저자: 대니
친구가 왜 제가 모든 분야, 모든 것에 대해 다 아는 것처럼 보이냐고 물었습니다. 과거 경험이나 현재 프로젝트 외에도, 저는 종종 즉흥적으로 학습합니다. 오늘은 일반인들이 스스로 학습할 수 있도록 AI 도구와 Notebooklm을 어떻게 활용하는지 공유해 보겠습니다.
우선, 이 글은 특정 분야/사물/개념을 체계적이고 구조적으로 학습하고 이해하며, 자신만의 지식 체계와 그래프를 구축하는 데 목적이 있다는 점을 말씀드리고 싶습니다. 만약 단순히 몇 가지 개념을 이해하고 'xx'가 무엇인지 알고 싶다면, 시중에 나와 있는 일반적인 AI를 활용하는 것도 비슷한 결과를 얻을 수 있을 것입니다.
인공지능을 활용하여 새로운 것을 학습하는 것은 현재 여러 가지 병목 현상과 한계에 직면해 있습니다.
첫째, 그것은 환상입니다. AI는 데이터와 학습 자료가 부족하기 때문에 특히 특정 분야에서는 조작된 데이터와 이야기를 제공할 가능성이 매우 높습니다.
둘째로, 상세 정보가 부족합니다. 저작권 등의 문제로 인해 AI는 기사나 책 전체를 스스로 읽지 않습니다. 학습 자료는 대개 다른 사람들의 리뷰와 댓글, 특히 특정 세부 분야의 정보로 구성됩니다.
셋째, 문제를 정확하게 설명하기가 어렵습니다. 만약 이 주제를 접해본 적이 없다면, 알고 싶어하는 문제를 제대로 설명하기도 어려울 뿐더러, 그 원인과 결과도 파악하기 힘들 것입니다. 더 나아가 체계적이고 구조적으로 정보를 수집하고 체계적인 학습 프레임 구축하는 것은 더욱 어려울 것입니다.
이론 부분
제 접근 방식은 사실 아주 간단합니다. 학계의 "인용/참고문헌/영향력 네트워크"를 활용하여 정보를 정제한 다음, AI 증거와 확산적 사고를 통해 "좌뇌와 우뇌의 싸움"을 벌여 새로운 것을 구조적으로 이해하는 것입니다.
데이터 저장 워크플로우:
유용한 자료를 찾아 Notebooklm에 추가하고, AI 도구를 사용하여 질문을 생성하고, Notebooklm의 질의응답 기능을 통해 학습하고, 더 많은 유용한 자료를 Notebooklm에 추가하고, Notebooklm을 통해 학습하는 과정을 반복하세요.
복잡한 워크플로우:
1단계: 단서를 따라가기 (소요 시간: 0.25시간)
"XX란 무엇이고, 그 원리는 무엇인가"를 찾는 대신, 해당 분야의 "안정의 기둥"을 직접 찾아보세요.
AI(제미니/퍼플렉시티) 활용: 다음과 같이 직접적으로 질문하세요. "[특정 하위 분야]에서 전 세계적으로 인정받는 선도적인 인물 세 명은 누구인가요? 그들이 발표한 논문 중 해당 분야의 토대를 마련한, 인용 횟수가 가장 높은 1~3편의 고전 논문은 무엇인가요?" (예를 들어, 법학 석사(LLM) 분야에서는 "Attention Is All You Need "와 같은 논문에 초점을 맞추세요.) 이는 "현재의" [경험/표현]을 나타냅니다.
1차 참고문헌 다운로드: 이 1~3개의 핵심 논문에서 참고문헌을 클레임, 해당 논문들이 인용한 모든 핵심 참고문헌을 다운로드하세요. 이는 "과거의 기록"을 나타냅니다.
고빈도 2차 참조 추출: 1차 참조의 참조를 상호 참조하여 가장 많이 인용된 논문 10편과 가장 자주 등장하는 논문 5편을 선택합니다. 이는 "후기" [기간/단계]를 나타냅니다.
핵심 논리: 거장들의 시각으로 세상을 바라보는 것이 가장 값싼 지름길이다. 이 단계를 과소평가하지 마라. 이 단계를 통해 수십 년에 걸쳐 이 분야에서 일어난 가장 근본적인 지적 진화의 흐름을 한눈에 볼 수 있기 때문이다.
2단계: 체계적인 지식 기반 구축 (소요 시간: 0.25시간)
첫 번째 단계에서 선택된 모든 기존 문서가 Google NotebookLM에 한 번에 업로드되었습니다.
일반적으로 고전 논문의 경우 https://scholar.google.com/ 또는 https://arxiv.org/ 이 두 사이트면 충분합니다.
NotebookLM을 선택하는 이유는 무엇일까요? NotebookLM 은 환각을 일으키지 않기 때문입니다. 사용자가 제공하는 정보만을 바탕으로 질문에 답합니다.
엄격한 문헌 검토를 통해 인터넷상의 불필요한 정보를 인위적으로 걸러내어 이 분야에 특화된 순수하고 집중적인 지식 기반을 구축하셨습니다.
3단계: AI 간 전투 (소요 시간: 1~3.5시간)
이것이 전체 워크플로의 핵심입니다. 서로 다른 특성을 가진 AI들이 지식 기반 내에서 상호 참조하여 구조화된 지식 경로와 논리적 추론을 형성하고, 궁극적으로 자체적인 통찰력을 도출할 수 있도록 합니다.
수동적인 학습을 능동적인 질문으로 대체하세요. (관심을 갖고) 적극적으로 질문하는 것은 두뇌의 사고력을 자극합니다.
핵심 논점을 찾으세요: Claude, Deepseek, Gemini 또는 Perplexity에 "xx 분야와 관련하여 학계/산업계에서 핵심적인 논쟁거리와 그 바탕이 되는 이론적 프레임 무엇인가요?"라고 질문해 보세요.
순환식 질문: 이러한 핵심 논쟁들을 염두에 두고 NotebookLM으로 돌아가서 다음과 같이 질문하십시오. "제가 업로드한 문헌을 바탕으로, 석사 학위 소지자들은 이러한 핵심 논쟁들에 대해 어떻게 답변했습니까? 구체적인 문헌 출처와 추론 논리를 제시해 주십시오."
보다 심층적인 접근 방식: NotebookLM이 생성한 엄밀한 답변들을 복사하여 논리적 분석 능력이 뛰어난 제미니나 클로드에게 보내십시오. 그리고 다음과 같이 지시하십시오. "이러한 관점 비판적으로 검토하여 논리적 오류, 시대적 한계, 또는 맹점을 지적해 주세요. 이를 바탕으로 다음으로 어떤 세 가지 심층적인 질문을 던져야 할까요?"
인지적 나선형 상승: AI가 지적한 취약점과 새로운 질문들을 바탕으로 NotebookLM으로 돌아가 해답을 찾아봅니다.
실습 교육
"LLM(대규모 언어 모델)이란 정확히 무엇인가요?"라는 질문을 예로 들어 설명하겠습니다 .
1단계: 단서를 따라가기 (소요 시간: 0.25시간)
제미니와 클로드에게 둘 다 물어봤는데, 어머, 너희들이 그런 대답을 하다니!
쌍둥이자리 
클로드그러다 갑자기 중학교 선생님이 과학 이론은 과거, 현재, 미래와 연결되어야 한다고 했던 말이 떠오릅니다. 그래서 인공지능에게 핵심 논문들이 어떤 논문들을 참고했는지(보통 "문헌 고찰" 부분에 나옵니다), 그리고 그 핵심 논문들을 인용한 후속 논문들은 무엇인지 조사해 달라고 요청하고, 인공지능이 관련 자료들을 걸러내도록 합니다.
2단계: 체계적인 지식 기반 구축
LLM의 일부 고유 기능과 AI 권한 요구 사항으로 인해 수동으로 다운로드해야 합니다(또는 가재 에게 다운로드를 부탁할 수도 있습니다).
일반적으로 말하자면, https://scholar.google.com/ 과 https://arxiv.org/ 이면 충분합니다.
다운로드 후 notebooklm에 넣어주세요 (현재 하나의 라이브러리에서 약 300개의 항목을 지원합니다).
3단계: AI 간 전투
Notebooklm에서 간단하고 직관적인 질문을 몇 가지 던져보고, 다른 AI와 함께 이해한 내용을 토론하고 탐구한 다음, 마지막으로 결론을 Notebooklm에 다시 보내 반박, 증명, 보완 및 수정을 요청할 수 있습니다.
Notebooklm의 답변 및 의견:
마인드맵을 직접 만들 수 있을 때까지 이 과정을 여러 번 반복하세요.
좀 더 심화된 학습을 원한다면 Notebooklm에 지식 검증 테스트를 요청할 수도 있습니다.
이제 당신은 이 분야에 대해 어느 정도 이해하고 있을 겁니다 (적어도 전생, 현생, 내생에 대해서는 알고 있으니 누군가 물어보면 5분 더 이야기할 수 있겠죠).
추신
자신만의 "지식 기반"을 저장하고 (Lobster를 이용하면 실시간으로 업데이트할 수 있습니다), 별도의 폴더를 만드세요. 예를 들어, 저는 "계약 거래"와 관련된 이론적인 글들을 모아 별도의 책처럼 만들어 두었습니다. 분석이 필요한 부분이 있으면 이 폴더를 불러와서 데이터와 사례를 설명하고 분석하면 됩니다. 그러면 어떤 환상도 없이 객관적으로 분석할 수 있습니다.
현재의 AI 모델이 심층적인 사고와 분석 능력이 부족한 것이 아니라, 단지 적절한 도구를 사용하지 않고 있는 것입니다. (LLM에서 매우 중요한 매개변수는 제약 조건과 입력 조건입니다.)
인공지능을 활용하는 것은 하나의 능력이지만, 인공지능을 통해 인류에게 힘을 실어주는 것은 또 다른 차원의 문제입니다.
