策展筆記 Vol.21
行之
🗞️ 社群新知 PLAYBOOK
Gemini x NotebookLM：為通用模型裝上「專屬記憶」
（圖片來源：Mihailo Zoin Medium - NotebookLM Coming to Gemini: Google’s Next Integration Revealed）
Google 最近悄悄釋出了一個殺手級更新：在 Gemini 的對話視窗中，可以直接「掛載」NotebookLM 的筆記本了！這不僅僅是一個功能整合，技術評論家 Mihailo Zoin 在 Medium 上提出了一個極具洞察力的觀點：這相當於打通了 AI 的「海馬迴」與「前額葉」。
核心概念拆解：
Zoin 認為，過去我們用 AI 的痛點在於「有腦無憶」或「有憶無腦」，而這個新功能解決了這個斷層：
⇨ 海馬迴外掛（The External Hippocampus）
NotebookLM 的強項不是生成，而是「儲存與索引」。它像人類的海馬迴，負責精準地記住你餵給它的所有細節（財報、論文、筆記），不容許隨意幻想。
⇨ 前額葉調用（The Prefrontal Cortex）
Gemini（特別是新的 Gemini 3 / Deep Think 模型）則是負責邏輯推理、決策與創造的「前額葉」。現在，你可以在 Gemini 中直接點擊「＋」，將 NotebookLM 當作長期記憶庫掛載。Gemini 不再需要重新學習背景，而是直接針對你已經整理好的「記憶」進行高維度的推理。
操作示例：
試著這樣操作，把你的知識庫變成決策引擎：
建立記憶：在 NotebookLM 建立一個「2025 年度行銷專案」筆記本，丟入所有會議記錄與競品分析。
神經連結：打開 Gemini，點擊輸入框左側的「＋」號，選擇 NotebookLM，勾選該筆記本。
高階推理：輸入提示詞：「基於筆記本中的競品策略（記憶），用『孫子兵法』的框架（推理），分析我們 Q3 還有哪些未被滿足的進攻機會？」
這徹底改變了「提問」的邏輯。你不再需要每次都把資料複製貼上，而是讓最強的邏輯模型（Gemini），隨時存取你最私有的專業知識庫（NotebookLM），形成一個真正屬於你的「第二大腦」迴路。
💡 創作者觀點 INSIGHT
Siren Chen：如何深度理解高密度的知識輸入？
（圖片來源：【NYCU 校級博雅講座】：AI時代 未來人才）
許多人習慣使用 AI 摘要長篇演講以節省時間，但面對資訊密度極高的內容時，這種做法往往只能獲取表層資訊，而遺失了講者真正的邏輯脈絡與言外之意。單純的重點條列，常導致「見樹不見林」的理解斷層。
內容創作者 Siren Chen 近期分享了一套「高強度知識吸收法」。她以聆聽 Google 台灣前董事長簡立峰 的演講為例，點出了一個關鍵盲區：「AI 摘要會紀錄他講了 A、B、C，卻遺失了 ABC 之間的邏輯關係。」
觀點拆解：
為什麼高密度知識不能只靠 AI？Siren 點出兩個層次：
⇨ AI 讀不到「言外之意」 以簡立峰這類資深講者為例，他們的一句話常包含技術、商業與局勢的多層暗示。高手往往不直說批評，而是用「如果是我就會⋯⋯」來進行委婉對比。AI 只能抓取字面語意，卻讀不懂這背後「內行人才懂」的弦外之音。
⇨ AI 無法完全理解講者思路 演講的內容往往是流動且非線性的（例如從矽谷觀點跳轉到台灣產業）。若要真正吸收，人腦必須先理解講者從 A 推導到 B 再到 C 的過程。只有當你掌握了這個脈絡，AI 後續整理的資訊點才會有意義，否則只是零散的資料碎片。
行動應用：
面對高含金量的演講內容，Siren 建議「兩遍學習法」：
第一遍（原速聽）：絕不開快轉倍速，跟上講者的語速，只記關鍵字，先用人腦抓出「邏輯線」。
第二遍（重點聽）：針對關鍵字回放前後文，理解推論過程。
最後協作：確認邏輯框架無誤後，再輔以 AI 針對特定段落進行摘要或補充資料。
知識內化需要分層處理：若只需獲取新知，AI 摘要夠；但若要將專家觀點轉化為自己的洞察，則必須由人腦先定調脈絡，再讓 AI 負責延伸與補充。
⚙️ 創作工具 TOOL
Kuse AI：從零亂筆記到課程大綱，一鍵生成的「備課工作站」
很多想開課的創作者最痛苦的不是沒知識，而是「知識太散」。你的靈感散落在 PDF 論文、YouTube 影片收藏和零星的備忘錄裡。要把它們整理成一套有系統的課程大綱、甚至轉化成 PPT，往往需要切換四五個軟體，耗時又甚至會讓靈感中斷。
工具解決方案：
為什麼 Kuse 被稱為「開課神器」？因為它把「整理」與「產出」合一了：
⇨ 無限畫布 (Infinite Canvas) 作為基地 它不是像 ChatGPT 的線性對話視窗，而是一個像 Miro 的大白板。你可以把相關的 PDF、網頁連結、影片通通「丟」進去，讓 AI 在畫布上直接讀取並關聯這些散亂資料。
⇨ 結構化教材生成 (Asset Generation) 這是最強的一點。它不只會總結，還能直接產出「交付物」。選中你的資料，可以一鍵生成「課程大綱 (Syllabus)」、「測驗卷 (Quiz)」甚至是「簡報草稿 (Slides)」，直接幫你完成備課最繁瑣的 80% 工作。
應用情境：
假設你要開一堂「新手投資課」：
丟素材：把 3 本經典投資書的 PDF 和 5 個你覺得講得很好的 YouTube 影片連結拖進 Kuse 畫布。
建架構：圈選這些素材，輸入指令：「請根據這些資料，規劃一個為期 4 週的線上課程大綱，包含每週學習目標。」
產教材：確認大綱後，直接選取第一週的主題，點擊生成：「幫我製作這一課的 10 頁 PPT 內容與 5 題隨堂測驗。」
Kuse 體現了「空間化思考」對創作者的重要性。過去我們在對話框裡是「一問一答」，但在畫布上是「全局俯瞰」。當你能同時看到素材、筆記與 AI 生成的草稿並列在一起，你的大腦才能從「接收資訊」轉向「架構產品」。
Kuse 帶來的最大改變，是縮短了從『構思』到『交付』的距離。當零散的靈感能被快速結構化為可交付的資產，創作者才能真正從繁瑣的文書作業中解放，專注於知識架構的打磨。
✍️ 瑞塔反思
這兩天讀到哈佛評論雜誌的這篇文章：《不釐清這五點，AI會從創造價值變成毀掉價值》。文中一個令我印象深刻的論點是，我們該如何權衡使用 AI 的成本、效益與價值？
這篇文章給了不一樣維度的啟發點，不論是不是用在組織或是個人成長上，都很值得深思。以下是我閱讀後的 takeaway，在這期反思中分享給大家。
我很喜歡本篇文章作者馬克．摩坦森說的這句話：
當我們聚焦於AI所產出結果的價值，往往就不會去多想其他的價值來源，例如我們學到了什麼，以及如何建立人際關係。
我們很少問自己：「我們所做的每項活動，究竟如何創造真正的獨特價值？」
在 AI 狂熱的氣氛下，我們如何「不被 AI 架空」？
▍1. 「過程」本身就是價值，而不僅僅是為了產出「結果」
我們習慣認為，寫報告是為了得到一份報告，寫程式是為了得到一個功能。如果 AI 能在 10 秒內給出結果，我們為什麼要花 10 小時？
摩坦森提醒我們：「痛苦」和「卡關」是有價值的。因為它們會帶來：
知識的內化： 只有在你為了想一個詞而絞盡腦汁時，那個概念才會刻在你的大腦迴路裡（海馬迴）。AI 的秒回，剝奪了我們大腦「建立連結」的機會。
技能的累積： 技能是「用進廢退」的。就像 GPS 讓人喪失認路能力，過度依賴 AI 寫草稿、除錯，會讓專家的直覺逐漸退化成初學者。
我們必須區分哪些任務是「只要結果就好」（如：報帳、排程），哪些任務的「過程」是我們專業能力的護城河（如：策略思考、核心代碼架構）。
不要把你的護城河外包給 AI。
▍2. AI 的本質是「聚合」，而人類的價值在於「發散」與「獨特」
文章提到一個非常犀利的技術本質論點：LLM（大型語言模型）是「聚合式」（Convergent）的技術。
這意味著 AI 給出的答案是基於機率最高的「平均值」。當所有人都用 AI 寫信、寫講稿，所有人的風格都會向中間靠攏，變得平庸且千篇一律。
這將會導致：
獨特性的喪失： AI 會抹平個人特色，讓人變得「正確但無聊」。
創新的停滯： 如果大家都依賴相同的數據庫和邏輯模型，誰來負責提出那個在數據之外的「異類」想法？
在 AI 時代，「標準答案」變得廉價，「獨特觀點」變得昂貴。
▍3. 「人際連結」是信任的基礎、幸福感的來源
摩坦森說：「人際互動是建立歸屬與信任的基礎，若少了人與人之間的互動，人們將會感到孤立或是寂寞，進而降低個人的幸福感。」
同時他也提出，在組織中，「一起解決難題」是建立團隊信任的重要途徑。 當每個人都變成孤島，只對著螢幕跟 AI 協作，團隊的向心力會瓦解。沒有了那種「我們一起熬過來」的革命情感，組織的韌性會大幅下降。
這些使用 AI 的副作用，正是我們需要去思考的可能將影響人類長期價值的東西。
AI 的出現與快速的發展，勢必會持續擴大影響人類的行為與思考方式，就像亞伯拉罕·卡普蘭所說的：
「如果你手裡只有一把錘子，那麼看什麼都像釘子。」
現在，AI 就是我們手中那把無比強大的錘子。
當我們過度迷戀它的效率時，很容易把所有的事情，包括那些需要深度掙扎的思考、需要細膩情感的連結，都當成了可以被「快速解決」的釘子。我們開始習慣用生成取代思考，用摘要取代閱讀，用自動回覆取代真實對話。
但在這股狂熱中，我們必須保持清醒，知道何時該放下錘子。