::: {#b126 .section .section .section—body .section—first .section—last} ::: section-divider
:::
::: section-content ::: {.section-inner .sectionLayout—insetColumn}
组织的终结 {#a4d6 .graf .graf—h3 .graf—leading .graf—title name=“a4d6”}
GPT-3 如何将你的笔记变成*实际*的第二大脑
我讨厌成为坏消息的传播者，但我们花在整理笔记上的所有时间可能都被浪费了。
相反，在不久的将来，我们的笔记将由GPT-3等大型语言模型 (LLM) 为我们组织。让我们探索一下。
…
做笔记是与未来的自己建立关系。
笔记记录事实、引述、想法、事件等，以便它们最终可以用来做出更好的决定、创造更有趣的写作以及找到问题的解决方案。
长期以来，我们试图让这种关系发挥作用的方法是创建组织系统。确保我们未来的版本在正确的时间有正确的笔记的最好方法是构建标签、笔记本层次结构和双向链接的 Rube Goldberg 机器，这样我们就可以在需要时提取笔记。或者至少，如果我们知道我们在寻找什么，我们可以通过搜索轻松找到它们。
但归根结底，我们构建的组织解决方案是脆弱的。我们一直在构建和放弃新系统，很少（如果有的话）回去查看旧笔记。标签被创建然后被放弃。很少有人关注链接。我们感到内疚：如果我们能弄清楚如何使用它，那么多年来我们收集的东西就蕴藏着很多价值。购买新的笔记工具就像在 1 月 1 日注册成为健身房会员。你知道你会放弃它，但你花的钱可以缓解你对没有充分利用你所拥有的东西的焦虑。
人工智能改变了这个等式。释放旧笔记价值的更好方法是使用智能在正确的时间以正确的格式显示正确的笔记，以便您最有效地使用它。当你掌握了情报时，你就不需要组织起来了。
如果我们想了解 AI 如何解决组织问题，首先我们需要了解为什么组织笔记如此困难。然后我们可以谈谈将来它可能有什么不同。
为什么组织笔记如此困难 {#3b5d .graf .graf—h3 .graf-after—p name=“3b5d”}
我们越准确地知道一条信息的用途，我们就越容易组织它。
问题是，我们把东西记在笔记里，因为我们不知道我们会用它们做什么。你写下书中的一句话，因为你最终可以以 1,000 种不同的方式使用它。你可以用它来帮助你做出决定，或者写一篇文章，或者在朋友经历艰难时期时振作精神（你可以将它用于所有这三种情况）。写下会议笔记或对您遇到的新人的想法也是如此。
正如我在”记笔记冷战”中所说的那样，这使得为你的笔记找到一个单一的组织系统变得非常具有挑战性。你会不断地重组你的系统，或者感觉有一种冲动在许多不同的地方放一个便条，或者给它贴上标签以确保它在不同的上下文中再次弹出。
这通常效果不佳，即使您确实在正确的时间碰到了旧笔记，您也会面临另一个问题：
看旧笔记有点像看陈旧的垃圾。
在会议中匆匆写下的笔记，或者在半夜突然有了想法时匆匆记下的笔记通常很难理解，需要花一些时间来解析。正如我在” The Fall of Roam “中所写，当你阅读旧笔记时，你必须将它的上下文重新加载到你的脑海中，了解你何时接受它以及为什么在你理解它在说什么之前，以及它是否与任务相关在眼前。
所以你很少回去使用你的旧笔记。它在认知上太昂贵而且回报不够。要让旧笔记有用，它需要以一种可以立即点击进入您正在处理的内容的方式呈现给未来的您 --- --- 尽可能少的处理。
这就是大型语言模型的用武之地。
人工智能模型如何解决笔记组织问题 {#5ced .graf .graf—h3 .graf-after—p name=“5ced”}
像 GPT-3 这样的 AI 模型可以通过几种关键方式解决组织问题。
首先，它们可以自动标记笔记并将其链接在一起，无需手动操作。它甚至不需要LLM --- --- 现在有一些不太先进、更便宜的模型可以开箱即用。
其次，它们可以在您撰写笔记时丰富笔记并将它们综合到研究报告中，从而消除了对标记和链接的大部分需求。
第三，它们可以将以前笔记中的关键信息重新呈现为类似 CoPilot 的记笔记体验。这使您无需搜索旧笔记，并帮助您在每次点击按键时都记下您曾经记下的所有信息。
让我们逐一分解。
自动标记、链接和分类 {#d825 .graf .graf—h3 .graf-after—p name=“d825”}
在最基本的层面上，当前笔记系统所需的标记和链接可以由 LLM（或其他更简单的机器学习模型）完成。
实体识别成本低廉且可靠，足以让模型找到人、地点、公司、书籍和其他在你的笔记中反复出现的事物。像我之前采访过的Linus Lee 这样的研究人员正在为自己构建这个版本。他的演示甚至不使用实体识别，仅使用词频跟踪来制作反向链接。随着时间的推移，这些技术将变得更加先进。
除了标记和链接之外，LLM 还可以帮助创建笔记的自动分类法，使您可以更轻松地浏览它们。想想类似 Apple Photos 的体验，但对于你的笔记：
这些分类法甚至可以为新项目即时创建，因此当您的需求发生变化时，您的笔记可以重新组织成新的视图，帮助您更有效地浏览它们。一个简单的示例可能类似于您今年阅读的每本书的自动更新列表。在过去的两年里， 我一直在敲这个鼓，现在终于到了实现这些自动化分类法的时候了。
不过，AI 模型在组织方面的真正力量不只是分类。
自动化研究报告 {#9c5f .graf .graf—h3 .graf-after—p name=“9c5f”}
LLM可以丰富并为您撰写笔记。它们可以根据你曾经写过的关于某个主题的所有内容来综合并撰写报告，这样你就可以将它加载到你的大脑中，而不必再回顾你的档案。
考虑开始一个项目 --- --- 也许你正在写一篇关于一个新主题的文章 --- --- 然后让 LLM 自动编写并呈现给你一份报告，其中概述了你读过的与你正在阅读的文章相关的书籍中的关键引述和想法写作。
资料来源：这是我想象 ChatGPT 将来会做的一件事。
如果您确信这会以高质量的方式为您完成，您就再也不用担心如何标记或链接书籍或文章中的引述了。您只需将它归档到您的笔记存档中，并确信该软件（充当研究助理）稍后会为您找到并呈现它。
不过，还有更深层次的含义。我们的笔记反映了我们的生活。考虑使用 LLM 来总结您一段时间内思考中的关键关系或模式。它可以生成您对特定主题的思维历史，包括关键事件的摘要和时间表，可以帮助您更好地了解自己和您的世界。
这在今天是可能的 --- --- 只需要有人来构建它。
CoPilot 的笔记 {#be14 .graf .graf—h3 .graf-after—p name=“be14”}
研究报告很有价值，但您真正想要的是每次触摸键盘时都在心里下载整个笔记档案。想象一下自动完成体验 --- --- 比如 GitHub CoPilot --- --- 它使用你的笔记存档来尝试填写你正在写的任何内容。
这里有些例子：
- [当您在撰写的文章中表达观点时，它可能会建议引述来说明这一点。]{#6373}
- [当你写一个决定时，它可能会建议支持（或否定）过去的证据。]{#f494}
- [当你写一封电子邮件时，它可以提取以前的会议记录来帮助你表达你的观点。]{#bf8b}
像这样的体验将您的笔记存档变成一个亲密的思想伙伴，它使用您曾经写过的所有内容让您在打字时变得更聪明。
同样，今天所有这一切都是可能的。这只是构建它的问题。
笔记的未来 {#f692 .graf .graf—h3 .graf-after—p name=“f692”}
组织将变得没有必要，因为没有人真的想回去看看他们的旧笔记。
你真正想要的是你笔记中的信息，在正确的时间和地点合成并呈现给你。
完成此操作的方式对您来说应该是个人的。它应该是生动和令人惊讶的。它应该可以帮助您看到新的模式，以新的方式查看您收集的内容，并带回您早已忘记的事实、人物和事件。它应该可以帮助您学习并利用您之前为手头任务写下的所有内容。
LLM可以真正将您的笔记变成第二个大脑。它们可以在您编写笔记时丰富笔记以创建更多上下文，自动对笔记进行分类和合成，并以稍后点击的方式将它们呈现给您 --- --- 这样您就可以实际使用它们。
以后，笔记不会由我们来整理 --- --- 它们会为我们整理。思考的终极工具是思考的工具。
原文：The End of Organizing------How GPT-3 will turn your notes into an *actual* second brain{.markup—anchor .markup—p-anchor data-href=“https://every.to/chain-of-thought/the-end-of-organizing” rel=“noopener” target=“_blank”} ::: ::: :::