یادداشت برداری و مدیریت اطلاعات شخصی

سود:

• امکان ثبت سریع یادداشت های خام و سپس تبدیل آنها به اطلاعات قابل استفاده مجدد با ساختاربندی آنها به تصمیمات / اقدامات / سؤالات باز با هوش مصنوعی
• توانایی جلوگیری از تبدیل هوش مصنوعی از تبدیل نامشخص به قطعی و افزودن ساختگی با محدود کردن آن به «استفاده از آنچه در متن نوشته شده است».
• توانایی واگذاری تقطیر به هوش مصنوعی و اعمال آن بر روی انسان تا با نوشتن استنباط خود یاد بگیرد.

امروز حل مشکلی که یک سال پیش آن را حل کردید، به یاد نیاوردن تصمیمی که در یک جلسه گرفته شده است، نتوانید مقاله خوبی را که خوانده اید پیدا کنید - همه اینها عدم مدیریت دانش است. مدیریت دانش شخصی (PKM) رشته ای است که در آن چیزهایی که یاد می گیرید، یادداشت ها و ایده های خود را به دست می آورید و آنها را قابل یافتن و قابل استفاده مجدد می کنید. هوش مصنوعی شریک قدرتمندی در این زمینه است: یادداشت های پراکنده را سازماندهی می کند، محتوای طولانی را تقطیر می کند، یادداشت ها را پیوند می دهد، به شما کمک می کند آنچه را که به دنبال آن هستید پیدا کنید. اما به یاد داشته باشید: شما هستید که اطلاعات را معنادار می کنید. هوش مصنوعی فرآیند را سرعت می بخشد، اما برای شما یاد نمی گیرد.

شرایط یادداشت در اینجا به معنای گسترده است: یادداشت جلسه، یادداشت خواندن، ایده، کار. مغز دوم، ایده نگه داشتن تمام اطلاعات شما در خارج، در یک سیستم قابل اعتماد است – بنابراین مغز شما به جای به خاطر سپردن، بر فکر کردن تمرکز می کند. برچسب ها نشانه هایی هستند که یادداشت ها را بر اساس موضوع گروه بندی می کنند. یادداشت اتمی یک یادداشت کوچک است که حاوی یک ایده واحد است که به تنهایی معنادار است. تقطیر فرآیند کاهش محتوای طولانی به ذات آن است.

چرا مدیریت دانش با هوش مصنوعی

مشکل اغلب این نیست که یادداشت برداری نمی کنید، بلکه مشکل این است که یادداشت ها مرده می مانند – در جایی نوشته شده و دیگر هرگز باز نمی شوند. هوش مصنوعی این یادداشت‌های مرده را زنده می‌کند: یک یادداشت جلسه آشفته را تشکیل می‌دهد، گزارش ده صفحه‌ای را به سه نقطه کاهش می‌دهد، یادداشت‌های مشابه را خلاصه می‌کند و به هم مرتبط می‌کند. بنابراین، یادداشت برداری دیگر «بایگانی» نیست و به «تولید اطلاعات قابل استفاده مجدد» تبدیل می شود.

اصل مهم: ابتدا خام را ضبط کنید، سپس با هوش مصنوعی پردازش کنید. تلاش برای یادداشت برداری مناسب در طول جلسه؛ سریع آن را خام نگه دارید سپس به هوش مصنوعی بگویید «ساختار آن یادداشت خام». لحظه ضبط را کاهش دهید. ویرایش را برای بعد بگذارید.

مرحله به مرحله: پردازش یک قطعه اطلاعات

1. آن را بگیر. آن را در جایی به شکل خام (ایده، نقل قول، تصمیم، سوال) بیندازید.
2. آن را ببندید. این در مورد چیست؟ کدام پروژه، کدام موضوع؟
3. تقطیر. از هوش مصنوعی بخواهید ماهیت خود را استخراج کند: "3 ایده اصلی این یادداشت را در مقاله بسازید".
4. پیکربندی کنید. عنوان، برچسب، تاریخ را اضافه کنید. آن را قابل جستجو کنید.
5. همکار. "این چگونه با یادداشتی که ماه گذشته گرفتم ارتباط دارد؟" ممکن است بپرسید
6. نگاه کن صحت خروجی مقطر را بررسی کنید. هوش مصنوعی نباید چیزی اضافه کند.

نکته: هنگام خلاصه کردن یادداشت به هوش مصنوعی، آن را به «فقط از آنچه در متن است استفاده کنید، نظر یا اطلاعات اضافی اضافه نکنید» محدود کنید. در غیر این صورت، هوش مصنوعی می‌تواند با افزودن «اطلاعات عمومی» که در یادداشت شما نبود، یادداشت را آلوده کند - و ممکن است بعداً آن را با ایده خود اشتباه بگیرید.

تبدیل یادداشت های جلسه و خواندن

دو نوع رایج یادداشت: یادداشت های جلسه و یادداشت خواندن. در هر دو، وظیفه هوش مصنوعی یکسان است: تبدیل جمعیت خام به ساختار.

خروجی ایده آل برای یادداشت جلسه در سه بخش است: تصمیمات، اقدامات (چه کسی-چه زمانی)، سوالات باز. خروجی ایده آل برای نمره خواندن: پایان نامه اصلی، 3 نکته پشتیبانی، نتیجه گیری/سوال من. این خط آخر بسیار مهم است - هوش مصنوعی بخش "نتیجه گیری من" را نمی نویسد، شما می نویسید. زیرا یادگیری زمانی اتفاق می افتد که دانش را به زمینه آن متصل کنید.

نوع یادداشت

هوش مصنوعی چه می کند؟

چه کار می کنی

جلسه

پیکربندی، استخراج اقدامات

صحت تصمیمات را تایید می کند

خواندن

تقطیر می کند، پایان نامه اصلی را استخراج می کند

استنباط خود را اضافه می کند

ایده / طوفان فکری

گسترش می یابد، گروه

آنچه کار می کند را انتخاب می کند

جستجوی آرشیو

یادداشت های مربوطه را پیدا و خلاصه می کند

زمینه را تفسیر می کند

چهار الگوی یادداشت قابل کپی

ساختار یادداشت خام جلسه من: - عناوین "تصمیمات"، "اقدامات (چه کسی-چه زمانی)"، "سوالات باز".- فقط از آنچه در یادداشت است استفاده کنید. اگر اطلاعات گم شده است، بنویسید "نامشخص"، ساخته شده. یادداشت خام: """[چسباندن]"""

مقاله/گزارش زیر را به یک یادداشت خواندنی تبدیل کنید: - پایان نامه اصلی (1 جمله).- 3 نکته پشتیبان.- 1 نکته که نویسنده از قلم انداخته یا ممکن است بحث برانگیز باشد. یک نظر اضافه کنید، قسمت "نتیجه گیری من" را خالی بگذارید، من آن را پر می کنم.

این ایده آشفته را گروه بندی کنید: - ایده های مشابه را در زیر موضوعات جمع آوری کنید. - برای هر موضوع یک جمله خلاصه کنید. - ایده های متضاد را علامت گذاری کنید. تفکیک: """[ایده های خام]"""

یادداشت‌های قدیمی‌ام را در زیر خلاصه کنید و به آن‌ها بپردازید: - مضامین رایج را پیدا کنید. - به تناقضات و تکرارها اشاره کنید. - "گام بعدی من در این مورد چه باید باشد؟" 2 پیشنهاد برای. یادداشت: """[چسب کردن برخی از یادداشت ها]"""

اعلان ضعیف / اعلان قوی

ضعیف: «این یادداشت جلسه را خلاصه کنید». (هوش مصنوعی یک خلاصه کلی را برمی گرداند؛ اقدامات از بین می روند، تصمیمات نامشخص می شوند.)

گوچلو: "این یادداشت خام جلسه را تحت سه عنوان ساختار دهید: تصمیم ها، اقدامات (چه کسی-چه زمانی)، سوالات باز. فقط از آنچه در یادداشت نوشته شده استفاده کنید؛ اگر مشخص نیست چه کسی آن را انجام می دهد، بنویسید "انتصاب نشده"، آن را بسازید." نسخه قدرتمند یک خروجی عملی می دهد. مهمتر از همه، افراد را از ایجاد اطلاعات گمشده منع می کند.

سه کیف کوچک

مورد 1 - احیای یادداشت های مرده. یک مشاور بیش از 400 یادداشت جلسه را به مدت 2 سال در یک پوشه نگه داشت اما هرگز آنها را باز نکرد. او یادداشت ها را بر اساس موضوع با هوش مصنوعی خلاصه کرد. 5 مشکل تکراری مشتری ظاهر شد. او یک سند راه حل آماده به طور خاص برای این مشکلات تهیه کرد و زمان مشاوره را به طور متوسط ​​40 دقیقه برای هر مشتری کوتاه کرد.

مورد 2 - تله تصمیم ساخته شده. یک مدیر پروژه خط "تصویب بودجه" را از یادداشت جلسه ساختار یافته با هوش مصنوعی بدون تأیید آن به اشتراک گذاشت. با این حال، در این جلسه گفته شد که بودجه مورد بحث قرار خواهد گرفت. هوش مصنوعی عبارت مبهم را به «تایید» گرد کرده بود. تیم با فرض اشتباه پیش رفت. درس: هوش مصنوعی می تواند نامشخص را به حتمی تبدیل کند. تایید تصمیمات

مورد 3 - شکست در برون سازی یادگیری. یکی از دانش‌آموزان از هوش مصنوعی خواسته بود که تمام یادداشت‌های خواندنش را خلاصه کند و از هوش مصنوعی خواسته شد که بخش «غیر آماده من» را نیز بنویسد. او نمی‌توانست مطالب امتحان را به خاطر بیاورد - زیرا اطلاعات را به قول خودش پردازش نکرده بود. دوره بعدی به سادگی تقطیر را به هوش مصنوعی واگذار کرد و خود استخراج را نوشت. ماندگاری به طور قابل توجهی افزایش یافت.

اشتباهات رایج

• کمال گرایی در لحظه ضبط: آن را خام نگه دارید، بعداً آن را پردازش کنید. کند کردن لحظه
• افزودن نظرات توسط هوش مصنوعی: بدون گفتن "فقط از آنچه در متن است استفاده کنید" خلاصه کثیف می شود.
• گرد کردن موارد نامطمئن به دقیق: هوش مصنوعی تصمیمات مبهم را روشن می کند. تایید تصمیمات
• و استنباط را برای هوش مصنوعی بنویسید: یادگیری کار شماست. نتیجه گیری خودت را بنویس
• آرشیو بدون برچسب: یادداشتی که قابل جستجو نیست، یادداشتی است که وجود ندارد.
• هرگز یادداشت را دوباره باز نکنید: بدون بررسی منظم، سیستم می میرد.

احتیاط: هنگام پردازش یادداشت‌های هوش مصنوعی، یادداشت‌های حاوی داده‌های شخصی حساس (نام، سلامت، مالی) را ناشناس کنید. بایگانی شخصی شما شامل قطعاتی است که یک روز روی یک سرور شخص ثالث چسبانده اید - بدانید چه چیزی را کجا قرار داده اید.

به طور خلاصه

• مشکل یادداشت برداری نیست، مشکل این است که یادداشت ها مرده می مانند. هوش مصنوعی آنها را به اطلاعات قابل استفاده مجدد تبدیل می کند.
• ابتدا خام گرفته، سپس ساختار و تقطیر با هوش مصنوعی. کند کردن لحظه ضبط
• یادداشت جلسه = تصمیمات + اقدامات + سوالات باز. یادداشت خواندن = پایان نامه + پشتیبانی + نتیجه گیری خودم.
• هوش مصنوعی را به "فقط از آنچه در متن است استفاده کنید، آن را ایجاد نکنید" محدود کنید. اجازه ندهید که نامشخص را به حتمی تبدیل کند.
• به هوش مصنوعی اجازه دهید تقطیر را انجام دهد، اما شما استنباط را بنویسید - یادگیری زمانی اتفاق می‌افتد که خودتان اطلاعات را پردازش کنید.

وظیفه کاربردی

یک یادداشت جلسه خام (بدون داده های حساس) بگیرید و آن را با الگوی اول ساختار دهید. هر خط «تصمیم» در خروجی را با یادداشت اصلی مقایسه کنید تا ببینید آیا هوش مصنوعی موارد نامشخص را به قطعی تبدیل کرده است یا خیر. سپس 5 یادداشت خواندنی آخر را با الگوی چهارم خلاصه کرده و رابطه بین آنها را استخراج کنید. مرحله بعدی خود را اضافه کنید.

چک لیست

• [ ] یادداشت را خام گرفتم، سپس آن را با هوش مصنوعی پردازش کردم.
• [ ] من به هوش مصنوعی محدودیت "فقط از آنچه در متن است استفاده کنید" دادم.
• [ ] تایید کردم که قطعنامه ها با اصل مطابقت دارند.
• [ ] نتیجه گیری خودم را به خودم دیکته کردم، نه به هوش مصنوعی.
• [ ] یادداشت ها را تگ کردم و آنها را قابل جستجو کردم.
• [ ] یادداشت های حاوی داده های حساس را ناشناس کردم.