以下は参考文献を私が個人的に整理したものです。
NotebookLMの利用用途
1. オープンエンドの思考とアイデアを探求
「すべてのノートブック」を保持します。ほとんどの日に作業する一般的な知識を含むソースをロードします。
ソース：読んだ本からの心に強く訴える引用、あなたが働いている会社を説明するコア文書、長年にわたって捉えたすべてのブレーンストーミングのアイデア
プロジェクトの情報共有や文書執筆
効果的にチームの別のメンバーを持つようなパーソナライズされたAIを作ります。例：「先週議論していたその機能のブログ投稿の概要をドラフトする」
まずトピックまたはプロジェクトベースの単一のノートブックを作成します。次に以下のような関連するすべてのソースを保存します：すべてのプレスリリース、新機能の説明、チームとして書いている重要な内部ドキュメント。
小説の執筆などの創造的な用途
ファンタジーやSF小説の執筆や、世界の構築や複雑なバックストーリーに取り組んでいるゲームを開発することなどができます。
まず以下のようなソースを追加します：いくつかのメモ、さまざまなウェブページを保存、インスピレーションとして撮った写真やビデオ。次に以下のようなプロンプトを使用します：「どのキャラクターが最も説得力があると思いますか？」「あなたの好きな部分は何ですか？」。
NotebookLMが抱えている課題と対策
1. 特定の操作が手間
NotebookLMを閉じるとチャットが失われてしまう
対話中に集めた洞察を失いたくないときは、チャットの最後に、ノートブックルムに、会話の重要なポイントをそのノートに入れる単一のノートに要約するように依頼します。
Webページをインポートするのが手間
Chrome拡張を使用しましょう：WebSync full site importer for NotebookLM - Chrome ウェブストア — https://chromewebstore.google.com/detail/websync-full-site-importe/hjoonjdnhagnpfgifhjolheimamcafok
参考として、他にもNotebookLMのChrome拡張はいくつかあります：Chrome ウェブストア - 検索結果 — https://chromewebstore.google.com/search/notebooklm
2. NotebookLMによるソースの分析精度が悪い
ノートブックを分割しましょう
ドキュメントが長くなると分析の精度が悪くなるため、小説や長編ドキュメントの精度を向上させる必要が生じます。このようなときは以下の方法で対策することができます：
章やセクションごとにノートブックを分割し、要約をソースに追加します。すなわち、特定の章をレビューする際に、前の章の要約を作成し、新しい章と一緒にNotebookLMのソースとして使用します。これにより、AIが背景情報を理解しやすくなります。
ソースを比較分析しましょう
NotebookLMで大量のファイルを扱う際に、すべてのソースが均一に扱われる傾向があります。
どういうことかというと、NotebookLMでは、大量のドキュメントをソースとしてアップロードした場合、AIはこれらのソースを区別せずに、全体を一つの大きなテキストとして扱う傾向があります。これは、個々のドキュメント間の微妙な差異や、特定のドキュメントに特有の情報を識別することが難しくなることを意味します。
例えば、100件以上の履歴書をアップロードして、特定の職務記述書に合致する候補者を抽出するようなケースでは、NotebookLMは個々の履歴書を別々のエンティティとして認識せず、すべての履歴書をプールとして扱う可能性があります
この問題に対しては「ソースの比較」機能が便利です。これは、どのソースが使われているかを確認する方法です。
具体的には、「ソースを比較する」というプロンプトを使用します。これにより、引用を基に参照元ファイルを確認します。特に多数のファイルを扱う場合に有効です。
また、特定のテーマや質問に関する情報を複数のソースから抽出するようにNotebookLMに指示することで、ソース間の相違点や共通点を明確にすることができます
オーディオ概要を利用することもできます。複数のソースをアップロードした後、オーディオ概要を生成することで、NotebookLMがどのようにソースを解釈し、統合しているかを確認できます。異なるプロンプトを使用して複数のオーディオ概要を作成し、それらを比較することで、より多角的な分析が可能になります
Anki形式でのフラッシュカード作成も有効です。プロンプトを具体的に指定することで、Ankiの形式でフラッシュカードを作成し、ソースの内容を比較検討することができます
引用元を特定できます：NotebookLMが生成したテキストや回答の中に、特定の情報や主張が含まれている場合、その情報がどのソースから引用されたものなのかを「ソースの比較」機能で確認します。
AIがドキュメントの関連性をどう分析しているか、わからないときは、ドキュメントの関連性を確認しましょう。複数のドキュメント間で、特定のテーマやキーワードに関する情報がどのように分布しているかを「ソースの比較」機能で分析します。これにより、ドキュメント間の関連性や、特定の情報がどのドキュメントに集中しているかを把握することができます。
命名規則によってソースを整理しましょう
適切な命名規則を設定します。
バージョン管理：ソースを更新する際には、バージョン番号を名前に追加することで、変更履歴を管理できます。例えば、「document_v1」、「document_v2」のように命名することで、最新バージョンと過去のバージョンを区別できます。
グルーピング：関連するソースをグループ化するために、共通のプレフィックスまたはサフィックスを使用することを検討してください。例えば、「projectA_report1」、「projectA_report2」のように命名することで、プロジェクトごとにソースを整理できます。
コンテキスト：プロジェクトの背景情報をソースとして追加する場合は、「bg-info_プロジェクト名」のように命名することで、背景情報であることを明確にできます。
ファイル形式：ファイル名に拡張子を含めることで、ファイルの種類を明確にできます。例えば、「report.pdf」、「summary.txt」のように命名します。
AIが特定のソースに焦点を当てるようにしたい
コンテキストを明示的に提供します。
ビジネスアイデアなど、質問の背景となる情報をNotebookLMのソースとして追加します：質問をする際に、「bg-info (ソースの名前)を背景情報として使用して」のように指示することで、毎回同じコンテキストを記述する手間を省けます。
プロンプトを工夫します：NotebookLMに質問や指示を与える際に、具体的なキーワードや条件を含めることで、AIが特定のソースに焦点を当てやすくなります。例えば、「〇〇というテーマについて、AというドキュメントとBというドキュメントを比較してください」のように指示することで、より精度の高い分析が期待できます。
3. 回答に問題があり、調節したい
不要な要素が入ってしまう
ネガティブプロンプト：「～しないで」という指示を含めることで、不要な要素を排除できます7。例えば、「Don’t make it sound so AI-like. don't take a break in the program. don't mention: "Deep dive" ABSOLUTELY NO FILLER WORDS」というプロンプトがあります
特定の層に合わせた説明を出力したい
対象読者の指定: 若者向けの説明を求める際に、「use gen z brainrot social media slangs to explain each concept」のようなプロンプトを使用することで、特定の層に合わせた説明を得ることが可能です。
特定の専門的な視点からの分析をさせたい
役割の具体化：単に「専門家」としてだけでなく、「〇〇分野の専門家」のように具体的に役割を指定することで、より専門的な視点からの回答を期待できます
4. その他
情報が不足しているドキュメントがどれか、わからない
情報ギャップを発見する方法です。特定のテーマについて、情報が不足しているドキュメントを「ソースの比較」機能で特定します。これにより、追加の調査や情報収集が必要なドキュメントを効率的に見つけ出すことができます。
DeepResearchの結果をNotebookLMで分析したい
レポートをGoogleドキュメントに変換し、ソースとして追加します。
別の方法として、websync full site importer Chrome拡張機能を使用する方法があります。この拡張機能を使うと、DeepResearchからNotebookLMにすべての情報を直接取り込むことができます。具体的には、DeepResearchのすべてのソースがNotebookLM内の個別のソースとして扱われるようにインポートされます。
参考文献
- Google NotebookLM を使い始める方法
- GoogleのNotebooklmを始める方法 — https://blog.google/technology/ai/notebooklm-beginner-tips/
- NotebookLMのDiscord
