Gemini Deep Research

Agentinomainen järjestelmä

Kehitimme Deep Researchia varten uuden suunnittelujärjestelmän, jonka avulla Gemini voi ratkaista haastaviakin ongelmia. Deep Researchia varten Gemini-malleille opetettiin nämä:

• Ongelman erittely: Kun järjestelmä saa käyttäjältä monimutkaisen pyynnön, se luo ensin yksityiskohtaisen tutkimussuunnitelman, jossa ongelma jaetaan pienemmiksi, hallittaviksi osatehtäviksi. Sinä päätät: Gemini jakaa suunnitelman sinulle, ja voit hienosäätää sitä niin, että pääpaino on varmasti oikeissa asioissa.

• Tutkimuksen tekeminen: Malli valvoo suunnitelman toteuttamista ja arvioi älykkäästi, mitkä osatehtävät voidaan tehdä samanaikaisesti ja mitkä täytyy suorittaa peräkkäin. Malli voi hyödyntää tietojen hakemisessa ja päätelmien tekemisessä erilaisia työkaluja, esimerkiksi hakua ja verkon selaamista. Malli päättää seuraavasta vaiheesta aina saatavilla olevien tietojen perusteella. Käyttäjät voivat seurata mallin oppimia asioita ja tulevia vaiheita ajattelupaneelista.

• Synteesi: Kun malli päättää, että tietoa on kerätty tarpeeksi, se kokoaa löydöksistään kattavan raportin. Luodessaan raporttia Gemini arvioi tietoja kriittisesti, tunnistaa niistä keskeisiä teemoja ja mahdollisia epäjohdonmukaisuuksia ja koostaa loogisen ja hyödyllisen raportin. Itsekritiikin avulla se voi hioa raporttia entistä selkeämmäksi.

Uusi kategoria, uusia ongelmia, uusia ratkaisuja

Deep Researchin kehityksessä oli kolme merkittävää teknistä haastetta:

Monivaiheinen suunnittelu

Tutkimustehtävät edellyttävät useita iteratiivisen suunnittelun vaiheita. Kussakin vaiheessa mallin täytyy käsitellä siihen mennessä kerätyt tiedot sekä tunnistaa mahdolliset puutteet ja ristiriidat. Samalla sen täytyy tasapainotella tietojen ymmärrettävyyden, tehokkuuden ja käyttäjän odotusajan suhteen. Koulutimme mallin hallitsemaan monivaiheisen, pitkäkestoisen suunnittelun datatehokkaasti, niin että Deep Research kykenee toimimaan avoimessa verkkoympäristössä minkä tahansa aihepiirin kanssa.

Pitkäkestoinen päättely

Deep Researchin tyypillinen tehtävä koostuu useista mallipyynnöistä usean minuutin aikana. Tämä luo haasteen agenttien kehittämiseen: yksi epäonnistuminen ei saa johtaa koko tehtävän aloittamiseen alusta.

Ratkaisimme ongelman kehittämällä uuden asynkronisen tehtävänhallintaominaisuuden, joka ylläpitää jaettua tilaa suunnittelu- ja tehtävämallien välillä. Tämä mahdollistaa virheiden korjaamisen helpommin niin, ettei koko tehtävää tarvitse aloittaa alusta. Järjestelmä on totisesti asynkroninen: voit aloittaa Deep Research -projektin, siirtyä sitten toiseen sovellukseen tai vaikka sammuttaa tietokoneen ja saada ilmoituksen valmiista tutkimuksesta, kun seuraavan kerran avaat Geminin.

Kontekstinhallinta

Tutkimustyön aikana Gemini voi käsitellä satoja sivuja sisältöä. Jatkuvuuden ja jatkokysymysten mahdollistamiseksi käytämme Geminin alan johtavaa miljoonan tokenin konteksti-ikkunaa ja RAG-tekniikkaa. Tämän ansiosta järjestelmä voi käytännössä "muistaa" kaiken keskustelun aikana oppimansa. Siitä siis tulee sitä älykkäämpi, mitä enemmän kommunikoit sen kanssa.

Hyödyntää nyt 2.0 Flash Thinking (kokeellinen) -mallia

Kun Deep Research lanseerattiin joulukuussa, se perustui Gemini 1.5 Pro -malliin. Gemini 2.0 Flash Thinking (kokeellinen) -mallin myötä olemme voineet parantaa merkittävästi tuotteen laatua ja tehokkuutta. Ajattelumallien avulla Gemini suunnittelee lähestymistapaansa tarkemmin ennen seuraavia vaiheita. Tämä sisäänrakennettu kyky itsereflektioon ja suunnitteluun tekee ominaisuudesta erinomaisen pitkäkestoisiin agenttitehtäviin. Gemini on nyt entistä parempi kaikissa tutkimusvaiheissa ja tarjoaa yksityiskohtaisempia raportteja. Samalla Flash-mallin tietojenkäsittelyn tehokkuus mahdollistaa pääsyn Deep Researchiin yhä useammille käyttäjille. Jatkamme Flash- ja Thinking-mallien kehittämistä, jotta Deep Research toimii jatkossa aina vain paremmin.

Mitä seuraavaksi?

Järjestelmä on luotu monipuoliseksi, jotta voimme laajentaa sen ominaisuuksia ajan mittaan, antaa sinulle enemmän päätösvaltaa sen suhteen, mihin sisältöön sillä on pääsy, ja mahdollistaa lähteiden käytön myös avoimen verkon ulkopuolelta.

Odotamme mielenkiinnolla, miten ihmiset käyttävät Deep Researchia. Sen perusteella tulemme arvioimaan, mihin suuntaan kehitämme ja parannamme Deep Researchia. Lopullinen tavoitteemme on agentinomaisesti toimiva, yleishyödyllinen tekoälyavustaja.