Gemini Deep Research

Agentní systém

Pro Deep Research jsme vytvořili nový plánovací systém, který aplikaci Gemini umožňuje zpracovávat komplexní problémy. Modely Gemini jsme natrénovali k následujícím činnostem:

• Rozbor problému: Když je systému předložen složitý uživatelský dotaz, nejprve zformuluje podrobný plán výzkumu a rozdělí problém na řadu menších, zvládnutelných dílčích úkolů. Plán máte pod kontrolou: Gemini vám ho předloží a vy ho můžete upřesnit a zajistit, že bude zaměřen na správné oblasti.

• Výzkum: Model dohlíží na provedení tohoto plánu a inteligentně určuje, které dílčí úkoly lze řešit současně a které je třeba provádět postupně. Model může používat nástroje jako vyhledávání a procházení webu k načítání informací a jejich vyhodnocování. V každém kroku model zdůvodňuje dostupné informace, aby rozhodl o dalším postupu. Panel myšlení jsme přidali, aby uživatelé mohli sledovat, co se model doposud naučil a co hodlá dělat dál.

• Syntéza: Jakmile model zjistí, že byl shromážděn dostatek informací, syntetizuje zjištění do komplexní zprávy. Při sestavování zprávy Gemini kriticky vyhodnocuje informace, identifikuje klíčová témata a nekonzistence a strukturuje zprávu logickým a informativním způsobem, a to i prováděním vícenásobné sebekritiky pro zvýšení jasnosti a přesnosti.

Nová kategorie, nové problémy, nová řešení

Při tvorbě Deep Research jsme museli zdolat tři významné technické problémy:

Vícestupňové plánování

Výzkumné úkoly vyžadují několik kroků iterativního plánování. V každém kroku se model musí opřít o všechny dosud shromážděné poznatky, poté identifikovat chybějící informace a nesrovnalosti, které chce prozkoumat – to vše při rovnováze komplexnosti a doby čekání uživatele. Trénink modelu tak, aby byl efektivní při dlouhém vícekrokovém plánování datově efektivním způsobem, nám umožnil, aby Deep Research fungoval v prostředí otevřené domény napříč všemi tématy.

Dlouhodobá dedukce

Typický úkol Deep Research zahrnuje mnoho modelových volání během několika minut. To představuje výzvu pro stavební agenty: Vše musí být postaveno tak, aby jediné selhání neznamenalo nutnost restartovat úlohu od začátku.

Abychom to vyřešili, vyvinuli jsme nového asynchronního správce úloh, který udržuje sdílený stav mezi plánovačem a modely úloh, což umožňuje plynulé opravy chyb bez restartování celé úlohy. Tento systém je skutečně asynchronní: můžete přeskočit do jiné aplikace nebo doslova vypnout počítač po zahájení projektu Deep Research a při příští návštěvě Gemini dostanete upozornění, když je váš výzkum hotový.

Správa kontextu

V průběhu daného výzkumu dokáže Gemini zpracovat stovky stránek obsahu. Abychom zachovali kontinuitu a umožnili následné otázky, používáme přední kontextové okno Gemini s 1 milionem tokenů doplněné o nastavení RAG. To systému umožňuje „zapamatovat si“ vše, co se během této chatovací relace naučil, a být tím chytřejší, čím déle s ním komunikujete.

Nově s technologií 2.0 Flash Thinking (experimentální)

Deep Research jsme v prosinci 2024 původně založili na technologii Gemini 1.5 Pro. Se zavedením Gemini 2.0 Flash Thinking (experimentální) jsme byli schopni dramaticky zlepšit jak kvalitu, tak efektivitu této služby. Díky modelům myšlení věnuje Gemini víc času plánování postupu, než udělá další kroky. Díky této vrozené sebereflexi a plánování se skvěle hodí pro dlouhodobé agentní úkoly. Vidíme, že teď je Gemini ještě lepší ve všech fázích výzkumu a poskytuje podrobnější zprávy. Výpočetní efektivita modelu Flash nám zároveň umožňuje rozšířit přístup k Deep Research na mnohem víc uživatelů. Jsme opravdu nadšeni vývojem s Flashem a myšlenkovými modely obecně a očekáváme, že Deep Research bude stále lepší a lepší.

Co bude dál

Systém jsme postavili tak, aby byl všestranný, takže postupem času můžeme rozšířit jeho možnosti tak, že vám dáme větší kontrolu nad tím, co může procházet, a poskytneme mu zdroje mimo otevřený web.

Jsme nadšeni, že vidíme, jak lidé používají Deep Research, a tyto skutečné zkušenosti ovlivní, jak budeme tuto technologii dál tvořit a zlepšovat. Naším cílem je skutečně agentní a univerzálně užitečný AI asistent.