我的一些使用AI的可视化学习方法
简单做一个小分享,因为自己感觉挺有用的。
众所周知,医学课本主打一个文字密恐,往往看不了几页就头昏脑涨不知所云。
好比方下面这一段,当时桌前学了这一章快两个小时,出去吃了个晚饭半小时不到,回来一看几乎什么都看不懂了(这一段倒不用背记,但是如果看都看不懂实在有点说不过去……),各种缩略词和专有名词肆无忌惮地蹂躏我的大脑。学到后面能够回想起的几乎只有零零碎碎一些破布般的概念。
这种不是重点的概念,网课是不会细讲的,学校的课上更是提都不会提,但是题是照样出的,知识点是照样要“了解”的,排除这种应试的因素,有些地方的知识也确实挺让我感兴趣,但是晦涩难懂的“防自学读懂教材”怎么啃得下去,往往看不了几个字就不得不承认编书者不说人话的功力之深厚。
面对这种几乎每天都会发生的情况,我自己倒是有一套自认为不错的解决方案。就是使用AI来辅助。
AI+Mermaid
先来介绍一下Mermaid吧,这是一个偶然间我发现的一个使用代码绘制各种图表的工作台,包括但不限于以下内容:
不过这其中我使用到最多的就是流程图和思维树,展示如下:
得益于9版和10版医学教材基本已实现电子课本化,所有的教材内容都可以实现复制粘贴的操作,这时一切便可以串联在一起了。首先先把需要精读的文段复制粘贴给AI(GPT,DS都可以,一般为了避免AI从互联网上随意摘取信息整合,一般我会严格要求其只能通过我提供的文段来输出代码),然后让其输出Mermaid对应图表的代码块即可
以甲状腺功能调节的思维树为例,输出代码如下:
mindmap
root((甲状腺功能调节))
下丘脑-垂体-甲状腺轴
下丘脑对腺垂体的调节
TRH刺激TSH释放和合成
生长抑素抑制TSH分泌
环境因素影响TRH分泌
TSH对甲状腺的作用
促进TH合成和分泌
受TRH刺激和TH抑制
其他激素影响TSH分泌
甲状腺激素的反馈调节
抑制TSH合成和分泌
抑制TRH合成
甲状腺功能的自身调节
碘阻滞效应
血碘升高初期促进TH合成
血碘过高抑制TH合成
保护性反应
持续过量碘摄入效应消失
低碘时的调节
提高碘捕获和利用率
调整T4与T3比例
神经调节
交感神经
促进TH分泌
α、β肾上腺素能受体
副交感神经
抑制TH分泌
M胆碱能受体
免疫调节
自身免疫性甲状腺疾病
抗甲状腺球蛋白抗体
抗甲状腺过氧化物酶抗体
促甲状腺激素受体抗体
刺激性抗体TSAb
阻断性抗体TSBAb
其他影响因子
新发现的抗体
降钙素等物质
将输出的代码复制到Mermaid工作台,便能输出图像如下:
如果是流程图,则可以输出以下(因为是很久之前做的图找不到代码所以就省略对应代码了):
绘图之后再对照着图像去看书看资料,豁然开朗!
如果对图片有什么修改需求,也能根据代码进行自定义的调整,不过这就是另一码事了,这里不多做赘述。
以及,其实typora内置就有mermaid绘图哦,代码块语言选择mermaid就好,不过Mermaid工作台做出来的图更好看一些就是了。
AI+Markmap
Markmap也是我在偶然间发现的一个平台,不过我现在发现其在b站评论区十分活跃,很多ai评论回复机器人都接入了这个平台来绘制思维导图,使用方法和上面一样,也是先把需要精读的文段复制粘贴给AI(GPT,DS都可以,一般为了避免AI从互联网上随意摘取信息整合,一般我会严格要求其只能通过我提供的文段来输出代码),然后让其输出Markmap对应图表的代码块即可。
不过它的输出图像就比较单一,基本只有思维导图这一种选项。
我们依旧以甲状腺相关知识为例(当时为了理解甲状腺的作用真的很上心……)
输出如下(还是找不到代码块了):
需要强调的事&实践
其实不仅仅是教材知识,文献阅读乃至语言学习其实也可以采用这种方法,不过需要的准备工作会更多一些,这里就不多做赘述了,等有机会再开一篇文章讲述。
但在这里需要强调的是:AI依旧只是辅助,所有知识的理解最后还是要依靠人脑。
以上所有的可视化图像均是AI在提炼文本后输出的,在某些细节方面依旧会存在问题。
所以我一般并不会完全依靠它输出的图像来理解知识,顶多算是一个降低门槛的催化剂,引导我走进知识,而非一个“总结性”的作用。我一般的学习过程可以精炼为以下:
- 看书,难看懂
- 查资料,依旧难懂(能到这一步说明已经不是一般的知识了,必须要出重拳!)
- 以上收效甚微之后,开始截取文段给AI
- AI严格依照截取的文段输出绘图代码
- 平台端输入绘图代码
- 平台端输出绘图
- 顺着绘图的辅助再去看书看资料理解
再来实践一下,正好我的上面这个过程精炼就能作为一个案例
GPT 4o
就不用o1了,有点小贵。
输出代码块如下:
flowchart TD
A[看书,难看懂] --> B[查资料,依旧难懂]
B --> C{是否是一般知识?}
C -->|是| A
C -->|不是| D[开始截取文段给AI]
D --> E[AI严格依照文段输出绘图代码]
E --> F[平台端输入绘图代码]
F --> G[平台端输出绘图]
G --> H[顺着绘图辅助再去看书看资料理解]
工作台输出绘图如下:
Deepseek
与上面相同的提问,得到代码块如下:
graph TD
A[开始] --> B[看书学习]
B --> C{能否理解?}
C -->|否| D[查阅资料]
D --> E{依旧难懂?}
E -->|是| F[截取关键文段给AI]
E -->|否| J[继续学习]
F --> G[AI生成Mermaid代码]
G --> H[平台输入代码]
H --> I[获得可视化图表]
I --> K[结合图表重读资料]
K --> C
C -->|是| L[掌握知识]
L --> M[结束]
style A fill:#9f9,color:#333
style M fill:#f99,color:#333
style F fill:#99f,color:#fff
style G fill:#99f,color:#fff
style H fill:#99f,color:#fff
style I fill:#99f,color:#fff
工作台输入代码块得到输出绘图如下:
好,我们再来看看typora内置的又是什么样吧
文末
AI并不是知识的替代,而是知识的催化剂,我很讨厌那些将AI答案奉为圣经的人,也不认同那些仅依靠AI就认为自己全知全能的人……
它终究只是一个工具,就像你不能认为手上有本汉语大词典就掌握了中文一样。、
AI的提炼并不是自己的,但是从这之后学到的知识,始终是自己的。
10 条评论
俺觉得思维导图还得是自己画才管用,有道是好记性不如烂笔头,拿xmind画,自己画出来,基本框架在脑中也成形了。让AI画完,自己还得再去背一遍,也不一定记得住
Pika老师说的没错!一般知识点还是得老老实实自己做归纳总结才理解得通透,这种方法我一般只有在时间紧张+知识点感兴趣却并非重点+书上讲得跟天书一样才会用,最大目的还是起到一个引入的作用,以及在时间紧张的同时满足好奇心。
正如文中说到的“所以我一般并不会完全依靠它输出的图像来理解知识,顶多算是一个降低门槛的催化剂,引导我走进知识,而非一个'总结性'的作用”。AI的总结,我向来是保持最大的怀疑态度的哈哈哈
啊?一觉醒来世界已经变成这样了吗? XD
早年间我还在使用美人鱼自己做思维导图来着,现在已经这么高级了!
Tips:看起来也许我也应该拥抱AI了,先把站点的“反AI”标识下掉吧233
AI该反的是无营养的单方面输出,我所做的只是把AI作为一个工具来讲,而非所谓“赛博顾问”。
这叫 ai 辅助学习吗?高级
或许是吧 ,不过不管是什么高级名号,能抓老鼠就是好猫
是这样的,有时候文章内容写的很隐晦,我都发给deepseek写个思维导图再看。
AI处理理科类型的硬逻辑文本其实还是不错的
个人挺讨厌那种原封不动就把 AI 的答案搬来作为回答的人——他们甚至不肯在不支持 Markdown 语法的地方把 AI 生成的 Markdown 标记去掉
(可能他们也不知道 Markdown 是啥)。
Mermaid 流程图我基本仅限于听说,没实际上手用过。可能对医学的大部头来说,AI 的总结能力还是很好用的吧。我个人试过让 AI 直接读 arxiv 上的论文 LaTeX 源码来总结,效果只能说有,但是不多。
哈哈AI的出现甚至让我有了markdown分点羞耻症,每次自己写markdown一旦涉及分点就感觉会被误认为是AI。
arxiv作为preprint平台其实论文格式对于ai阅读是很友好的(毕竟都是一体成型的pdf),重点在于教会ai阅读方法。
因为ai对于论文的长篇理解能力是有限的,有些时候可能一开始比较正常,到后面基本驴唇不对马嘴。所以就需要时不时提示一下原文语段。不过相比起靠AI总结论文,我更倾向于利用AI来碎片化的,逐字逐句的,把论文拆分成零碎的语段来翻译解释,最后自己理解再自己总结(事实上还是自己看文献,只不过ai做一个粗加工以便阅读)(等有机会也许会开一篇分享贴)