ChatGPT會對我們日常生活帶來什麼影響？這些技術會改變我們學習閱讀工作方式嗎？

AI 這個話題很火，我也一直在關注著，很多人甚至覺得 AI 會改變世界，也許你會好奇：ChatGPT 會在三年內終結程式設計嗎？AI有可能改變人的學習方式嗎？AI 能否取代打工人？本文會對相關問題從我們可見日常問題進行解答。

1.AI有可能改變人的閱讀方式嗎？

希望從：AI 輔助提高了人的閱讀效率嗎、AI能幫助人更好地瞭解和記憶書中的內容嗎、AI 技術有可能改變人的閱讀方式嗎三個方面進行解答。並用 AI 工具進行輔助閱讀，甚至只用 AI 工具閱讀，同時我會分享我用到的工具和方法。

1.1ChatDoc小試牛刀

ChatDoc：準確性比較高這個工具使用起來比較簡單。你可以將 PDF 書籍上傳到 ChatPDF，然後它會建立書籍索引，接著你就可以像聊天那樣，問書籍的細節內容，或者讓 AI 幫忙總結書中的內容。

Bing ：Bing 不支援存取原生的 PDF，如果你的書籍或者論文是線上版本的，可以直接用 Edge（Dehttps://www.cnblogs.com/ting1/p/v 版本）的側邊欄調出 Bing Chat，讓其總結 PDF 內容：

ChatPDF

Readwise

相關資料連結：

GPT-4 論文（英文內容）
Generating Phishing Attacks using ChatGPT
《Mental Models》（英文內容）
《長壽-當人類不再衰老》（中文內容）

通過多次使用，我就遇到了兩個非常嚴重的問題：內容錯誤和對話式學習。

先說下內容錯誤，拿 Mental Models 這本書為例，我讓它羅列 30 種模型，它回覆了一個 SWOT 分析，但我看了下書籍的目錄，我發現並沒有提到這個模型，於是我就問它哪裡提到了這個內容，然後它的回答是「我混淆了這本書和其他一些管理類書籍中的內容」：

這個可以說是非常非常大的錯誤，如果內容無法保證準確，那後續的效率和改變都是空談。

我研究和測試了下，造成這個問題的原因還是 ChatGPT 的字數限制，我們沒法將書裡的所有字都給 ChatGPT，我們需要做一些相對 Hack 的事情，最終導致這個結果有點問題。而且我在測試的時候，ChatPDF 還在用 ChatGPT-3 模型，還不支援圖片，ChatPDF 應該是先用 OCR 技術，將PDF 轉為文字，再將內容傳給 ChatGPT，所以也有部分原因是 PDF 轉文字時，導致了內容缺失和錯誤。

再說下對話式學習的問題，目前嘗試下來有好有壞：

對於目標明確的內容來說，這種閱讀方式非常高效（前提是內容準確），你可以有針對性地問 AI 論文或書籍裡的內容，而且它比視訊 Summary 要好，對於一些感興趣的問題，你可以有針對性地詢問。而不僅僅只是總結。
對於目標不太明確的內容來說，這種方式就很低效，你會迷茫，不知道應該問它啥，《長壽》這本書有 400 多頁，但我只能問出它講了什麼，有什麼方法能延長壽命。其他的問題，只能通過 AI 的回答，再進行探索。這個效率可能還不如一頁一頁地讀，起碼我讀到不感興趣的地方可以跳過，感興趣的地方停留，保證效率的同時，還能儘可能地獲得知識。但對話式的主動探索就不太行。

對於目前這種對話式的 AI 閱讀輔助工具，我更傾向於用於閱讀比較明確的場景，比如：

Q&A 檔案，或者說客服類內容。
教學類檔案，比如某個前端框架的說明檔案，如果你只是想了解裡面的某些細節，使用這種閱讀方式效率就很高。
主題精準垂直的論文或報告。這個可能對於學生、研究人員來說會比較有用。

對於其他型別的書籍，我覺得還有很大很大的優化空間，而且這跟模型的技術限制無關，即使 OpenAI 放開了字數限制，不解決對話式互動問題，適用的範圍還是比較窄。

關於這個問題，我倒是有個不成熟的想法，AI 能總結，應該也能重新組合，如果我們能設定一定的框架指令碼，是不是能將書的內容，做成互動式的遊戲？

或者類似我在 Summary 一文中提到的那樣，給一些範例給 AI，然後 AI 能返回一些你可能 Highlight 的內容，亦或者將書籍內容做一些模版性的總結？

1.2 ChatPDF與 ChatDoc 對比

首先說說 ChatPDF 和 ChatDoc 。我這次，用它倆嘗試閱讀了下《The Great Mental Models》（這本書其實就是《思考的框架》的英文版）。從結果來看，ChatDoc 的確要比 ChatPDF 靠譜很多。這個是 ChatPDF 的總結：

這個是 ChatDoc：

從內容的準確性來說，我覺得 ChatDoc 比 ChatPDF 要好很多。

首先，我覺得 ChatDoc 的左 PDF，右邊 AI 助手的設計，比 ChatPDF 的對話式設計要好非常多。當我遇到不懂的地方，我可以框選左側的內容， ChatDoc 會自動將內容帶到右側的輸入框，我只需要做一些補充提問即可，比如下圖裡，我問 AI 某章節主要講了什麼內容，在閱讀一些英文書籍或論文，這個模式對我的幫助也很大，我可以問 AI 這句話是什麼意思，甚至可以讓 AI 以更易於理解的話術解釋那句話。

另外，在上圖，你還能看到我針對書中的某個細節進行了提問，答得非常好。有兩個令我 Aha 的時刻：

第一次提問的時候，我打錯字，將「無法通過」，打成了「無法同構」，但 AI 的回答還是正確的。
第二是 AI 將這個答案相關的頁碼都標出來，並且幫我找到了我之前忽略的節點。這個問題，在書中的第一章，所以你能看到很多 20 頁左右的參照，但 AI 還找到了 92 頁的內容，這個是我沒想到的。如果它能畫思維腦圖，那估計會更有用。

你在好好學習裡看到的總結，就是我用這個工具輔助完成的。

1.3Readwise

再來說說，Readwise 閱讀文章的感受，Readwise 的 AI 主要有以下幾個功能，你可以問問題，讓 AI 做總結。不過這個產品最大的問題是響應速度，讓它總結文章，要 loading 很久。

並且，對於 AI 輔助閱讀文章來說：

這種 Summary 意義不算很大，因為一般看標題就知道文章說啥了。
AI 輔助效果取決於文章內容的解構，以及資訊顆粒度。我實驗了大概有幾十篇文章，主要涉及 newsletter 和與時間管理、生產力效率有關的文章，我發現類似 Morning Brew 這種主要以資訊羅列為主的 newsletter，AI 輔助意義不算特別大，效果也很不好，因為內容都很瑣碎，AI 不知道什麼是重點，只能什麼都總結一下，或者因為內容太多，導致超出字數，只總結了一部分。對於主題比較聚焦的文章，總結效果倒是好很多。
通過問問題的方式閱讀，其效率遠比掃描閱讀低。比如拿上面那張圖裡的文章為例，我想知道文章裡提到的創造運氣的方法有哪些，文章很短，我滑鼠只要滑幾下，就能定位到方法。但如果我用 AI，我還要打一串字，如果 API 或網路不穩定，答案返回的時間會長，總耗時反而更久。

1.4 小結

回顧開頭四個問題：

AI 輔助提高了人的閱讀效率嗎？
它能幫助人更好地瞭解和記憶書中的內容嗎？
AI 技術有可能改變人的閱讀方式嗎？

坦率說來，以目前用到的工具來看，AI 工具還有很多缺點，但整體來說，我認為它很可能會改變我的閱讀方式，並且在某些場景提升我的閱讀效率。

以下是我總結的 AI 優勢，以及我認為可能改變的點。

優點一：提升檢索速度

我的「閱讀」一般分成兩種，一種是「學習型」的閱讀，另一種是「檢索型」的閱讀。

前者需要的是「網」，後者需要的是「點」。比如學習前端庫 React，你需要看它的官方檔案，甚至需要在自己的電腦上，跑一下官方 Demo，你需要建立完整的框架，並實踐，才能算學會使用。

但如果你只想查詢某個問題，那就只需要搜尋一下檔案，找到某個點就可以了。而 AI 非常擅長這個。以前這類閱讀場景，我都是依賴搜尋完成，但檢索型的閱讀，很多時候很難確定搜尋詞，需要多次搜尋，才能找到答案，而現在依靠 AI，搜尋具備了文字理解能力，除了能幫你定位到位置外，還能直接給你答案。

對於檢索型閱讀，我認為 AI 能提高很多效率。

優點二：打破語言壁壘
優點三：基於點進行解釋

優點二和三，我覺得算是一類，這兩點會極大地改變我的閱讀方式。以前不管是學習型閱讀還是檢索型閱讀，都會遇到「看不懂」的問題。

第一種是語言上看不懂，這種就依賴翻譯軟體，但這些軟體翻譯的質量都比較一般。現在用上 ChatGPT 的翻譯，效果好很多，這將會極大地拓寬我的閱讀面。甚至我現在可能會考慮看日語、法語等非英語書籍。

第二種是字都看懂了，但看不懂表達的意思。有了 AI 輔助，很多複雜的內容，都能讓 AI 解釋一遍。甚至還能讓 AI 進行舉例（不過這個準確度要比檢索和翻譯低很多）。

優點四：找到人忽略的點

人的短期記憶容量，如果用 AI 產品常用的單位 token 來計算，遠遠小於 GPT-4 的 32,768 token（約為 23,000 個英文單詞），所以人類在進行「學習型」閱讀時，最常用的方法就是做筆記，將重點標註出來，減輕記憶負擔。

但不管如何記錄，人總有忽略的地方。比如我在前面提到的 ChatDoc 的例子，我讀到 90 多頁的時候，完全沒想起它講的內容跟第 20 多頁內容有關係，但 AI 幫我找到了。

優點五：挖掘網狀結構（暫時未看到哪個產品能做到）

這個跟優點四有點關係。

因為物理輸入方式限制，導致我們的閱讀很多時候都是線性的，但人的思想是網狀的，書本有的時候傳遞的也是網狀的資訊，所以才有了所謂的思維導圖等工具，幫助人更好地理解書本的資訊。

所以我就想到，既然 AI 已經能找到人忽略的點，那是否也能幫助我們建立網狀圖？

再發散地看，是不是筆記類的產品，也會被改變？像 RoamResearch 這類依賴使用者手動打 tag 的檔案工具是不是也會被顛覆？人只需要記錄就好了，剩下的交給 AI。需要一個記錄健身資料 Database？你只需要先記錄健身資料，不需要考慮表如何設計，讓 AI 生成一個即可。並且記錄方式也會發生改變。以前是先有表，再有資料，現在只需要先有資料就行。

回到前面提到的問題：

AI 輔助提高了人的閱讀效率嗎： 可以，特別是「檢索型」閱讀。
它能幫助人更好地瞭解和記憶書中的內容嗎： 可以，但要用對方法和工具。AI 不是替代閱讀，而是輔助閱讀。現在很多產品還是會說胡話，但我相信未來會變得更好。
AI 技術有可能改變人的閱讀方式嗎：這個我持保留意見。現在 AI 工具仍然只是輔助，並沒有直接改變人的閱讀方式。對我來說，倒是拓寬了我的閱讀邊界（注意，我這裡說的閱讀方式，是像 ChatPDF 這種對話式閱讀方式的改變）。

2.進一步討論AI摘要總結會取代人工摘要總結嗎？

最近 AI 相關的話題非常火爆，也有部分朋友留言說 AI 出現，我們這種人工 Summary 遲早要被淘汰。也有人說有了 AI，總結起來會不會更快。

2.1 目前 AI Summary 工具是如何實現的？又有哪些限制？

聊對比前，我想先科普一些 ChatGPT 相關的知識，各位瞭解這些知識後，才能更好地對比 AI Summary 和人工 Summary。

Token：這個指的是 OpenAI 處理文字的基本單位，可以是單詞或者字元的片段。例如，「hamburger」被分成「ham」、「bur」和「ger」三個 Token，而「pear」是一個 Token。1個 Token 大約相當於 4 個字元或者 0.75 個英文單詞。
一些限制：
- OpenAI 的模型有一個固定的 Token 限制，例如 GPT-3 的 Dahttps://www.cnblogs.com/ting1/p/vinci 模型最多可以處理2049 個 Token，大約 1500 個英文單詞。最新 Turbo 模型大約是 4,096 個 Token，大約是 3000 個英文單詞。
- 另外這個限制還有一個細節，Token 限制的計數包含輸入和輸出的文字。換句話說，不是說我輸入 3000 個英文單詞，然後 OpenAI 能返回 3000 個英文單詞的結果，而是輸入+輸出總共不能超過 3000 個英文單詞。
- 文字限制。目前 OpenAI 的 GPT-3 模型只能處理文字。

懂了這幾個限制後，我再講解下，市面上的視訊/Podcast Summary 是怎麼做的。實際上你能直接用 ChatGPT 模擬這些外掛。

首先，因為限制 #3 ，需要將視訊/Podcast 的音訊轉為文字。這一步因為 Youtube 有 Transcript，所以很多產品會直接拿 Transcript 來用。

第二步將 Transcript 和 Prompt（一般是「請總結以下內容」）一起傳給 OpenAI 。傳給 Open AI 的東西類似這樣，你也可以在 ChatGPT 上試試，只需要將下方 Transcript 的內容替換成 Youtube 上的真實 Transcript 即可：

Please summarize the following sentences.
Text: """
Transcript
"""

最後 OpenAI 就會返回 Summary 結果。

但某些視訊和 Podcast 會非常長，一集可能有幾萬字，因為 #2 的限制，根本沒法將一集完整的 Transcript 都傳給 OpenAI，所以不同的產品，會有不同的處理方式。目前常見的處理方式是「裁切總結」，將 Transcript 切成多個時長為 5 分鐘的 Transcript ，再傳給 OpenAI ，讓 OpenAI 先總結一遍，然後再將這些段落總結，傳給 OpenAI ，再讓它總結一遍，生成最終的總結內容。

2.2目前 AI Summary 的缺點

瞭解完這些 Summary 應用的原理後，目前這類產品的缺點也就相對好理解了：

缺點一：內容依賴 Transcript。

某些沒有 Transcript 的內容基本沒法 Summary。比如短視訊，或者 https://www.cnblogs.com/ting1/p/vlog，很多都是隻有畫面，沒有說話內容。這些都沒法 Summary。

當然應該沒有人需要短視訊 Summary 吧，內容已經夠快餐了