‫Deep Research من Gemini

نظام يستند إلى الذكاء الاصطناعي الوكيل

لإنشاء Deep Research، طوّرنا نظام تخطيط جديدًا يتيح لتطبيق Gemini معالجة المسائل المعقّدة. ولإتاحة Deep Research، درّبنا نماذج Gemini لتتمكّن من تنفيذ ما يلي:

• تقسيم المسائل إلى خطوات: عندما يتلقى النظام طلبًا معقّدًا من المستخدم، يبدأ أولاً بصياغة خطة بحث مفصَّلة ويقسّم المسألة إلى سلسلة من مهام فرعية صغيرة تسهل إدارتها. أنت من يتحكّم في الخطة، إذ إنّ Gemini يعرضها أمامك ويتيح لك تحسينها للتأكّد من أنّها تركّز على الجوانب التي تهمّك.

• إجراء الأبحاث: يشرف النموذج على تنفيذ هذه الخطة، ويحدد بذكاء المهام الفرعية التي يمكن معالجتها في آنٍ معًا وتلك التي يجب تنفيذها بشكل تسلسلي. قد يستعين النموذج بأدوات، مثل محرك البحث ومتصفّح الويب، كي يحصل على المعلومات المطلوبة ويحلّلها بأسلوب استدلالي. وفي كل خطوة، يحلّل النموذج المعلومات المتاحة لتحديد الإجراء التالي. في هذا الإطار، أطلقنا لوحة تفكير تتيح للمستخدمين مواكبة آخر المعلومات التي جمعها النموذج والتعرّف على الخطوة التالية التي ينوي تنفيذها.

• التجميع: عندما يجمع النموذج معلومات كافية، يجمّع النتائج التي توصّل إليها في تقرير شامل. وأثناء إنشاء التقرير، يقيّم Gemini المعلومات بأسلوب نقدي، ويحدّد المواضيع الرئيسية والمعلومات المتناقضة، ويتّبع أسلوب صياغة منطقيًا وغنيًا بالمعلومات، وقد ينفّذ حتى نقدًا ذاتيًا متكررًا لتحسين مستوى الوضوح والتفاصيل.

فئة جديدة، تحديات جديدة، حلول جديدة

عند إنشاء Deep Research، كان علينا إيجاد حلول لثلاثة تحديات تقنية مهمة:

وضع خطط متعددة الخطوات

تتطلّب مهام البحث وضع خطة تكرارية مقسَّمة على عدة خطوات. وفي كل خطوة، يحتاج النموذج إلى التركيز على المعلومات التي جمعها لغاية تلك اللحظة وتحديد أي معلومات ناقصة أو تناقضات يهمّه استكشافها، وكل ذلك أثناء الموازنة بين الشمولية ووقت الحوسبة وأوقات انتظار المستخدمين. درَّبنا النموذج على وضع خطط طويلة متعدّدة الخطوات بكفاءة من خلال استخدام البيانات بفعالية، ما أتاح لنا السماح لميزة Deep Research بالعمل في نطاق مفتوح يغطي مختلَف المواضيع.

الاستنتاج الطويل الأمد

تتطلّب مهام Deep Research العادية توجيه طلبات متعدّدة للنموذج خلال بضع دقائق. ويشكّل ذلك تحديًا للمسؤولين عن إنشاء النموذج، إذ يجب تصميمه بطريقة تتيح متابعة المهمة إذا تعذّرت إحدى الخطوات، بدون الحاجة إلى العودة إلى نقطة الصفر.

لمعالجة هذه المشكلة، صمَّمنا أداة جديدة غير متزامنة لإدارة المهام تحافظ على حالة مشتركة بين المخطِّط ونماذج المهام، ما يتيح إصلاح الأخطاء بسلاسة بدون الحاجة إلى إعادة بدء المهمة بأكملها. هذا النظام غير متزامن بالفعل، إذ يتيح لك الانتقال إلى تطبيق آخر أو إطفاء جهاز الكمبيوتر كليًا بعد بدء مشروع في Deep Research، وعند الانتقال إلى Gemini في وقت لاحق، سيصلك إشعار عند اكتمال البحث.

إدارة السياق

يستطيع Gemini معالجة مئات الصفحات من المحتوى خلال جلسة بحث واحدة. ولإتاحة مواصلة الأبحاث وطرح أسئلة المتابعة، يتميز Gemini بقدرة استيعاب رائدة في المجال تبلغ مليون رمز مميّز، وتكمّلها إعدادات توليد الاسترجاع المعزز (RAG). يسمح ذلك للنظام بأن "يتذكّر" بفعالية جميع المعلومات التي اكتسبها خلال جلسة محادثة محدّدة، ما يجعله أكثر ذكاء كلما تفاعلت معه أكثر.

ميزة Deep Research مستندة الآن إلى نموذج ‎2.0 Flash Thinking (التجريبي)

عندما أطلقنا ميزة Deep Research في ديسمبر، كانت تستند إلى نموذج ‎1.5 Pro في Gemini. ومع طرح نموذج ‎2.0 Flash Thinking (التجريبي) في Gemini، استطعنا إجراء تحسينات كبيرة على جودة هذه الميزة وكفاءتها في تقديم الخدمات. تتيح نماذج Thinking لـ Gemini الحصول على وقت إضافي للتخطيط للخطوات التالية قبل تنفيذها. وتُعدّ هذه النماذج خيارًا مثاليًا لهذا النوع من مهام الذكاء الاصطناعي الوكيل الطويلة الأمد بفضل ميزتَي التأمل الذاتي والتخطيط المضمَّنتَين فيها. نتيجةً لذلك، شهدنا تحسُّنًا في أداء Gemini في جميع مراحل البحث، كما أصبحت التقارير التي يوفّرها مفصَّلة أكثر. في الوقت نفسه، وبفضل كفاءة نموذج Flash في الحوسبة، يمكننا توسيع نطاق الوصول إلى ميزة Deep Research وإتاحتها لعدد أكبر بكثير من المستخدمين. نحن متحمسون جدًا لتطوير نماذج Flash وThinking بشكل عام، ونتوقع أن تساهم في تحسين ميزة Deep Research أكثر فأكثر بمرور الوقت.

الخطوات التالية

لقد أنشأنا النظام ليكون متعدّد الاستخدامات، وبمرور الوقت، يمكننا توسيع قدراته من خلال منحك تحكمًا إضافيًا في المحتوى الذي يتصفحه والسماح بتزويده بمصادر خارج نطاق الويب المفتوح.

تهمّنا معرفة كيف يستفيد المستخدمون من Deep Research، وستساهم تجاربهم الفعلية بتزويدنا بمعلومات مفيدة لمواصلة تطوير هذه الميزة وتحسينها. ففي نهاية المطاف، هدفنا هو أن نتيح لجميع المستخدمين الاستعانة بمساعد مفيد يستند إلى الذكاء الاصطناعي الوكيل.