之前还是一个小透明，现在立马变成下一个 ChatGPT。
它是谷歌目前最成功的 AIGC 产品。
很多人喜欢在它前面再加一个形容词，「像病毒一样（ a viral AI product）」。
前特斯拉自动驾驶负责人、前 OpenAI 科学家 Andrej Karpathy 毫不掩饰对它的喜爱。
他甚至想到了 ChatGPT，暗示产品新功能可能具有与 ChatGPT 类似的革命潜质。
就连 OpenAI CEO Altman 也认为，它「很酷」。
一直活跃在 AIGC 体验最前沿的宾大沃顿商学院副教授 Ethan Molick 对它极为赞赏：
「简直是目前 AI 界最佳黑科技，用过都说好！」
还特别建议人们去听听 AI 生成的「播客」，暗示这个功能特别令人印象深刻。
没错，它就是 NotebookLM （ LM 代表语言模型），一个至今免费的强大工具，谷歌喜欢称它，「虚拟研究助手」。
我更喜欢叫它「一鱼多吃」:
喂它一个文档，它能立刻将文档变成一个播客、一份学习指南、一个常见问题解答集合、时间轴、提纲，还能和它畅聊。
包你 360 度无死角「吃透」这条「鱼」。
NotebookLM 界面
工具链接：https://notebooklm.google.com/
-1-
啥都可以变播客！
先从最受欢迎的「吃法」开始。
只需要将文件、链接拖放到工具中，NotebookLM 就可以将它们变成有趣、易懂的对话。
谷歌称之为「音频概览」，你可以直接称其为「播客」。
一经上线，火爆全网。
媒体评价这一新功能，「是迄今为止最引人注目、最令人震惊的 AI 潜力展示之一。」
用起来也超级方便。
首先，上传资料。
受益于底层大模型多模态能力（ Gemini 1.5 Pro ），除了文本文件，视频、PPT、录音甚至数据集都能变成播客。
换句话说，连你的个人网站、博客、老妈的红烧肉食谱、上课（讲座）录音甚至信用卡账单，都能变成播客。
我上传了斯诺登的传记，很厚的一本书，选择「音频概览」：
几分钟后，我得到了一个约 9 分钟的播客节目。
听完开头，我就很喜欢，因为直奔重点「技术和控制」：
主持人1：好的，系好安全带，因为今天我们将深入探讨爱德华·斯诺登的内心世界。斯诺登，就是那个揭露全球监控的吹哨人。我们将深入探讨他的回忆录《永久记录》的摘录。告诉你，这不是一本典型的自传。这是一个关于一个人的故事。一个面对重大问题的人的故事。他用自己的生活和与技术的关系，特别是帮助我们理解权力和控制的巨大转变。
主持人2：他一开始就很引人注目。我是说，谁小时候会去黑一个时钟呢？
主持人1：我知道，对吧？6岁就疯狂地重新连接家里微波炉的时钟。这个故事充分说明了他早期对系统及其运作方式的迷恋。以及如何去操纵它们。
主持人2：如何控制它们。这就像他所说的早期的公民不服从行为。
播客内容，逻辑清晰，重点明确。比较遗憾的是，目前仅支持英文，所以我用飞书提取出了AI播客的章节摘要，并翻译成中文。
你可以想象在后台，一个模型正在编写并不断编辑对话脚本。
除了对话的娱乐性，它最重要的职责是要揭示真知灼见：
不只是总结资料，还要找出最有趣和最令人惊讶的部分。
现在看来，NotebookLM 确实做到了。
另外，「主持人」一男一女，声音听起来很自然，和平时听到的 AI 语音播报，很不一样。
他们用「嗯」、「 you know 」进行停顿，还会刻意结巴。
还会用「好的，事情是这样的」来介绍观点，用「 exactly 」等口语来强化对方的观点，对谈很自然。
难怪《华尔街日报》专栏作者 Ben Cohen 说，AI 让他大吃一惊，只有两次。
「一次是第一次接触 ChatGPT。这是第二次。」
「我不知道该感到惊讶还是害怕，」《Acquired》是一档热门商业类音频节目，主持人之一 David Rosenthal 在亲自体验后评价说。
其实，NotebookLM 早在 2023 年就推出了，但热度一般，直至近期上新「播客」功能，立刻引发全网「复杂文档转播客」风潮。
现在 10 个 NotebookLM 用户，恨不得有 9 个人都在使用这个新功能。
比如，有人直接将今年诺贝尔物理学奖得主 Hinton 得意门生 Ilya 推荐的所有经典论文整成了播客。
毕竟，不是每个人都能通过阅读进行高效学习，对于许多听觉类型学习者来说，播客的学习方式可能更为有效。
还有用户将自己的账单变成了一个关于如何在 Uber 上「败家」的播客。
AI 主持人甚至会在节目中表示，因为该用户的奢侈而感到羞耻。
数据集也能变播客，用来详细解释数据集，意不意外？
NotebookLM 编辑总监甚至介绍了一个超赞的学习办法：
使用手机（或录音笔）录制课堂音频，辅以手动笔记，简单记一些课题重点。
然后，将课堂录音和笔记一起传到 NotebookLM，做成一个播客。
每周末听听这些播客，并与它们交流，就等于回顾了最重要的课堂知识。
顺便说一句，谷歌还有另一个很棒的播客实验产品，叫做 Illuminate ，不过目前更专注于学术文本，通常语气更严肃。
-2-
「一鱼多吃」与隐藏的超能力
除了播客生成，「笔记本指南」这个版块提供了五个最为常见的「吃鱼」方式：
常见问题解答、学习指南、目录、时间轴、简报。视频下方，还有英文原文显示
上传了一段霉霉在 2022 年纽约大学毕业典礼上演讲视频。
「常见问题解答」可以自动总结一些问题，帮助了解视频内容：
「学习指南」像在做阅读理解，对视频内容进行深度理解。
「目录」，顾名思义，就是画出内容的「地图」。
而「简报」就是要点总结。
因为很难从这篇演讲中抽出时间轴，我们选择了一篇讲述今年诺奖医学奖得主的人物故事，来展现「时间轴」的好处。
不过，最让人印象深刻的是与内容的自由「交谈」。
你可以选择系统推荐的相关问题：
也可以自由发问。
亮点在于回答背后的超能力：基于可信来源的事实核查。
几乎每句回答的结尾处，都有相应的注释。
点击数字，系统会立刻追溯到原文出处。
比如，数字「1」，立刻追溯到了原文段落（左侧）。
其次，针对原文中并无明确证据的地方，回答会予以说明和强调。
如，斯诺登并没有讨论过网络实名制，回答补充道，是「推测」的上述分析。
而针对完全超越文本范围的内容，直接拒绝回答。
最后，NotebookLM 还有一个很厉害的地方：可以发现文本之间的知识关联。
如，霉霉演讲、李笑来的《财富的真相》、斯诺登传记《永远记录》以及《批判性思维》等文本背后，思维模式的共同点。
比如，批判性思维和财富思维有什么共通之处？
结束本文之前，有必要提一嘴大模型的幻觉。
其实，Ethan Mollick 早在 2023 年就用过 NotebookLM，当时，他就发现它相当不准确。
Ethan Mollick 在2023 年就用过 NotebookLM，当时发现它相当不准确，比如数字方面。
不过，他现在注意到，再用同样的问题测试，NotebookLM 错误大大减少了，尽管仍然不是完美的。
结合我们的大模型使用经验，如果你的要求是准确无误地显示重要数字，那么，最好还是回到原文出处，比对检查。
参考链接
https://adjacentpossible.substack.com/p/listening-to-the-algorithm
https://x.com/JeffDean/status/1834243986426659023
