Deep Research de Gemini

Un sistema agente

Para crear Deep Research, desarrollamos un nuevo sistema de planificación que permite a la aplicación de Gemini resolver problemas complejos. Con este objetivo en mente, entrenamos a los modelos de Gemini para ser capaces de:

• Desglosar el problema: cuando el usuario realiza una consulta compleja, lo primero que hace el sistema es formular un plan de investigación detallado en el que divide el problema en subtareas más pequeñas y manejables. Tú controlas el plan: Gemini te lo muestra, y tú puedes ajustarlo para asegurarte de que se centre en los puntos que te interesan.

• Investigar: el modelo supervisa la ejecución del plan y determina de forma inteligente qué subtareas pueden llevarse a cabo al mismo tiempo y cuáles deben realizarse de forma secuencial. Puede hacer cosas como navegar por Internet para recoger información y procesarla y, en cada uno de los pasos, el modelo razona según la información disponible para decidir qué hace después. Introdujimos un panel de razonamiento para que los usuarios puedan ver qué ha aprendido el modelo hasta el momento y qué planea hacer a continuación.

• Sintetizar: cuando el modelo considera que se ha recogido suficiente información, sintetiza los resultados en un informe exhaustivo. Al crear el informe, Gemini evalúa la información de forma crítica, identifica los temas y las incoherencias principales, y organiza el informe de forma lógica e informativa, llegando incluso a realizar varias revisiones autocríticas para mejorar la claridad y pulir los detalles.

Nuevas categorías, nuevos problemas, nuevas soluciones

Al crear Deep Research, tuvimos que resolver tres desafíos técnicos importantes:

Planificación multipaso

Las tareas de investigación requieren varios pasos de planificación iterativa. En cada uno, el modelo debe basarse en toda la información recogida hasta el momento y, luego, identificar los datos que faltan y las discrepancias que quiere explorar, todo ello buscando un equilibrio entre la exhaustividad y el tiempo de procesamiento y el que debe esperar el usuario. Entrenar el modelo para elaborar planificaciones extensas multipaso y gestionar los datos de forma eficaz nos permitió lograr que Deep Research trabajara en un entorno de dominio abierto con toda clase de temas.

Inferencia prolongada

Una tarea típica de Deep Research conlleva llamar al modelo varias veces durante varios minutos. Esto supone un reto a la hora de crear agentes, porque debe desarrollarse de forma que un único fallo no obligue a reiniciar la tarea desde cero.

Para abordar esta cuestión, desarrollamos un novedoso gestor de tareas asíncrono que conserva un estado compartido entre ambos modelos, de planificador y de tareas, lo que permite una recuperación de errores fluida sin reiniciar la tarea completa. El sistema es completamente asíncrono: te permite cambiar de aplicación o incluso apagar el ordenador después de comenzar un proyecto de Deep Research, y la próxima vez que abras Gemini, recibirás una notificación cuando la investigación esté lista.

Gestión de contexto

A lo largo de una sesión de investigación, Gemini puede llegar a procesar cientos de páginas de contenido. Para garantizar la continuidad y que se puedan hacer preguntas de seguimiento, utilizamos la ventana de contexto de 1 millón de tokens de Gemini, líder en el sector, sumada a la configuración de RAG. Es lo que permite que el sistema "recuerde" todo lo que ha ido aprendiendo a lo largo de la conversación, con lo que se va volviendo más inteligente cuanto más interactúas con él.

Ahora con la tecnología de 2.0 Flash Thinking (experimental)

Cuando lanzamos Deep Research en diciembre, contaba con la tecnología de Gemini 1.5 Pro Tras la llegada de Gemini 2.0 Flash Thinking (experimental), logramos mejorar drásticamente la calidad y la eficiencia de servicio de este producto. Gracias a los modelos de pensamiento, Gemini dedica más tiempo a planificar su enfoque antes de dar los siguientes pasos. Esta característica innata de autorreflexión y planificación es idónea para llevar a cabo tareas agentes de larga duración. Ahora vemos que Gemini ha mejorado en todas las fases de la investigación y que genera informes más detallados. Por otra parte, la eficiencia computacional del modelo Flash nos permite ampliar el acceso a Deep Research a muchos más usuarios. Es emocionante trabajar en los modelos Flash y Thinking en general, y esperamos que Deep Research siga mejorando día tras día.

¿Y ahora qué?

Hemos desarrollado el sistema con la versatilidad en mente. Así, poco a poco iremos ampliando sus posibilidades dándote a ti más control sobre lo que puede buscar y dándole al sistema acceso a fuentes más allá de la Web abierta.

Estamos deseando ver cómo usan las personas Deep Research: las experiencias reales son las que nos ayudarán a seguir desarrollando y mejorando nuestro trabajo. Al final, nuestro objetivo es ofrecer un asistente de IA completamente agente y útil en todos los sentidos.