การสแกนแหล่งที่มา การค้นพบ และการสรุป

กำไร:

• ความสามารถในการเร่งการค้นพบโดยการสแกนเอกสารกองใหญ่ด้วยปัญญาประดิษฐ์ กำจัดและสรุปสิ่งที่เกี่ยวข้อง
• เข้าใจว่าสรุปเป็นเพียงแผนที่การค้นพบ ไม่ใช่ข้อพิสูจน์ และสามารถเชื่อมโยงแต่ละจุดสำคัญและอ้างอิงกลับไปยังเอกสารต้นฉบับได้
• ความสามารถในการสแกนเคสและตรวจสอบการกำจัดด้วยตัวอย่างโดยไม่ต้องให้ปัญญาประดิษฐ์สร้างผลลัพธ์/ความคิดเห็น

ปัญหาคอขวดที่ใหญ่ที่สุดประการหนึ่งในการวิจัยทางประวัติศาสตร์คือการค้นหา "สิ่งที่ใช้ได้ผล" ในกองวัสดุจำนวนมหาศาล นักวิจัยอาจต้องสแกนเอกสาร หนังสือพิมพ์ ทะเบียน หรือไฟล์จดหมายโต้ตอบหลายร้อยฉบับเพื่อหาวิทยานิพนธ์หรือบทความ งานตรวจสอบทรัพยากรนี้โดยปกติแล้วจำเป็นต้องอ่านทีละหน้าและอาจใช้เวลาหลายสัปดาห์ AI เปิดปัญหาคอขวดนี้โดยการสแกนและสรุปข้อความจำนวนมากอย่างรวดเร็วและทำเครื่องหมายตำแหน่งที่เกี่ยวข้อง แต่ที่นี่อันตรายก็ชัดเจนเช่นกัน สรุป AI ไม่ได้แทนที่แหล่งที่มา มันเป็นเพียงแผนที่ที่นำคุณไปสู่แหล่งที่มาที่แท้จริง

ในหน่วยนี้ คุณจะได้เรียนรู้วิธีสแกนเนื้อหาทางประวัติศาสตร์ขนาดใหญ่ด้วย AI สร้างบทสรุปที่เชื่อถือได้ ค้นหาข้อความที่เกี่ยวข้อง และหลีกเลี่ยงข้อผิดพลาดที่อันตรายที่สุดของเรื่องย่อ: "การเชื่อถือเรื่องย่อโดยไม่ต้องไปที่แหล่งที่มา" เป้าหมายคือการใช้ AI เพื่อความรวดเร็วโดยไม่สูญเสียความแม่นยำ เมื่อใช้ดีสองเป้าหมายนี้จะไม่ขัดแย้งกันแต่เป็นการบำรุงซึ่งกันและกัน

สรุปไม่ได้แทนที่แหล่งที่มา

เรามาวางหลักการพื้นฐานตั้งแต่ต้น: AI Brief เป็นเครื่องมือในการค้นพบไม่ใช่ข้อพิสูจน์ หากนักประวัติศาสตร์จะรวมเหตุการณ์ คำพูด หรือข้อมูลในการศึกษาของเขา เขาจะต้องนำมาจากเอกสารต้นฉบับ ไม่ใช่จากบทสรุปของ AI สรุปบอกว่า "มีบางอย่างแบบนี้ในเอกสารนี้ ลองดูสิ"; เขาไม่ได้พูดว่า "นี่คือสิ่งที่กล่าวไว้ในเอกสาร" เนื่องจากกระบวนการสรุปบีบอัด เลือก บางครั้งบิดเบือน และบางครั้งก็เพิ่มบางสิ่งที่ไม่มีอยู่เลย

You can use AI in three powerful jobs in scanning:

1. สแกนและกรอง: ทำเครื่องหมายเอกสารหลายร้อยรายการที่เกี่ยวข้องกับหัวข้อของคุณอย่างรวดเร็ว
2. การสรุป: การสรุปโครงร่าง ผู้คน และหัวข้อของเอกสารขนาดยาว
3. การค้นหาข้อความ: ทำเครื่องหมายคำถาม "สถานที่ที่พูดถึงหัวข้อนี้อยู่ที่ไหน" ในเอกสาร

ในทั้งสามผลลัพธ์คือ "การเปลี่ยนเส้นทาง"; หลักฐานนำมาจากเอกสารต้นฉบับ

อันตรายที่ถูกมองข้ามที่นี่คือขีดจำกัดของหน้าต่างบริบทของ AI ซึ่งก็คือจำนวนข้อความที่โมเดลสามารถประมวลผลได้ในคราวเดียว เมื่อคุณให้เอกสารจำนวนมากพร้อมกัน AI อาจ “ลืม” หรืออ่านผ่านส่วนกลาง มักจะให้ความสำคัญกับสิ่งที่เกิดขึ้นตั้งแต่ต้นจนจบ ดังนั้น แทนที่จะจัดเอกสารหลายร้อยรายการให้เป็นคำขอเดียว การแบ่งเอกสารออกเป็นกลุ่มตรรกะและการสแกนแต่ละกลุ่มแยกกันจะให้ผลลัพธ์ที่เชื่อถือได้มากขึ้น นอกจากนี้ การตรวจสอบตัวอย่างถือเป็นสิ่งสำคัญในการแยกแยะว่าเอกสารที่ AI "ไม่เคยกล่าวถึง" นั้นไม่เกี่ยวข้องหรือละเว้นอย่างแท้จริงหรือไม่

ขั้นตอนการทำงาน: ทีละขั้นตอน

1. ชี้แจงคำถามวิจัย คำถามที่ชัดเจนมากกว่าคลุมเครือ “สรุปให้ผมฟัง”: “สถานที่ในเอกสาร 40 ฉบับที่กล่าวถึงข้อพิพาทเรื่องสิทธิน้ำอยู่ที่ไหน”

2.เตรียมส่วนผสม แก้ไขข้อความที่จะสแกน (การถอดเสียงหรือเอาต์พุต OCR) แนบชื่อแหล่งที่มา/ข้อมูลอ้างอิงในแต่ละชิ้นเพื่อให้สามารถเชื่อมโยงสรุปกับแหล่งที่มาได้

3. ให้คำแนะนำในการสแกน/สรุป ขอให้ AI พึ่งพาข้อความที่คุณให้แต่เพียงผู้เดียว เชื่อมโยงการอ้างสิทธิ์แต่ละรายการกับแหล่งที่มา (เอกสาร/หน้า) และไม่เพิ่มสิ่งใด ๆ ที่ไม่มีอยู่

4. เชื่อมโยงข้อมูลสรุปกลับไปยังแหล่งที่มา ค้นหาและตรวจสอบในเอกสารต้นฉบับทุกจุดสำคัญที่ทำเครื่องหมายไว้โดยสรุป ใช้คำพูดคำต่อคำจากเอกสาร

5. ช่องว่างคำถามและอคติ AI อาจพลาดอะไรไป? เขาเพิ่งเน้นสิ่งที่ชัดเจนหรือไม่? เขาเลือกอันที่เหมาะกับคำถามของคุณและซ่อนสิ่งที่ตรงกันข้ามหรือไม่?

ข้อควรระวัง: เมื่อสร้างสรุป AI อาจเพิ่มลิงก์หรือผลลัพธ์ที่ไม่ได้อยู่ในเอกสารเนื่องจากดู "สมเหตุสมผล" โดยเฉพาะ "เอกสารเหล่านี้สามารถสรุปอะไรได้บ้าง" คำถามเช่นนี้เป็นการเชิญชวนให้ AI มาประกอบการตีความและการอนุมาน รักษาคำขอสรุปให้เป็นจริง เก็บความคิดเห็นไว้กับตัวเอง

การสแกนงานด้วยตาราง

ภารกิจ

การมีส่วนร่วมของเอไอ

ความเสี่ยง

การตรวจสอบ

กำจัดเอกสารที่เกี่ยวข้อง

ความเร็ว

ข้ามที่เกี่ยวข้อง

การควบคุมตัวอย่าง

สรุปเอกสาร

โครงร่าง

วาร์ป/เพิ่ม

เปรียบเทียบกับแหล่งที่มา

การค้นหาข้อความ/คำพูด

บุ๊กมาร์ก

ตำแหน่งผิด

ค้นหาในเอกสาร

สรุปเปรียบเทียบ

การทำเครื่องหมายรูปแบบ

ลิงค์ที่เหมาะสม

ยืนยันทุกการเรียกร้อง

การอ้างอิง

ร่าง

การทดแทนคำ

คำต่อคำ

สรุป: AI แสดงให้เห็นว่าอยู่ที่ไหน เอกสารจริงบอกว่าเกิดอะไรขึ้น

มินิเคสสามอัน

กรณีที่ 1 — เอกสาร 300 รายการ ลดลงเหลือ 2 วัน นักวิจัยคนหนึ่งกำลังศึกษาข้อพิพาทด้านสิทธิน้ำของเมืองในช่วงปี 1900-1920 การสแกนเอกสารจำนวน 300 ชุดด้วยมืออาจใช้เวลาหลายสัปดาห์ AI ทำเครื่องหมายแต่ละเอกสารว่า “เกี่ยวข้องกับสิทธิน้ำหรือไม่”; เอกสาร 42 รายการจาก 300 รายการมีความเกี่ยวข้อง ผู้วิจัยอ่านเจาะลึกเพียง 42 ข้อนี้เท่านั้น แต่เขายังตรวจสอบเอกสาร 20 รายการจาก 258 รายการที่ถูกทำเครื่องหมายว่าไม่เกี่ยวข้องเป็นตัวอย่าง พบว่ามี 2 รายการที่เกี่ยวข้องกันจริง ๆ จึงได้แก้ไขแล้ว บทเรียน: การกำจัดจะเร็วขึ้นแต่ต้องควบคุมโดยตัวอย่าง

กรณีที่ 2 — ผลลัพธ์ปลอม นักเรียนคนหนึ่งขอให้ YZ สรุปเอกสาร 15 ฉบับ และขอ "ข้อสรุปจากเอกสารเหล่านี้" AI เขียนความสัมพันธ์ระหว่างเหตุและผลที่ไม่มีอยู่ในเอกสารว่าเป็น "ผลลัพธ์" ในภาษาที่คล่องแคล่ว เมื่อนักเรียนอ่านเอกสารต่างๆ ก็พบว่าเอกสารใดๆ ไม่มีข้อสรุปดังกล่าว บทเรียน: อย่าให้ AI ตีความและสรุป; รับเคสสแกน คุณเป็นผู้ตัดสินผลลัพธ์

กรณีที่ 3 — ใบเสนอราคาที่แก้ไข ผู้เขียนจะใส่ "คำพูด" จากบทคัดย่อ AI ลงในกระดาษของเขา เมื่อเปรียบเทียบกับเอกสาร เขาสังเกตเห็นว่า AI ได้ลดความซับซ้อนของประโยคและเปลี่ยนคำไม่กี่คำ คำพูดไม่เหมือนกับที่เขียนไว้ในเอกสารอีกต่อไป บทเรียน: คำพูดแต่ละคำนำมาจากเอกสาร ไม่ใช่บทคัดย่อ

เทมเพลตที่สามารถคัดลอกได้สี่แบบ

1) การสแกนขึ้นอยู่กับแหล่งที่มา:

ด้านล่างนี้คือบางส่วนของเอกสาร ซึ่งแต่ละส่วนมีป้ายกำกับพร้อมข้อมูลอ้างอิง คำถามการวิจัยของฉัน: [คำถาม] สำหรับเอกสารแต่ละฉบับ เพียงทำเครื่องหมายว่า "เกี่ยวข้อง/ไม่เกี่ยวข้อง/ไม่แน่นอน" และหากเกี่ยวข้อง ให้ระบุว่าประโยค/ข้อความใดที่เกี่ยวข้องและการอ้างอิงเอกสาร การเพิ่มความคิดเห็น การสรุปผล เอกสาร: [ที่นี่]

2) บทสรุปที่ซื่อสัตย์:

สรุปเอกสารด้านล่างนี้ กฎ: (1) เขียนเฉพาะสิ่งที่อยู่ในข้อความ ห้ามเพิ่มการอนุมาน/ความคิดเห็น/ข้อสรุป (2) เชื่อมโยงแต่ละจุดสำคัญเข้ากับตำแหน่ง (ย่อหน้า/หน้า) ในเอกสาร (3) หากคุณต้องการอ้างอิง ให้พูดทีละคำ อย่าเปลี่ยนแปลง (4) เขียนข้อมูล "ไม่ระบุ" ที่ไม่อยู่ในข้อความ เอกสาร: [ที่นี่]

3) เครื่องมือค้นหาทาง:

ค้นหาการกล่าวถึงหัวข้อนี้ทั้งหมดในข้อความด้านล่าง: [หัวข้อ] สำหรับแต่ละรายการ ให้เสนอราคาสั้นๆ (คำต่อคำ) และสถานที่ตั้ง การเพิ่มสถานที่ที่ไม่มีหัวข้อ ทำเครื่องหมายการแข่งขันที่คุณไม่แน่ใจเป็น [ไม่ชัดเจน] ข้อความ: [ที่นี่]

4) การทบทวนกรณีเปรียบเทียบ:

ด้านล่างนี้เป็นเอกสารสองในสาม ระบุสิ่งที่เอกสารแต่ละฉบับกล่าวถึงในหัวข้อนี้ [หัวข้อ] แยกกันพร้อมแหล่งที่มา PRODUCING a "conclusion" or "overall evaluation" between documents; เพียงให้แต่ละเอกสารระบุข้อความของตัวเองตามความเป็นจริง เอกสาร: [ที่นี่]

พรอมต์อ่อน / พรอมต์แรง

อ่อนแอ:

อ่านเอกสารเหล่านี้และสรุปสิ่งที่พวกเขาพูดกับฉันเกี่ยวกับหัวข้อ ผลลัพธ์ และความสำคัญของเอกสารเหล่านี้

การต้องการ “ผลที่ตามมา” และ “ความสำคัญ” ผลักดันให้ AI เบี่ยงเบนไปจากข้อเท็จจริง และคิดค้นการตีความและการเชื่อมโยง มันไม่ได้เชื่อมต่อกับแหล่งที่มาเช่นกัน

แข็งแกร่ง:

แสดงรายการข้อเท็จจริงเกี่ยวกับ [หัวข้อ] ในเอกสารต่อไปนี้ โดยเชื่อมโยงแต่ละข้อกับการอ้างอิงเอกสาร เพิ่มความคิดเห็น บทสรุป หรือคะแนนความสำคัญ ให้คำพูดคำต่อคำ หากไม่มีการกล่าวถึงหัวข้อในเอกสาร ให้เขียนว่า "ไม่ได้กล่าวถึง" เอกสาร: [ที่นี่]

ความแตกต่าง: ความเที่ยงตรงต่อข้อเท็จจริง การเชื่อมโยงไปยังแหล่งที่มา การห้ามการตีความ และคำพูดแบบคำต่อคำจะเปลี่ยนบทสรุปให้กลายเป็นแผนที่การค้นพบที่เชื่อถือได้

ข้อผิดพลาดทั่วไป

• เข้าใจผิดสรุปเพื่อเป็นหลักฐาน สรุปข้อมูลลูกค้าเป้าหมาย; หลักฐานนำมาจากเอกสารต้นฉบับ
• บอกให้ AI “สรุปผล” การตีความ เหตุและผลเป็นหน้าที่ของนักประวัติศาสตร์ AI สแกนเคส
• เรียบเรียงข้อความจากบทคัดย่อ AI simplifies/replaces quotes; คำพูดแต่ละคำนำมาจากเอกสารทุกคำ
• ไม่มีการกำกับดูแลการกำจัดแต่อย่างใด หากไม่ตรวจสอบสิ่งที่ทำเครื่องหมายว่า "ไม่เกี่ยวข้อง" กับตัวอย่าง ก็จะพลาดเอกสารสำคัญ
• ไม่ขอช่องว่าง.. จำเป็นต้องตั้งคำถามว่า AI ละเว้นอะไรและมีอคติอะไร

โดยสรุป

การสแกนและการสรุปแหล่งที่มาเป็นหนึ่งในด้านที่ AI ช่วยประหยัดเวลามากที่สุดในการวิจัยประวัติศาสตร์ โดยจะกรองเอกสารหลายร้อยฉบับ สรุป และทำเครื่องหมายข้อความที่เกี่ยวข้อง แต่บทสรุปคือแผนที่แห่งการค้นพบ ไม่ใช่หลักฐาน เชื่อมโยงแต่ละจุดสำคัญกลับไปยังเอกสารต้นฉบับ อ้างคำต่อคำจากเอกสาร ไม่ให้ AI จัดทำข้อสรุปและตีความ ควบคุมการกำจัดโดยการสุ่มตัวอย่าง และตั้งคำถามว่า AI เหลืออะไรไว้บ้าง AI นำคุณไปยังหน้าที่ถูกต้อง เป็นหน้าที่ของคุณที่จะอ่านหน้านั้นและทำความเข้าใจ

งานสมัคร

รวบรวมเอกสารอย่างน้อย 10 ชิ้นที่เกี่ยวข้องกับหัวข้อของคุณและแนบข้อมูลอ้างอิงไปยังแต่ละเอกสาร กำจัดสิ่งที่เกี่ยวข้องกับรูปแบบ "การสแกนตามแหล่งที่มา" จากนั้นตรวจสอบบางส่วนที่ทำเครื่องหมายว่า "ไม่เกี่ยวข้อง" ด้วยตัวคุณเองเป็นตัวอย่าง Have a “faithful summary” summarize one of the relevant outputs and find and verify each key point in the summary in the document. สังเกตว่า AI เพิ่มหรือบิดเบือนไปกี่จุด

รายการตรวจสอบ

• [ ] ฉันเริ่มต้นด้วยคำถามวิจัยที่ชัดเจน
• [ ] ฉันได้แนบแหล่งที่มาอ้างอิงกับเอกสารแต่ละชิ้นแล้ว
• [ ] ฉันเชื่อมโยงแต่ละจุดของสรุปกลับไปยังเอกสารต้นฉบับ
• [ ] ฉันเอาคำพูดคำต่อคำมาจากเอกสาร
• [ ] ฉันตรวจสอบการกำจัดโดยการสุ่มตัวอย่างและตั้งคำถามถึงช่องว่าง