Nopeat niksit: eri tekoälytyökalujen yhteiskäyttö
Tekoälyä hyödynnettäessä monet ottavat yhden työkalun – yleensä ChatGPT, Copilot tai Gemini – ja yrittävät tehdä sillä kaiken. Samaan aikaan ihmetellään, miksi lopputulos tuntuu vähän… litteältä. Niin hyviä kuin nykyiset työkalut ovat, niin yksittäinen työkalu antaa aina vain yhden näkökulman.
Tekoälyn todellinen voima alkaa vasta, kun työkalut asetetaan jonkinlaiseen yhteistyöhön. Puhutaan niin sanotusti workflow’sta. Jokaista työkalua kannattaa käyttää siinä, missä ne ovat parhaita. Tämä tietenkin edellyttää, että tuntee työkalut ja niiden vahvuudet ja heikkoudet.
Tässä kirjoituksessa näytän yhden esimerkin workflow’sta. Haluan tehdä mahdollisimman hyvän tutkielman Shakespearen näytelmästä Romeo ja Julia. Käytän tämän tekemiseen OpenAI:n ChatGPT:tä ja Googlen NotebookLM:ää.
Lähdemateriaalin hakeminen
Aloitan keräämällä lähdemateriaalia ChatGPT:n avulla. Menen palveluun sisälle ja annan sille seuraavan kehotteen:
Etsi minulle 50 lähdettä verkosta, jotka käsittelevät Shakespearen näytelmää Romeo ja Julia. Etsi ainoastaan sellaisia lähteitä, jotka ovat yhteensopivia Googlen NotebookLM:n kanssa.
- Listaa ainoastaan URLt.
- Älä anna lähteiden kuvauksia.
- Älä listaa videoita.
- Keskity erityisesti akateemisiin lähteisiin
On tärkeää tähdentää, että haluamme lähteitä, jotka ovat yhteensopivia Googlen NotebookLM:n kanssa. Näin ChatGPT tietää minkälaista materiaalia sen tulee etsiä. Samoin haluamme ainoastaan URLeja (verkko-osoitteita), koska annamme ne NotebookLM:lle materiaaliksi.
Voisimme pyytää vähemmän linkkejä, mutta käytämme NotebookLM:n lähteiden maksimimäärää, jotta lähdeaineisto olisi mahdollisimman rikasta. Kun ChatGPT on etsinyt lähteet, niin kopioimme ne ja siirrymme NotebookLM:ään.
Lähdemateriaalin työstäminen
NotebookLM:ssä luomme uuden notebookin.
Nykyään asetuksista voidaan vaihtaa lopputuloksen kieleksi suomi, mikä helpottaa meidän aiheen sisäistämistä. Google on lisännyt kielitukeaan huomattavasti. Valitettavasti pieniä lapsuksia ilmenee edelleen. Uskoisin, että tämä tulee korjautumaan lähitulevaisuudessa.
Tämän jälkeen voimme siirtyä itse linkkien lisäämiseen NotebookLM:ssä.
Kun lähdemateriaali on annettu NotebookLM:lle se alkaa työstämään meille lopputulosta.
Me voimme lähteä tutustumaan materiaaliin perinteisen chat-käyttöliittymän kautta, mutta NotebookLM:n todellinen pihvi on Studiossa.
Syventävä materiaali
NotebookLM:n Studion elementit ovat se, jossa kaikki palaset loksahtavat paikoilleen.
Audio Overview muodostaa lähdemateriaalin pohjalta podcastin, jossa luonnollisella puheella sukelletaan syvemmälle aiheeseen. Video Overview taas tekee pienen luentovideon aiheesta.
Tämä on meidän workflow’ssa keskeistä. Jos olisimme käyttäneet ainoastaan ChatGPT:tä, niin me emme olisi saaneet näitä elementtejä. Samoin pelkkään NotebookLM:ää käyttämällä lähdemateriaali olisi jäänyt puutteelliseksi. Yhdessä nämä kaksi työkalua rakentavat mielekkään kokonaisuuden.
Miksi tämä on tärkeää?
Tämä hyvin yksinkertainen workflow – lähteen ChatGPT:llä ja jalostus NotebookLM:llä – on yleistettävissä oikeastaan mihin tahansa. Kirjallisuuteen, filosofiaan, data-analyysiin… mielikuvitus on vain rajana. Tekoälyä kannattaa ajatella yksittäisten työkalujen sijaan ekosysteeminä, jota tulee orkestroida.
Mutta kannattaa pitää mielessä, että vaikka meillä on nyt kasassa Shakespearen Romeo ja Julia näytelmää käsitteleviä podcasteja, videoluentoja, mindmapeja ja muita NotebookLM:n tarjoamia elementtejä, niin tekoäly ei meidän puolestamme sisäistä näytelmää. Se pitää edelleen lukea tai käydä katsomassa teatterissa.