人工智慧工具 困惑人工智能 和 筆記本LM 它代表了我們研究方法上的範式轉變，但它們遵循的路徑略有不同。
Perplexity 的深度研究功能 它就像一個超級有效率的研究助理。你只需提出問題，它就能掃描多個信息源，總結結果，甚至還能提供原始內容的鏈接，方便你深入了解。它非常適合快速獲取包含背景資訊和來源的答案。
至於谷歌的 NotebookLM他更像是一位熱情過頭的老師。他提取文件、製作影片和播客，然後發布二十個不同版本的你需要的資訊。
1. 如何保持室內植物健康
宣稱：在光線不足的公寓裡，如何讓常見的室內植物健康生長？比較不同植物種類、養護方法、澆水策略，以及任何關於光照水平的可靠園藝研究。
NotebookLM： 在這裡，深入研究的感覺更像是坐在數位課桌前，而不是在網路上快速提問，這令人印象深刻，但對於初次使用者來說可能有點過頭了。
他不滿足於僅僅回答這個問題，而是整理了一份可供個人選擇的 PDF 文件和網絡資源清單，以豐富即將發布的報告，提供了 23 個來源，甚至還有一張“護理五大支柱”的圖表。
雖然有點令人困惑，但細節令人驚嘆，尤其是人工智慧生成的影片。
困惑： 另一方面，Perplexity 提供了簡潔易懂的結果。
雖然不如 NotebookLM 全面，但它更容易管理，也更方便使用者使用。 「連結」標籤提供了更多資訊的直接來源，鼓勵我以自己的步調探索主題。
雖然這需要我花些精力進行一些簡單的閱讀，但我很欣賞這份有來源支持的列表，並且比使用 NotebookLM 更快地得到了答案。
優勝者：NotebookLM
雖然可能有些令人困惑，但 NotebookLM 的回覆非常用心，不僅解答了我的問題，還提供了額外的教育資源來引導我。
2. 類型比較 藥丸早餐
宣稱: 從口味、營養價值和價格三個方面比較三種主流早餐穀物品牌。引用獨立的營養分析、消費者口味測試和近期市場價格數據，並提供清晰、基於事實的排名。
NotebookLM： NotebookLM 再次展現了其面向多源研究的工作空間特性。當我讓它分析前三名的早餐麥片時，它首先呈現了分析結果。
然後，他根據 22 個來源的數據，結合銷售排名和營養標準（如纖維、糖分甚至口味），提供了詳細的分析。
困惑： 相比之下，Perplexity 採取了完全不同的方法。它不是圍繞主題建立工作區，而是直接提供一個結構化的答案，將表格、圖表和文件證據全部放在一個頁面上。
他還製作了簡單的圖表，以易於理解的方式呈現主要訊息。
它甚至計算了每月成本的變化，並考慮了健康因素，例如對纖維敏感人群的纖維耐受性。所有內容都組織得井井有條，易於理解，頂部有指向來源的連結和清晰命名的文件。
獲勝者：困惑
Perplexity 提供了一個簡潔而有效的解決方案，將所有資訊整合到一個清晰的格式中。雖然 NotebookLM 的表現也不錯，但它給人的感覺是資訊過載，呈現了太多額外訊息，反而讓人感到困惑。
3. 評估大眾運輸應用
宣稱： 評估哪些公共交通應用程式能夠為英國布里斯托市提供準確的即時資訊。評估資料來源、更新頻率、使用者產生報告的準確性、隱私保護措施以及任何第三方審計。
NotebookLM： 等了幾分鐘NotebookLM的報告後，我突然感到困惑：「這些文件共同定義了公共交通數據和即時資訊系統的格局，主要關注英國和新加坡的公交服務。」我的問題明明是關於我提到的那個城市的，所以我不明白為什麼會提到新加坡。
這些圖表顯示了開放資料標準如何提升所有使用英國資料來源的交通應用程式的即時公車資訊的準確性和可靠性。然而，這些圖表並未選出最佳應用程序，也未涉及用戶評價、隱私保護或應用程式審核等問題；因此，您可能需要就這些因素進行進一步研究。
困惑： 與此同時，Perplexity 在其總結中立即給出了一個直截了當的答案：“對於布里斯托爾居民來說，Bustimes.org 已成為一個值得信賴的實時公交信息來源，它結合了來自多個官方來源的數據，並採取了嚴格的透明度措施……”
隨後是一些關鍵章節，例如布里斯託的主要交通應用、數據來源和更新頻率、用戶提交報告的準確性問題、數據品質、隱私慣例以及其他相關章節。
獲勝者：困惑
儘管 Perplexity 的文字內容繁多，但最終還是提供了我想要的答案，而我僅憑摘要就得出了結論。相比之下，NotebookLM 似乎只是一個空洞的演示，缺乏實質內容。
4. 10分鐘就能做好的健康零食
宣稱：列出一些我可以在家10分鐘內做好的健康零食。優先考慮符合科學營養指南的零食，包括食材表，並解釋不同零食之間的營養差異。
NotebookLM： NotebookLM 根據 22 個來源製作了一份題為「飽足感和策略性零食：蛋白質、脂肪和體重管理」的摘要。
它看起來比實際需要的要複雜得多，而且，它並沒有提供我想要的答案。它提供了大量的資訊……基本上什麼都有，只有沒有我提到的健康零食建議。
困惑： Perplexity 在這方面沒有讓人失望，他們完全按照要求完成了任務並證明了這一點：“這裡有幾種你可以在家10分鐘內製作的健康零食，每種零食都附有配料表和基於科學證據的營養指南。這些選擇優先考慮全食物和宏量營養素平衡，並解釋了它們的營養權衡。”
深入研究後，我們整理出了 10 個食譜，並列出了每個食譜的食材、營養成分和替換建議。
在「連結」和「圖片」標籤中，我找到了各種權威資源，這些資源補充了「答案」標籤中的摘要結果。
獲勝者：困惑
Perplexity確實完成了我交給它的任務。 NotebookLM也只是徒有其表，缺少一些關鍵的核心功能。
5. 冬季減少家庭用電量
宣稱：請闡述冬季家庭節能減排最有效的方法。重點介紹有數據支持的策略、成本節約、房屋隔熱、電器能效提升以及可靠研究支持的行為改變。
NotebookLM： NotebookLM 提供了“住宅節能策略的全面總結，重點是技術升級和行為改變”，這與取得相關成果相一致。
它還提供了引人入勝的幻燈片演示，甚至還有播客，這真是太棒了。就家庭能源效率而言，NotebookLM 的表現非常出色。
困惑： Perplexity 的成果在設計、互動性和可讀性方面都明顯遜色。考慮到能源效率本身就是一個複雜的主題，我原本期望至少能有一些圖表來幫助闡明要點。
然而，它嚴重依賴文字和看似無休止的滾動瀏覽。除非你主動切換到「連結」或「圖片」標籤頁，否則很難吸引你的注意力，讓你保持參與或互動。這些標籤頁提供了一些部落格和網站連結來佐證其研究結果，而圖片則展示了註明出處的圖表。
優勝者：NotebookLM
在這裡，筆記本中的補充細節發揮了作用，不僅完整地回答了我的問題，而且回答得自然而有趣。
總冠軍：困惑
兩個模型都盡力回答了我的問題。雖然競爭非常激烈，但Perplexity最終卻險勝。
這是因為 Perplexity 更注重細節，而 NotebookLM 則更傾向於視覺效果。有時這種做法效果極佳，能夠產生詳盡且引人入勝的報告；但有時，這種重點卻會適得其反。
這在某些時候也會導致資訊量的增加。雖然「困惑度」這個概念本身並不完全有趣，但總體而言它更有用。
評論被關閉。