Как обычному человеку системно разобраться в вертикальной отрасли за 4 часа

Автор: danny

Мои друзья спрашивают меня, почему кажется, что я знаю практически всё о разных вещах или областях? Помимо моего прошлого опыта или текущих занятий, на самом деле я часто учусь по ходу дела. Сегодня я расскажу, как я использую AI-инструменты и Notebooklm для самостоятельного обучения обычных людей.

Прежде всего, хочу сказать, что эта статья предназначена для тех, кто занимается систематическим и структурированным изучением и пониманием узкоспециализированных областей/вещей/понятий, а также для построения собственной системы знаний и карт. Если вам нужно лишь немного понять некоторые концепции, узнать, что такое этот xx — достаточно просто спросить у популярных AI на рынке, и результат будет примерно одинаковым.

Использование AI для обучения и освоения нового предмета сейчас сталкивается с несколькими ограничениями и узкими местами:

Первое — галлюцинации. AI (скорее всего) будет выдавать вам выдуманные данные и факты, особенно в узкоспециализированных областях, из-за недостатка обучающих данных и источников;

Второе — недостаток деталей. Из-за вопросов авторских прав AI не сможет самостоятельно прочитать целую статью или книгу, обучающие материалы обычно — это обзоры и отзывы других людей, а в узкоспециализированных областях информации таких очень мало;

Третье — неспособность точно сформулировать проблему. Если вы ранее не сталкивались с этим вопросом, вам будет трудно правильно описать, что именно хотите узнать, не говоря уже о понимании причин и следствий, а также о систематическом сборе информации и формировании структурированного учебного каркаса.

Теоретическая часть

Мой подход довольно прост: использую «сеть цитирований (quote/reference/impact factor)» в научном сообществе для очистки информации, а затем применяю AI для аргументации и генерации идей, чтобы структурировать понимание нового предмета, задействуя оба полушария мозга — «левое» и «правое» — в процессе «синхронной борьбы».

Краткий рабочий процесс:

Находим ценные статьи — загружаем их в Notebooklm — используем AI для генерации подсказок — задаем вопросы и учимся в Notebooklm — добавляем ценные статьи — продолжаем обучение в Notebooklm — и так далее.

Расширенный рабочий процесс:

Шаг 1: Следуем по следам (затраты времени: 15 минут)

Не ищите «Что такое XX? Каков принцип этого?», а сразу ищите «опорные точки» в области.

Обращайтесь к AI (Gemini / Perplexity): задавайте прямой вопрос: «В [конкретной узкоспециализированной области] кто считается авторитетом? Какие 1-3 классические статьи заложили основы этой области?» (например, в области LLM — статьи типа Attention Is All You Need). Это — «настоящая жизнь».

Загружаем первичные источники: извлекаем из этих 1-3 ключевых статей список ссылок (Reference), скачиваем все цитируемые ими важные работы. Это — «прошлое».

Выделяем наиболее часто цитируемые вторичные источники: сравниваем списки литературы из первичных статей, выбираем топ-5 по количеству цитирований и частоте появления. Это — «будущее».

Основная идея: смотреть на мир глазами гуру — самый дешевый способ. Не недооценивайте этот шаг: вы скачиваете карту эволюции самых важных идей десятилетней давности.

Шаг 2: Создаем структурированную базу знаний (затраты времени: 15 минут)

Все выбранные классические статьи загружаем в Google NotebookLM.

Обычно достаточно двух вещей:

Почему именно NotebookLM? Потому что он не создает галлюцинаций. Он отвечает только на основе предоставленных данных.

Путем строгого отбора литературы вы искусственно устраняете мусор из интернета и создаете чистую, сфокусированную базу знаний по области.

Шаг 3: Взаимодействие разных AI (затраты времени: 1–3,5 часа)

Это — ядро всего процесса. Вы запускаете разные AI с разными характеристиками для перекрестных запросов, формируя структурированный путь знаний, логические цепочки и собственные выводы.

Задавайте активные вопросы, а не пассивное обучение. Проявляйте интерес — это стимулирует мышление.

Ищите «якоря»: спрашивайте Claude, Deepseek, Gemini или Perplexity: «Какие основные споры и базовые теоретические рамки сейчас существуют в области xx?»

Обратная связь: берите эти споры и возвращайтесь к NotebookLM с вопросом: «На основе моих источников, как эксперты отвечают на эти споры? Укажите конкретные источники и логические цепочки.»

Снижение размерности: копируйте аккуратные ответы NotebookLM и отдавайте их другим AI с хорошей аналитической логикой — Gemini или Claude. Дайте команду: «Проанализируйте эти точки зрения критически, укажите логические пробелы, ограничения времени или слепые зоны. На основе этого, какие 3 более глубокие вопросы я должен задать дальше?»

Когнитивная спираль: используйте выявленные AI уязвимости и новые вопросы для повторных запросов в NotebookLM.

Практический пример

Возьмем, к примеру, вопрос «Что такое LLM (большие языковые модели)?» 😂

Шаг 1: Следуем по следам (15 минут)

Я одновременно спрашиваю Gemini и Claude: «Что такое LLM? Какие основные идеи и источники лежат в основе?» — и получаю ответы.

gemini

claude

Потом я вспоминаю, что мой учитель в школе говорил: научные теории — это цепочка связей, есть прошлое, настоящее и будущее. Поэтому я прошу AI помочь мне исследовать, какие статьи использовались в качестве источников в этих ключевых работах (обычно это раздел «Обзор литературы»), а также какие статьи цитируют эти работы позже. AI помогает выбрать нужные источники.

Шаг 2: Создаем структурированную базу знаний

Из-за особенностей исходных LLM и ограничений доступа AI приходится скачивать материалы вручную (или поручить это «крабу»).

Обычно:

Скачиваете статьи и загружаете в Notebooklm (поддерживается примерно 300 статей).

Шаг 3: Взаимодействие разных AI

Задавайте простые, интуитивные вопросы в Notebooklm, затем обсуждайте свои выводы с другими AI, а потом отправляйте результаты обратно в Notebooklm для критики, аргументации, дополнений и исправлений.

Ответы и комментарии Notebooklm:

Так повторяете несколько раз, пока не сформируете собственную карту мышления.

Если хотите более жестко, попросите Notebooklm подготовить для вас тестовые вопросы.

На этом этапе у вас уже есть базовое понимание области (по крайней мере, знаете прошлое, настоящее и будущее), и при необходимости сможете рассказать об этом еще 5 минут.

Заключение

Сохраняйте свою «базу знаний» (и обновляйте ее в реальном времени — это может делать «краб»). Создайте отдельную папку — например, я выделил статьи по «контрактной торговле» — и при необходимости анализа просто вызывайте эту папку, описывайте данные и кейсы, и сможете делать практически «без галлюцинаций» анализ.

Проблема не в том, что современные AI-модели не способны к глубокому мышлению и анализу, а в том, что вы неправильно используете инструменты. (В LLM очень важен параметр ограничений и входных данных).

Использование AI — это навык, но сделать так, чтобы AI делал нас сильнее, — это уже другой навык. Использование AI — это навык, но сделать так, чтобы AI делал нас сильнее, — это уже другой навык.