タブ過負荷の問題
開いているブラウザタブを数えて恥ずかしさを感じたことがあれば、あなたは一人ではありません。ナレッジワーカー、研究者、ジャーナリスト、学生は定期的に数十個、時には数百個の開いたタブを蓄積しています。これは、読むつもりのアーティクル、見るつもりのビデオ、フォローアップする予定のリサーチスレッドを表しています。問題は怠け者ではありません。Webが情報を配信する方法と、人間の記憶がどのように機能するかの根本的なミスマッチです。私たちは興味深いコンテンツに断続的に遭遇しますが、それを整理して取得する能力ははるかに遅れています。
ブックマークマネージャーは長い間、ソリューションを約束してきました。彼らは主に失敗しました。リンクをフォルダに手動で保存し、説明を書き、タグを選択する摩擦は、ほとんどの人が数週間以内に習慣を放棄するか、検索不可能なブックマークの墓地を作成することを意味します。Pocketや Instapaper などの後で読むアプリは、問題の一部に対応しています。アーティクルを保存しているですが、それでも手動キュレーションが必要であり、発見機能が限定されていました。それらのどれもビデオ、リサーチPDF、Webクリップを統一された方法で処理していません。
KaraKeepが実際に行うこと
KaraKeepは異なるアプローチをとります。事前に組織的な作業を行うようユーザーに求める代わりに、AIを使用して分類を自動的に処理します。リンクを保存する場合（ロングフォームアーティクル、YouTubeビデオ、Redditスレッド、学術プレプリントのいずれであっても）、KaraKeepはコンテンツを取得し、サマリーを生成し、主要なトピックを抽出し、インテリジェントに整理された個人の知識ベースにアーカイブします。
このシステムは、任意のWebページに1クリック保存ボタンを追加するブラウザ拡張機能を通じて動作します。舞台裏では、AIはURLとタイトルだけでなく、ページの完全なコンテンツを読み取ります。それは主題を特定し、コア引数または情報を抽出し、関連する概念でタグを付け、ライブラリに既存の関連アイテムにリンクします。結果は、より乱雑になるのではなく、時間とともにより有用になるコレクションです。
検索はKaraKeepが価値を証明する場所です。正確なキーワードマッチを必要とする代わりに、システムはセマンティッククエリを理解します。2月に保存されたタンパク質折り畳みに関するアーティクルを検索したり、ニューラルネットワークアーキテクチャに関するYouTubeビデオを検索したりでき、これらの正確なフレーズが保存されたコンテンツに表示されなかった場合でも正確な結果を受け取ります。AIはそれぞれのアイテムを読んで理解しているため、文字通りの文字列ではなく概念的な意図を照合できます。
YouTubeとビデオ統合
ビデオは技術知識を共有するための主要な方法の1つになっていますが、個人的な知識管理に関しては歴史的に最も悪い形式です。KaraKeepはYouTubeビデオの保存時の自動トランスクリプトと検索のためのトランスクリプトのインデックス作成によってこれに対処します。量子コンピューティングに関する2時間の講義を保存して、プレゼンテーターが不一貫性を説明した特定のセグメントを後で検索できます。その瞬間に直接ジャンプできます。
この機能は、教育コンテンツにYouTubeを使用する研究者と学生にとって特に価値があります。それはパッシブな視聴を検索可能なアーカイブに変換します。システムのAIサマリーと組み合わせることで、長いビデオでさえ要点の概要に凝縮されます。古い保存に戻ることは非常に少なくなります。
研究ワークフローアプリケーション
継続的なリサーチを行う人々（仕事、学術プロジェクト、個人的な関心など）の場合、ツールのクラスタリング機能は際立っています。KaraKeepは関連する保存を自動的にグループ化し、ユーザーが無意識に気付かなかった可能性のあるソース間の接続を表示します。6ヶ月にわたってエネルギー貯蔵技術に関するアーティクルを断続的に保存してきた場合、システムはこれらの保存をクラスタ化し、収集されたソース全体の反復的なテーマ、異議を唱える主張、知識ギャップを示す合成ビューを生成できます。
この合成機能は、AIの生産性ツールのより広い傾向を反映しています。単なる検索から意味のある作成への移動。情報を保存するだけのツールは収益の減少があります。ユーザーがその情報を理解し、接続するのを助けるツールは複合値を提供します。
プライバシーとデータに関する考慮事項
個人的な知識ベースには、人の興味、リサーチ、専門的な仕事、知的生活に関する機密情報が含まれています。KaraKeepは、クラウドホスト型と自己ホスト型の展開オプションの両方を提供しており、読書習慣をサードパーティサーバーで処理することを望まないユーザーの懸念に対処しています。自己ホスト版にはより多くの技術セットアップが必要ですが、すべてのコンテンツとAI処理をローカルに保ちます。
クラウドストレージに満足しているユーザーの場合、サービスは転送中および保存中に保存を暗号化します。同社は、ユーザーコンテンツがAIモデルのトレーニングに使用されないことを述べた明確なデータポリシーを公開しています。これは、ユーザーデータを定期的に収集するAIサービスの現在の風景を考えると意味のあるコミットメントです。モデルの改善のために。
生産性AIの大きな変化
KaraKeepのアプローチは、AIが生産性ソフトウェアに統合される方法の成熟を反映しています。アプリの初期のAI機能は、要約の生成、オートコンプリートの提案などのパーティーのトリックである傾向がありました。より説得力のあるアプリケーションは、AIを使用して組織自体の認知的オーバーヘッドを処理し、ユーザーをファイリングと取得の代わりに、読書、思考、作成の実際の仕事に焦点を当てるために解放します。
タブ過負荷の問題は消えていません。もしそうなら、コンテンツの爆発（ニュースレター、テキストに変換されたポッドキャスト、ロングフォームビデオエッセイ、arXivに投稿されたアカデミックプレプリント）は、課題が加速していることを意味します。このフラッドをインテリジェントに管理できるツールはもはや便利ではありません。真摯なナレッジワーカーにとって、それらは不可欠なインフラストラクチャになりつつあります。
この記事はZDNETのレポートに基づいています。オリジナルのアーティクルを読む。
Originally published on zdnet.com
