YouTube動画を検索できるナレッジベースに変える

要点

動画は学ぶには優れた形式で、調べるにはひどい形式です。情報はそこにあるのに、時間軸の向こうに閉じ込められています。話された内容に索引を付けると、再生リストは問いかけられるものになり、答えが動画のどこから来たのかという参照もついてきます。織り込んでおくべき落とし穴は、書き起こしが捉えるのは話されたことであって、映されたことではない、という点です。

参照資料としての動画の問題

三月に三時間の学会講演を見たとします。八月になって、誰かが故障率について具体的な指摘をしていたことを思い出し、それが必要になります。選べるのは、シークバーをこすること、章立てが親切であることを祈ること、あるいはもう一度全部見ることです。

一方、同じ情報が PDF にあれば八秒で見つかったはずです。動画の弱点は中身ではなく、ランダムアクセスがないことです。話された内容に索引を付ければ、それが戻ってきます。

仕組み

  1. 動画または YouTube の URL をソースとして追加します。
  2. 話された内容が文字起こしされ、文書と同じやり方で索引されます。
  3. ふだんの言葉で質問します。
  4. 答えは、それが動画のどこから来たのかという参照つきで返ります。だからそこへ直接飛んで確かめられます。

つまり、役に立つ単位は「一本の動画」ではなくなり、「誰かがした主張」になります。あなたが本当にほしかったのはそちらです。

YouTube 動画を含む複数種類のソースから作った Neurobase の Neuron。索引の状態が表示されています。
動画は PDF やウェブページと並びます。問いはひとつ、答えを持っているソースが答えます。

書き起こしが本当に取りこぼすもの

これが正直な限界で、この方法があなたの素材に合うかどうかはここで決まります。

つまり、講演、インタビュー、講義、ポッドキャスト、解説は見事に索引されます。画面録画のチュートリアルは部分的にしか索引されません。自分の手元がどちらかを知り、スライドがあるなら別のソースとして加えてください。

動画のナレッジベースの範囲を決める

まとまりうまくいく理由
学会のひとつのトラック主題が共通で話し手が複数——比較の問いが可能になる
ひとつの講座や講義シリーズ積み上がる素材。「これはどこで導入された?」に答えられる
ひとりの作り手のひとつの主題用語が一貫しているので、検索が鋭くなる
同一人物への複数のインタビュー「立場は変わったか」を年をまたいで問える
これまで見たものすべてうまくいきません——薄まってどの答えも悪くなります

問う価値のある問い

講演の集まりが問いかけ可能になると、面白い問いは検索ではなく、これまで現実的でなかったもののほうです。

最後のものが日常の勝者です。たいていの講演は 20% が実行できる内容で 80% が文脈であり、実行できる部分を求めるのは、そうしなければ見直しに費やす四十分の正当な使い道です。

文書も混ぜる

いちばん強いのは、動画だけの構成ではありません。講座とは、講義読み物あなたのノートのことです。研究テーマとは、学会講演その背後の論文のことです。まとめて索引すれば、ひとつの問いが、実際に答えを含んでいるほうのソースから答えられます。どちらを先に探すかをあなたが当てにいく必要はありません。

PDF のフォルダと同じ組み立てで、同じ原則が効きます。頼りにする前に、答えをすでに知っている問いで試してください。

よくある質問

AIはYouTube動画の中を検索できますか?

できます。話された内容を通じて——文字起こしし、索引し、答えが動画のどこから来たのかという参照つきで返します。

書き起こしは何を取りこぼしますか?

視覚的なものすべてです。スライド上のコード、図表、無言の実演、読み上げられない画面上の文字。

ひとつのナレッジベースに動画は何本?

ひとつの主題を覆うだけの本数です——学会のトラック、講座、ある作り手のシリーズ。無関係なチャンネルを混ぜると検索が薄まります。

動画と文書を混ぜられますか?

混ぜられますし、たいていそれこそが狙いです。ひとつの問いに、答えを持つソースが答えます。