Gemini Deep Research

একটি এজেন্টসুলভ সিস্টেম

Deep Research তৈরি করার জন্য আমরা নতুন পরিকল্পনার সিস্টেম গড়ে তুলেছিলাম যা Gemini অ্যাপকে জটিল কাজ করতে সাহায্য করে। Deep Research-এর জন্য আমরা Gemini মডেলকে এমনভাবে ট্রেনিং দিই যাতে সেটি এগুলি করতে পারে:

• সমস্যাকে ছোট ছোট ভাগে ভাগ করা: ব্যবহারকারী জটিল প্রশ্ন করলে সিস্টেম প্রথমে রিসার্চের জন্য বিস্তারিত পরিকল্পনা করে এবং সমস্যাটিকে ছোট ও ম্যানেজ করা যায় এমন একাধিক সাব-টাস্কে ভাগ করে নেয়। আপনি পরিকল্পনার নিয়ন্ত্রণে থাকেন: Gemini আপনাকে সেটি দেখায় এবং সেটিতে সঠিক বিষয়ের উপর জোর দেওয়া হয়েছে কিনা তা আপনি দেখতে ও রিফাইন করতে পারেন।

• রিসার্চ: পরিকল্পনা ঠিকভাবে পালন হচ্ছে কিনা তা মডেল তত্ত্বাবধান করে এবং কোন সাব-টাস্কগুলি একসাথে এবং কোনগুলি একের পর এক করতে হবে তা বুদ্ধি করে নির্ধারণ করে। তথ্য সংগ্রহ ও তা যুক্তি সহকারে বিচার করার জন্য এই মডেল সার্চ ও ওয়েব ব্রাউজিংয়ের মতো টুল ব্যবহার করতে পারে। প্রত্যেক ধাপে মডেল উপলভ্য তথ্য যুক্তি সহকারে বিচার করে যাতে তারপরে কী করতে হবে তা ঠিক করতে পারে। মডেল এতদিন পর্যন্ত কী শিখেছে এবং এর পরে কী করতে চায় এই বিষয়গুলি যাতে ব্যবহারকারীরা অনুসরণ করতে পারেন সেই জন্য আমরা একটি থিঙ্কিং প্যানেল নিয়ে এসেছি।

• সংশ্লেষণ: মডেল পর্যাপ্ত তথ্য সংগ্রহ করে ফেলেছে তা স্থির করার পরে সেটি প্রাপ্ত তথ্য সংশ্লেষণ করে বিস্তারিত রিপোর্ট তৈরি করে। রিপোর্ট তৈরি করার সময় Gemini খুব খুঁটিয়ে তথ্য পর্যালোচনা করে, গুরুত্বপূর্ণ থিম ও অসামঞ্জস্যতা শনাক্ত করে এবং যুক্তিসম্মত ও তথ্যপূর্ণ উপায়ে রিপোর্ট প্রস্তুত করে, এমনকি বিবরণে খুঁটিনাটি যোগ করতে ও স্পষ্টতা বাড়াতে একাধিকবার নিজের লেখার সমালোচনা করে।

নতুন বিভাগ, নতুন সমস্যা, নতুন সমাধান

Deep Research তৈরি করার সময় আমাদের তিনটি উল্লেখযোগ্য টেকনিক্যাল চ্যালেঞ্জের মোকাবিলা করতে হয়:

একাধিক-ধাপে পরিকল্পনা করা

রিসার্চের কাজে একাধিক ধাপের আইটেরেটিভ পরিকল্পনার প্রয়োজন। মডেলকে প্রত্যেক ধাপে সেই সময় পর্যন্ত সংগৃহিত তথ্যের উপর নির্ভর করতে হবে, তারপরে অনুপস্থিত তথ্য ও অসঙ্গতি শনাক্ত করতে হবে যা সেটি এক্সপ্লোর করতে চায় — এই পুরো সময় ধরে ব্যাপকতার সাথে গণনা ও ব্যবহারকারীর অপেক্ষার সময়ের মধ্যে ভারসাম্য রক্ষা করতে হবে। ডেটা উপযোগী পদ্ধতিতে দীর্ঘ একাধিক ধাপযুক্ত পরিকল্পনায় মডেলকে কার্যকর করার ব্যাপারে ট্রেনিং দেওয়ার মাধ্যমে Deep Research যাতে সব বিষয়ে উন্মুক্ত ডোমেন সেটিংয়ে কাজ করতে পারে সেই ব্যবস্থা আমরা করতে পেরেছি।

সিদ্ধান্তে পৌঁছাতে দীর্ঘ সময় লাগানো

Deep Research-এর সাধারণ কোনও কাজের জন্য বেশ কয়েক মিনিট ধরে একাধিক মডেলকে কল করতে হয়। এটি এজেন্ট তৈরির পক্ষে চ্যালেঞ্জিং হয়: এটি এমনভাবে তৈরি করতে হয় যাতে একটি বিষয়ে ব্যর্থ হলে পুরো কাজ আবার শুরু থেকে আরম্ভ করতে না হয়।

এর সমাধানের জন্য আমরা একটি নতুন অ্যাসিঙ্ক্রোনাস টাস্ক ম্যানেজার তৈরি করেছি যা প্ল্যানার ও টাস্ক মডেলের মধ্যে শেয়ার্ড অবস্থা বজায় রাখে, যাতে পুরো কাজ শুরু থেকে আরম্ভ না করে সাবলীলভাবে সমস্যা থেকে আগের অবস্থায় ফেরা যায়। এই সিস্টেম সত্যিই অ্যাসিঙ্ক্রোনাস: আপনি Deep Research প্রোজেক্ট শুরু করার পরে অন্য অ্যাপে চলে যেতে পারেন বা আক্ষরিক অর্থে কম্পিউটার বন্ধ করে দিতে পারেন, তারপরে যখন Gemini দেখবেন তখন আপনার রিসার্চ হয়ে গেছে বলে বিজ্ঞপ্তি পাবেন।

কন্টেক্সট ম্যানেজমেন্ট

রিসার্চ চলাকালীন Gemini কন্টেন্টের অসংখ্য পৃষ্ঠা প্রসেস করতে পারে। ধারাবাহিকতা বজায় রাখতে ও ফলো-আপ প্রশ্ন করার সুবিধা দিতে আমরা Gemini-র RAG সেট-আপ সহ ১ মিলিয়ন টোকেন কন্টেক্সট উইন্ডো ব্যবহার করি যা ইন্ডাস্ট্রির সেরা হিসেবে পরিচিত। এটি কার্যত, সেই চ্যাট সেশন চলাকালীন সিস্টেম যা শিখেছে তার সবকিছু "মনে রাখতে" সাহায্য করে এবং আপনি সিস্টেমের সাথে যত বেশি সময় ধরে ইন্টার‍্যাক্ট করেন সিস্টেম তত স্মার্ট হয়ে ওঠে।

এখন 2.0 Flash Thinking (এক্সপেরিমেন্টাল) দ্বারা পরিচালিত

ডিসেম্বরে Deep Research লঞ্চ হওয়ার সময় সেটি Gemini 1.5 Pro দ্বারা পরিচালিত ছিল। Gemini 2.0 Flash Thinking (এক্সপেরিমেন্টাল) এসে যাওয়ার পরে আমরা এই প্রোডাক্টের কোয়ালিটি ও পরিষেবা প্রদানের দক্ষতা দুটি বিষয়েই উল্লেখযোগ্য উন্নতি করেছি। থিঙ্কিং মডেলের সাহায্যে Gemini কোনও পদক্ষেপ নেওয়ার আগে সেটি কী করবে তা পরিকল্পনা করার জন্য আরও সময় নেয়। গভীর চিন্তা ও পরিকল্পনা করার ব্যাপারে এর সহজাত ক্ষমতা এটিকে দীর্ঘ সময় ধরে চলে এমন এজেন্টসুলভ কাজের পক্ষে খুব উপযোগী করে তোলে। আমরা যা দেখছি, রিসার্চের সব পর্যায়ে Gemini এখন আগের চেয়েও উন্নত এবং আরও বিস্তারিত রিপোর্ট প্রদানে সক্ষম। একইসাথে, Flash মডেলের গণনা করার দক্ষতা Deep Research-কে আরও অনেক ব্যবহারকারীর কাছে অ্যাক্সেসযোগ্য করে তোলে। আমরা সাধারণভাবে Flash ও থিঙ্কিং মডেলের ভিত্তিতে ডেভেলপ করার ব্যাপারে খুবই উৎসুক এবং Deep Research উত্তরোত্তর উন্নতি করবে বলে প্রত্যাশা করি।

এর পরে কী হবে

আমরা সিস্টেম এমনভাবে তৈরি করি যাতে সেটি বহুমুখী হয়, তাই সময়ের সাথে সেটি কী ব্রাউজ করবে তার উপর আপনাকে আরও নিয়ন্ত্রণ দিতে পারি এবং সেটিকে ওপেন ওয়েবের বাইরে সোর্স দিতে পারি যা সিস্টেমের ক্ষমতা আরও বৃদ্ধি করবে।

লোকজন কীভাবে Deep Research ব্যবহার করবেন তা জানতে আমরা খুব আগ্রহী এবং আমরা কীভাবে ডেভেলপমেন্ট চালাব ও Deep Research-কে আরও উন্নত করে তুলব সেই বিষয়ে বাস্তব জগতের এই অভিজ্ঞতাগুলি সাহায্য করবে। পরিশেষে, আমাদের উদ্দেশ্য হল প্রকৃত এজেন্টসুলভ এবং সব বিষয়ে সাহায্যকারী AI অ্যাসিস্ট্যান্ট তৈরি করা।