NotebookLM: Google의 AI 기반 메모 작성 앱 실습

노트로 대화를 나눌 수 있다면 어떨까요? Dropbox, Box, Notion 등과 같은 회사가 이미 시스템에 있는 데이터와 상호 작용하고 새로운 것을 만들 수 있는 창의적인 AI 도구를 구축함에 따라 이 질문이 최근 인터넷의 한 구석을 점령했습니다.

Google 버전은 다음과 같습니다. LM노트. 노트를 정리하고 상호 작용하는 데 도움을 주는 AI 기반 검색 도구입니다. (구글은 올해 초 프로젝트 테일윈드(Project Tailwind)로 발표했지만 빠르게 이름을 바꿨습니다.) 지금은 프로토타입일 뿐이지만 회사 내의 소규모 팀이 AI 노트북이 어떤 모습일지 알아내려고 노력하고 있습니다. 궁극적으로 NotebookLM이 살아남는다면 이는 Google Docs의 기능이거나 모든 파일을 수집하고 이해할 수 있는 Drive 내 도구가 될 가능성이 높습니다. 하지만 지금은 자체 앱만 존재합니다.

저는 지난 2주 동안 NotebookLM을 사용하여 앱의 기능을 테스트하고 AI 연구 도구가 내 작업 흐름에 적합한지 확인하려고 노력했습니다. 아직 올바른 답을 찾았는지 확신할 수 없고, 기술이 완전히 준비되어 있는지도 모르겠습니다. 그러나 나는 내가 관심 있는 모든 것, 그 외에는 거의 훈련되지 않은 개인화된 AI가 매우 강력할 것이라는 확신이 점점 더 커지고 있습니다.

NotebookLM 사용을 시작하려면 새 프로젝트를 만들어야 합니다. 내 경우에는 스프레드시트의 역사와 문화에 대해 많은 연구를 하고 있었기 때문에 프로젝트 이름을 스프레드시트의 역사라고 명명했습니다. (지능적이죠?) 그런 다음 앱에서 소스 추가를 시작하라는 메시지를 표시했습니다. 현재는 Google Docs만 허용하고 가져오지만 최종 형태에서는 다른 많은 유형의 정보를 수신할 것으로 보입니다. 각 프로젝트에는 최대 5개의 리소스가 포함될 수 있고 각 리소스의 길이는 최대 10,000단어일 수 있지만 Google 직원이 그렇게 알려줘서 알게 되었습니다. 너무 많거나 너무 큰 리소스를 가져오려고 하면 NotebookLM이 조용히 실패합니다. 팀에서 오류 메시지를 맞춤설정하지도 않았을 정도로 앱이 새롭습니다. 다시 말하지만 프로토타입입니다.

그러나 약간의 시행착오 끝에 나는 출처를 얻었습니다: Stephen Levy의 중요한 책의 사본지식의 스프레드시트 방법스토리, 에 블로그 게시물 시리즈 Laine Nooney 책의 일부인 VisiCalc 제작자 Dan Bricklin의 글 애플 II 시대그리고 수천 단어의 기타 수집된 연구 자료도 있습니다. 각 리소스를 가져올 때 NotebookLM은 문서를 요약하는 단락과 주요 주제 목록 및 질문 제안을 포함하는 “소스 가이드”를 생성합니다. 전반적으로 증거는 꽤 좋았습니다. Levi의 이야기에는 Electronic Spreadsheets, VisiCalc, Lotus 1-2-3, Spreadsheet Modeling, Spreadsheets and Decision Making이 나타났습니다.” 그 중 세 개는 동일한 내용의 변형이지만 스프레드시트에 대한 긴 기사입니다. 대부분의 주요 주제는 스프레드시트입니다.

NotebookLM이 존재하는 이유는 이러한 문서와 상호 작용할 수 있는 새로운 방법을 제공하기 위해서입니다. 연구를 정리하거나 강화하기 위한 도구라기보다는 본질적으로 귀하가 제공한 소스를 하나씩 또는 한꺼번에 참조할 수 있도록 특별히 훈련된 챗봇입니다. Levy의 예에서 소스 가이드에 제안된 질문 중 하나는 “스프레드시트를 사용하면 어떤 이점이 있습니까?”였습니다. 내가 NotebookLM 채팅 소프트웨어에 대해 질문했을 때 그는 잠시 생각한 후 초기 컴퓨터 사용자에게 스프레드시트를 매우 강력하게 만들어주는 5가지 기능을 제시했습니다. 대답은 전체 웹을 기반으로 한 것이 아닙니다. 그것은 전적으로 내가 이 구글 문서에 붙여넣은 5,000여 단어를 기반으로 한 것입니다.

(여담: 이러한 모든 전용 AI 도구에는 분명히 엄청난 개인 정보 보호 문제와 우려 사항이 있습니다. 하지만 이 경우에는 걱정하지 않습니다. 어쨌든 모든 데이터는 이미 다른 Google 제품에 있으므로 확신할 수 없습니다. (큰 언어 모델 분석은 완전히 다른 문제입니다. 그러나 모든 AI와 마찬가지로 데이터가 어디로 가고 어떻게 사용될 수 있는지 항상 신중하게 생각해야 합니다.)

물론, 당신이 생각할 수 있는 다른 질문을 할 수도 있습니다. 저는 결국 사물 간의 공통점을 찾기 위해 주로 NotebookLM을 사용하기 시작했습니다. 이 모든 문서에 가장 자주 등장하는 사람들은 누구입니까? 가장 자주 참조되는 링크는 무엇입니까? 이 분야의 주요 경쟁자는 무엇입니까? 몇 가지 질문을 통해 일반적으로 추가 연구를 위한 좋은 출발점을 얻을 수 있습니다. “여기서 가장 놀라운 정보는 무엇입니까?”와 같은 질문을 할 수도 있습니다. 그리고 가끔 흥미로운 예를 들어보세요. NotebookLM은 문서 요약이나 개요를 생성하여 연구 결과를 좀 더 쉽게 탐색할 수도 있습니다.

각 답변과 함께 NotebookLM은 인용문을 제공합니다. 기본 모델은 단순히 텍스트를 찾아 반환하는 것이 아니기 때문에 정확히 소스가 아닙니다. 지도의 지점과 마찬가지로 NotebookLM이 질문과 가장 관련성이 있다고 판단한 10개의 텍스트를 그룹화하여 답변을 제공하는 데 사용했습니다. NotebookLM은 “속도”가 스프레드시트의 중요한 특징이라고 말했습니다. Levy가 스프레드시트를 작성해서가 아니라 이 근본적으로 더 빠른 도구를 사용하여 수행할 수 있는 작업에 대해 이야기하는 경영진 그룹의 말을 인용했기 때문입니다.

지금까지의 경험에 따르면 인용문과 답변 사이의 관계는 때로는 명백하고 때로는 매우 혼란스럽습니다. 하지만 저는 그것이 효과가 있음을 보여주려는 모델의 접근 방식을 좋아합니다. 대부분의 경우, 나는 답변 자체보다 인용이 훨씬 더 도움이 된다는 것을 알았습니다. NotebookLM이 수행하는 실제 합성과 답변은 다소 신뢰할 수 없지만 내 질문과 관련된 정보를 식별하는 데는 정말 효과적입니다.

NotebookLM 담당 제품 관리자인 Raiza Martin은 내 경험이 다른 NotebookLM 사용자의 경험과 일치하는 것 같다고 말합니다. “출처 증거와 인용은 가장 많이 요구되는 가장 중요한 두 가지 기능입니다.”라고 그녀는 말합니다. “또한 점점 더 많은 사람들이 ‘아, 뭔가 읽어야 해서 소스 디렉토리를 만들려고 노트북에 넣어두는 중’이라고 말하는 등 행동의 변화도 목격하고 있습니다. (Google의 모든 사람 NotebookLM을 ‘Notebook’이라고 부르는 것 같습니다.) 원하는 것을 가져가세요.)

Martin은 궁극적으로 그녀가 찾고 있는 것 중 하나는 사람들이 인터넷이 아닌 개인 데이터에 대해 교육을 받을 때 봇과 어떻게 다르게 상호 작용하는지 배우는 것이라고 말합니다. “상황을 충분히 바꾸면 사용자 행동이 바뀌나요?” 그녀는 묻는다. “그리고 우리가 찾은 것은 그가 그렇게 한다는 것입니다.” 사용자들은 단순히 AI에게 파란 하늘 질문을 하기보다는 대상 정보에 대한 조사와 검증을 더 많이 하는 것으로 보입니다.

인터넷에 대해 말하면 NotebookLM의 이상한 기능 중 하나는 문서에 없는 내용을 실제로 알고 있다는 것입니다. 한번은 내가 업로드한 단일 문서에 언급되어 있지만 이름만 있고 다른 정보는 없는 이전 Excel 경쟁업체에 대한 정보를 요청했고, NotebookLM은 창립 시기와 활동에 대한 몇 가지 배경 정보로 답변했습니다. 내 문서는 이것을 몰랐습니다! 무엇을 주는가?

오랫동안 저자이자 Google Labs의 NotebookLM 작업 편집장인 Stephen Johnson은 팀이 이러한 상황에서 무엇을 해야 할지 고민했다고 말합니다. “모델이 알고 있는 몇 가지 일반 지식이 실제로 매우 정확하다는 것이 확실히 있습니다.” 이것이 얼마나 사실인지, 이 프로세스를 사용자에게 어떻게 보여줄지는 지속적인 질문입니다. Johnson은 “모델이 ‘죄송합니다. 이 정보는 귀하의 출처에 없습니다.’라고 말할 수 있도록 미세 조정하는 데 많은 시간을 보냈습니다. 그리고 그러한 종류의 겸손과 투명성은 비즈니스에 있어서 좋은 것입니다.”라고 말했습니다. MBA.” 하지만 그녀는 가능할 때 도움을 주려고 노력해야 합니다. 그렇죠? “우리는 이를 얼마나 혼합했는지 파악하려고 노력하고 있으며, 사용자에게 ‘이것은 귀하의 소스에는 없지만 웹에서 얻은 몇 가지 일반적인 지식이나 지식이 있습니다.’라는 점을 사용자에게 명확하게 전달하려고 노력하고 있습니다.”라고 Martin은 말합니다. .

모델 개선 및 상호 작용 작업 외에도 Google의 NotebookLM에 대한 또 다른 대규모 프로젝트는 NotebookLM을 물리적 메모 작성을 위한 더 나은 앱으로 만드는 것입니다. 지금은 챗봇의 답변을 복사하여 붙여넣거나 기억하는 내용을 적고 싶을 때를 대비해 매우 간단한 초안 보드를 얻을 수 있지만 실제로는 그게 전부입니다. 장기적인 대답은 NotebookLM을 Keep이나 Docs에만 연결하는 것일 수도 있지만, NotebookLM은 시간이 지나면서 더욱 완전한 메모 앱으로 바뀔 수도 있습니다. (동일한 유형의 제품을 수천 가지 버전으로 출시하는 Google의 경향을 고려하면 마지막 결과가 나올 것으로 예상됩니다.)

NotebookLM을 사용한 지 몇 주 후에도 제가 모든 작업을 수행하는 방식은 완전히 바뀌지 않았습니다. 그러나 나는 많은 조직적 혼란과 키워드 검색보다 피드백과 상호작용하는 더 나은 방법이 있다는 생각을 전적으로 지지합니다. 그리고 Google이 NotebookLM이 내 콘텐츠와 더 넓은 웹에서 안정적으로 작동하도록 하고 Google이 나에 대해 이미 알고 있는 모든 것과 상호 작용할 수 있는 방법을 알아낼 수 있다면 이는 인터넷에서 가장 강력하고 개인적인 챗봇이 될 수 있다는 것이 분명해 보입니다. 우리는 확실히 아직 프로토타입 단계에 있지만 잠재적으로 거대한 무언가를 향해 나아가고 있습니다.