前にさかのぼる場合、それらをこのようなシステムに取り込むのは難しいでしょう。それは、カスタムビルドソリューションに投資することがあなたにとってより意味があると思う状況です。なぜなら、数万のノートがある場合、それはそのスケールではないからです。
Notebook LMが本当に輝くのは、より小さなスケールで、数十から多分100か200のソースがあり、これらの関連するソースを非常に首尾一貫した方法で見て、物事を検索したい場合です。私の経験では、それが実際にはほとんどの人々なのです。
例えば、クライアントが過去6ヶ月間に何をしたかを理解しようとしている場合、最近のクライアントのメールや文書をアップロードしたり、Googleから本当に簡単にリンクしたりできます。必ずしも20年分のクライアント履歴は必要ありません。なぜなら、長年ビジネスオーナーをしているなら、それは頭の中にあり、それを活用でき、カスタムコーディングよりもはるかに少ない努力で価値の80%を得られるからです。
同様に、AIについての知識システムを構築しようとしている場合、特定のAIトピックのための特定のプロジェクトを追加し、それについて学び、プロジェクト内にその知識をすべて持ち、AIが進化したら次のことに移る柔軟性を持つことができます。そして、最先端に非常に集中したまま、すべての古いプロジェクトファイルがそこにあります。
Notebook LMについて正直に言いたい最も苦痛な欠点は、現時点ではチャットを保存しないことです。ですから、チャットしているときは本当に流動的に感じますが、気にかけているものはコピー&ペーストで取り出しておいた方が良いです。そうでなければ、次に入ったときにそのチャットを再作成しなければなりません。Googleがなぜこうしたのかわかりません。馬鹿げていると思いますが、そういうことです。チャットを保存しないのです。
総合評価と今後の展開
それにもかかわらず、すべてを考慮すると、これは間違いなく最高のRAGシステムです。最も技術的でなく、ドラッグアンドドロップです。コードは不要で、無料です。他のみんながお金を払うよう求めているときに、これは些細なことではありません。
ですから、超関連性があると思います。Notebook LMのこの簡単なツアーを楽しんでいただけたことを願っています。使用例のガイドと、いくつかの推奨されるプロンプトのヒントをまとめるつもりです。なぜなら、繰り返しになりますが、検索プロンプトを行うときは、認知プロンプトを行うのとは非常に異なるからです。ですから、それについてもサブスタックで掘り下げていくつもりです。
コメント