אנדריי קרפתי ומהפכת ה-Second Brain: איך להפסיק לתייק ולהתחיל להבין

רובנו סובלים מאותה בעיה: אנחנו אוגרים מידע. אנחנו שומרים לינקים ב-Pocket, כותבים הערות חטופות ב-Notion, מצלמים מסכים ושולחים לעצמנו הודעות בווטסאפ. הבעיה היא שניהול ידע אישי (PKM) הופך מהר מאוד למשרה שנייה. בשלב מסוים, כמות האנרגיה שנדרשת כדי לתייק, לקשר ולסדר את המידע עולה על התועלת שמפיקים ממנו. התוצאה? אנחנו מפסיקים לעדכן, והמערכת הופכת לבית קברות דיגיטלי של רעיונות.

אנדריי קרפתי (Andrej Karpathy), לשעבר המנהל הטכני של Tesla וממייסדי OpenAI, מציע גישה רדיקלית לפתרון הבעיה. במקום שאנחנו נהיה אלו שעובדים עבור המידע שלנו, הוא מציע להפוך את מודל השפה (LLM) ל"מנהל העבודה" של המוח השני שלנו.

הבעיה: עומס תחזוקה (Maintenance Overhead)

לפי קרפתי, הסיבה שמערכות כמו Obsidian או Notion קורסות היא לא חוסר בכלים טובים, אלא הנטל הקוגניטיבי. בני אדם גרועים בלשמור על עקביות לאורך זמן. אנחנו שוכחים לתייג, אנחנו יוצרים כפילויות, ואנחנו לא תמיד זוכרים לקשר בין רעיון חדש שקראנו היום למשהו שכתבנו לפני שנתיים.

במודל המסורתי, המשתמש הוא גם הכתב, גם העורך וגם הארכיבאי. קרפתי מציע פיצול תפקידים: המשתמש מספק את חומרי הגלם, והמודל אחראי על כל השאר.

שלוש השכבות של המערכת

הארכיטקטורה שקרפתי מציע מבוססת על הפרדה מוחלטת בין הקלט לתוצר:

1. •שכבת ה-Raw (בבעלות המשתמש): זוהי תיקייה שבה נזרק הכל. הקלטות קוליות, מאמרים גולמיים, פתקים מהירים. הכלל החשוב ביותר? לעולם לא עורכים את הקבצים האלו. הם נשארים כמקור האמת הגולמי (Source of Truth).
2. •שכבת ה-Wiki (בבעלות המודל): כאן קורה הקסם. זהו מאגר של דפי Markdown מסודרים, מסוכמים ומקושרים. המשתמש לא כותב כאן מילה. המודל קורא את ה-Raw, מעבד אותו, מעדכן דפים קיימים או יוצר דפים חדשים בתוך הוויקי האישי.
3. •שכבת החוקים (The System Prompt): קובץ הנחיות שמגדיר למודל איך הייתם רוצים שהידע שלכם ייראה. האם אתם מעדיפים סיכומים בנקודות? האם חשוב לכם קישור למקורות? כאן אתם מגדירים את ה"טון" של המוח השני שלכם.

"הידור" במקום "שליפה": למה RAG זה לא מספיק

כיום, רוב הפתרונות מבוססים על RAG (Retrieval-Augmented Generation) – המודל מחפש קטעים רלוונטיים בתוך ערימת הקבצים שלכם רק כשאתם שואלים שאלה. קרפתי טוען שזה פלסטר.

הוא מדבר על תהליך של הידור (Compilation). המודל רץ ברקע ומעבד את המידע לפני ששאלתם. הוא מזהה שסתירה בין פתק מ-2022 למאמר שקראתם היום, הוא מיישב אותה או מציין אותה כנקודה למחשבה. התוצאה היא לא רק מנוע חיפוש משוכלל, אלא גוף ידע שצומח ומעמיק באופן עצמאי. המודל לא רק "מוצא" מידע, הוא "מבין" את הקשרים בתוכו.

איך מיישמים את זה בפועל?

כדי להתחיל ליישם את הגישה הזו, לא צריך להיות מהנדס ב-OpenAI, אבל כן צריך שינוי תפיסה:

• •עבודה עם קבצי טקסט פשוטים: עברו להשתמש בפורמט Markdown. זה הפורמט שבינה מלאכותית הכי אוהבת לצרוך ולייצר.
• •אוטומציה של הסריקה: ניתן להשתמש בסקריפטים פשוטים של Python או בכלי אוטומציה כמו Make.com שמזהים קובץ חדש בתיקיית ה-Raw ושולחים אותו לעיבוד ב-API של GPT-4o או Claude 3.5 Sonnet.
• •שימוש ב-LLMs מקומיים: למי שחושש לפרטיות, ניתן להריץ מודלים כמו Llama 3 באופן מקומי על המחשב בעזרת Ollama, כך שהמידע האישי לעולם לא עוזב את המכשיר.

סיכום: העתיד הוא סינתטי

החזון של קרפתי הופך את ניהול הידע מחובה מעיקה לכלי עבודה עוצמתי. כשאנחנו משחררים את עצמנו מהצורך לסדר תיקיות ולתייג תגיות, אנחנו מתפנים לדבר החשוב באמת: חשיבה, יצירה ופתרון בעיות.

בעולם שבו כמות המידע רק הולכת וגדלה, היכולת לבנות מערכת ש"מעכלת" את המידע עבורנו היא לא מותרות – היא הכרח. הגיע הזמן להפסיק להיות הארכיבאי של עצמך ולהתחיל להיות האוצר של הידע שלך.

רוצים להעמיק עוד?

• •עקבו אחרי הטוויטר של אנדריי קרפתי לעדכונים על פיתוחים בתחום ה-LLM OS.
• •למדו עוד על שיטת ה-Second Brain של Tiago Forte.