مقارنة بين NotebookLM و Perplexity في البحث المعمق: تقييم بناءً على 5 استعلامات بحثية معقدة
تعتبر أداتا الذكاء الاصطناعي Perplexity AI و NotebookLM بمثابة نقلة نوعية في طريقة تعاملنا مع البحث، إلا أنهما تتبعان مسارات مختلفة بعض الشيء.
خاصية Deep Research من Perplexity أشبه بوجود مساعد بحثي فائق الكفاءة. تسأله سؤالاً، فيقوم بمسح مصادر متعددة، وتلخيص النتائج، وحتى يزودك بروابط للمحتوى الأصلي إذا أردت التعمق أكثر. إنه رائع للحصول على إجابات سريعة مصحوبة بالسياق والمصادر.
أما Google’s NotebookLM، فهو أشبه بمعلم متحمس أكثر من اللازم. يستخرج المستندات، وينشئ مقاطع فيديو وبودكاست، ويطلق عشرين نسخة مختلفة من المعلومات التي تحتاجها.
1. كيف تحافظ على صحة النباتات المنزلية
المُطالبة:ما هي أفضل الطرق المثبتة للحفاظ على صحة النباتات المنزلية الشائعة في الشقق ذات الإضاءة المنخفضة؟ قارن بين أنواع النباتات، وروتين العناية بها، واستراتيجيات الري، وأي بحث موثوق في مجال البستنة حول مستويات الإضاءة.
NotebookLM: هنا، يبدو البحث العميق أشبه بالجلوس على مقعد الدراسة الرقمي بدلاً من طرح سؤال سريع عبر الإنترنت، وهو أمر مثير للإعجاب ولكنه قد يكون مبالغًا فيه بالنسبة للمستخدم لأول مرة.
لم يكتفِ بالإجابة على السؤال؛ بل قام بتجميع قائمة من ملفات PDF ومصادر الويب المتاحة للاختيار الشخصي لإثراء التقرير القادم، حيث قدم 23 مصدرًا وحتى رسمًا تخطيطيًا “لأركان الرعاية الخمسة”.
إنه أمر مربك، لكن التفاصيل رائعة، خاصة مع الفيديو الذي تم إنشاؤه بواسطة الذكاء الاصطناعي.
Perplexity: من ناحية أخرى، قدم Perplexity نتائج موجزة وسهلة الهضم.
على الرغم من أنه ليس شاملاً مثل NotebookLM، إلا أنه كان أكثر قابلية للإدارة والتنفيذ. في علامة التبويب “الروابط”، قدم مصادر مباشرة لمزيد من المعلومات، ودعاني لاستكشاف الموضوع بالسرعة التي تناسبني.
على الرغم من أن هذا تطلب المزيد من الجهد من جانبي من خلال بعض القراءة الخفيفة، إلا أنني قدرت القائمة المدعومة بالمصادر وخرجت بإجابة أسرع بكثير مما كنت سأحصل عليه مع NotebookLM.
الفائز: NotebookLM
على الرغم من أنه قد يكون مربكًا، إلا أن استجابة NotebookLM بذلت جهدًا إضافيًا للإجابة على سؤالي، وقدمت موارد تعليمية إضافية لإرشادي.
2. مقارنة أنواع حبوبالإفطار
المُطالبة: قارن بين ثلاث علامات تجارية رئيسية لحبوب الإفطار من حيث المذاق والقيمة الغذائية والسعر. استشهد بتحليلات غذائية مستقلة واختبارات تذوق المستهلكين وبيانات أسعار السوق الحديثة، وقدم تصنيفًا واضحًا مدعومًا بالأدلة.
NotebookLM: مرة أخرى، يبدو NotebookLM وكأنه مساحة عمل موجهة للبحث متعدد المصادر. عندما طلبت منه تحليل أفضل ثلاث أنواع من حبوب الإفطار، قدم أولاً النتائج التي توصل إليها.
ثم قدم تفصيلاً دقيقًا يجمع بين تصنيفات المبيعات والمعايير الغذائية مثل الألياف والسكر، وحتى المذاق، مستمدًا من 22 مصدرًا.
Perplexity: في المقابل، يتبع Perplexity نهجًا مختلفًا تمامًا. بدلاً من بناء مساحة عمل حول الموضوع، فإنه ينتقل مباشرةً إلى إجابة منظمة مع جداول ورسوم بيانية وأدلة موثقة في صفحة واحدة.
كما أنه أنشأ مخططات بسيطة، تعرض الأجزاء الرئيسية من المعلومات بأشكال سهلة الفهم.
بل وحسبت الاختلافات في التكلفة الشهرية وأضافت اعتبارات صحية مثل تحمل الألياف لمن يعانون من حساسية في الجهاز الهضمي. كل شيء مُرتب ومنظم بشكل جيد وسهل المتابعة، مع روابط للمصادر وملفات مُنشأة بأسماء واضحة في الأعلى.
الفائز: Perplexity
قدم Perplexity استجابة بسيطة ولكنها فعالة هنا، حيث جمع كل المعلومات في تنسيق واحد نظيف. بينما كان أداء NotebookLM جيدًا أيضًا، إلا أنه بدا مبالغًا فيه، حيث قدم الكثير من المعلومات الإضافية التي أصبحت مربكة.
3. تقييم تطبيقات النقل العام
المُطالبة: قيّم أي تطبيقات النقل العام تقدم معلومات دقيقة في الوقت الفعلي لمدينة بريستول في المملكة المتحدة. قم بتقييم مصادر البيانات، وتكرار التحديث، ودقة التقارير المقدمة من المستخدمين، وممارسات الخصوصية، وأي عمليات تدقيق من جهات خارجية.
NotebookLM: بعد انتظار بضع دقائق للحصول على التقرير من NotebookLM، شعرت بالارتباك فجأة: “تحدد هذه المستندات بشكل جماعي مشهد بيانات النقل العام وأنظمة المعلومات في الوقت الفعلي، مع التركيز بشكل أساسي على خدمات الحافلات في المملكة المتحدة وسنغافورة.” كان سؤالي واضحًا بشأن المدينة المعنية، لذلك لست متأكدًا من سبب ذكر سنغافورة.
توضح الرسوم البيانية كيف تعزز معايير البيانات المفتوحة دقة وتكرار معلومات الحافلات في الوقت الفعلي لجميع تطبيقات النقل التي تستخدم مصادر المملكة المتحدة. ومع ذلك، فإنه لا يختار أفضل تطبيق أو يعالج مراجعات المستخدمين أو الخصوصية أو عمليات التدقيق الخاصة بالتطبيق؛ لذلك قد تحتاج إلى بحث إضافي لذلك.
Perplexity: في غضون ذلك، قدم Perplexity على الفور إجابة مباشرة في ملخصه: “بالنسبة لسكان بريستول، يظهر Bustimes.org كمصدر موثوق به لمعلومات الحافلات في الوقت الفعلي، حيث يجمع البيانات من مصادر رسمية متعددة مع ممارسات شفافية قوية…”
وتبع ذلك بأقسام رئيسية مثل تطبيقات النقل الرئيسية في بريستول، ومصادر البيانات وتكرار التحديث، وقضايا دقة التقارير المقدمة من المستخدمين، وجودة البيانات، وممارسات الخصوصية، وأقسام أخرى ذات صلة.
الفائز: Perplexity
على الرغم من أن Perplexity كان كثيفًا بالنصوص، إلا أنه قدم في النهاية الإجابة التي كنت أبحث عنها، والتي تمكنت من استخلاصها من الملخص وحده. في هذه الحالة، بدا أن NotebookLM كان مجرد عرض، بلا مضمون.
4. وجبات خفيفة صحية في 10 دقائق
المُطالبة:اذكر لي وجبات خفيفة صحية يمكنني تحضيرها في المنزل في أقل من 10 دقائق. مع إعطاء الأولوية للإرشادات الغذائية المبنية على الأدلة، وتضمين قوائم المكونات، وشرح المقايضات الغذائية بين الخيارات.
NotebookLM: استنادًا إلى 22 مصدرًا، أنتج NotebookLM ملخصًا بعنوان “الشبع والوجبات الخفيفة الاستراتيجية: البروتين والدهون وإدارة الوزن”.
بدا الأمر على الفور أكثر تعقيدًا مما ينبغي، ومرة أخرى لم يقدم فعليًا الاستجابة التي كنت أبحث عنها. لقد قدم صفحات وصفحات من المعلومات… بشكل أساسي كل شيء باستثناء اقتراحات الوجبات الخفيفة الصحية الفعلية التي ذكرتها.
Perplexity: لم يخيب Perplexity ظني في هذا المجال، حيث قدم بالضبط ما طُلب منه وأثبت ذلك: “إليك عدة وجبات خفيفة صحية يمكنك تحضيرها في المنزل في أقل من 10 دقائق، ولكل منها قوائم المكونات والإرشادات الغذائية المبنية على الأدلة. تعطي الخيارات المقدمة الأولوية للأطعمة الكاملة وتوازن المغذيات الكبيرة، مع شرح للمقايضات الغذائية الخاصة بها.”
أنتجت نتيجة البحث العميق 10 وصفات، تليها المكونات والتغذية والمقايضات الخاصة بكل منها.
وفي علامتي التبويب “الروابط” و”الصور”، تم توجيهي إلى مجموعة متنوعة من المصادر الموثوقة التي تكمل نتائج الملخص في علامة التبويب “الإجابة”.
الفائز: Perplexity
أكمل Perplexity بالفعل المهمة التي طلبتها منه. مرة أخرى، كان NotebookLM كله مظهر، لكنه يفتقر إلى بعض الجوهر الأساسي المطلوب.
5. تقليل استهلاك الكهرباء في المنزل في الشتاء
المُطالبة:اشرح الطرق الأكثر فعالية لتقليل استهلاك الكهرباء في المنزل خلال فصل الشتاء. ركز على الاستراتيجيات المدعومة بالبيانات، وتوفير التكاليف، وتحسينات العزل، وكفاءة الأجهزة، والتغييرات السلوكية المدعومة بدراسات موثوقة.
NotebookLM: قدم NotebookLM ملخصًا شاملاً حول “استراتيجيات تقليل استهلاك الطاقة السكنية، مع التركيز على كل من الترقيات التكنولوجية والتغييرات السلوكية”، وهو ما يتماشى مع تقديم نتيجة ذات صلة.
كما قدم عرضًا تقديميًا للشرائح وحتى بودكاست جذاب، وهو أمر رائع. فيما يتعلق بكفاءة الطاقة المنزلية، فقد كان أداء NotebookLM ممتازًا حقًا.
Perplexity: كانت نتيجة Perplexity باهتة بشكل ملحوظ من حيث التصميم والتفاعل وسهولة القراءة. بالنظر إلى الموضوع المعقد لكفاءة الطاقة نفسه، كنت أتوقع على الأقل بعض الرسوم البيانية أو المخططات للمساعدة في توضيح النقاط.
ومع ذلك، فقد اعتمد بشكل كبير على النصوص والتمرير الذي بدا لا نهاية له. لم يكن هناك الكثير لجذب انتباهك وإبقائك منشغلاً أو متفاعلاً، إلا إذا انتقلت بوعي إلى علامتي التبويب “الروابط” أو “الصور”، اللتين قدمتا بعض المدونات والمواقع الإلكترونية لتأكيد النتائج التي توصل إليها، وكشفت الصور عن مخططات مدعومة بالمصادر.
الفائز: NotebookLM
هنا، تؤتي التفاصيل الإضافية في Notebook ثمارها، حيث تجيب على استفساري بشكل كامل، ولكن أيضًا بطريقة طبيعية ومثيرة للاهتمام.
الفائز العام: Perplexity
كلا النموذجين بذلا قصارى جهدهما للإجابة على أسئلتي هنا. وعلى الرغم من أن المنافسة كانت متقاربة، إلا أن Perplexity تمكن من تحقيق الفوز بصعوبة.
ويرجع ذلك إلى تركيز Perplexity على التفاصيل، مقارنة بميل NotebookLM إلى الإبهار. في بعض الأحيان، ينجح هذا بشكل رائع، حيث يتم تطوير تقرير مفصل ومثير للاهتمام، وفي أحيان أخرى، أدى تركيزه إلى اتجاه خاطئ.
قد يؤدي هذا أيضًا إلى زيادة المعلومات في أوقات معينة. في حين أن Perplexity لم يكن مثيرًا للاهتمام تمامًا، إلا أنه كان أكثر فائدة بشكل عام.
التعليقات مغلقة.