Gemini की Deep Research सुविधा

एजेंट की तरह काम करने वाला सिस्टम

Deep Research सुविधा तैयार करने के लिए, हमने एक नया प्लानिंग सिस्टम तैयार किया. यह सिस्टम, मुश्किल समस्याएँ हल करने में Gemini ऐप्लिकेशन की मदद करता है. Deep Research सुविधा के लिए हमने Gemini के मॉडल इस तरह से ट्रेन किए कि वे:

• सवाल को छोटे-छोटे टास्क में बाँट सकें: उपयोगकर्ता के किसी मुश्किल सवाल का जवाब देने के लिए, सिस्टम सबसे पहले बेहतर रिसर्च के लिए प्लान तैयार करता है. साथ ही, सवाल को छोटे-छोटे और आसान टास्क में बाँटता है. आपके पास रिसर्च प्लान को कस्टमाइज़ करने का विकल्प होता है: Gemini, आपको रिसर्च करने की अपनी प्रोसेस भी दिखाता है, ताकि अगर आप चाहें, तो इसमें बदलाव कर सकें. साथ ही, यह पक्का कर सकें कि यह सही विषयों पर फ़ोकस कर रहा है.

• रिसर्च कर सकें: रिसर्च प्लान की समीक्षा करने के बाद मॉडल, ज़रूरत के मुताबिक़ यह तय करता है कि कौनसे टास्क साथ-साथ किए जा सकते हैं और किन्हें एक विशेष क्रम से करना सही रहेगा. यह अलग-अलग सर्च इंजन का इस्तेमाल करके और अलग-अलग वेबसाइटें ब्राउज़ करके जानकारी इकट्ठा करता है और उसका आकलन करता है. हर चरण के दौरान, यह उपलब्ध जानकारी का आकलन करता है और उसी हिसाब से अगला क़दम तय करता है. हमने जानकारी ढूँढने की प्रोसेस दिखाने वाला पैनल भी लॉन्च किया. इससे उपयोगकर्ताओं को यह पता चलता है कि मॉडल ने क्या-क्या जानकारी इकट्ठा कर ली है और उसका अगला क़दम क्या है.

• जानकारी का विश्लेषण कर सकें: जब मॉडल यह तय कर लेता है कि ज़रूरत के मुताबिक़ काफ़ी जानकारी इकट्ठा की जा चुकी है, तो वह उसका विश्लेषण करके पूरी जानकारी वाली एक रिपोर्ट तैयार करता है. रिपोर्ट तैयार करने के लिए, Gemini गंभीरता से जानकारी का आकलन करता है. इसके बाद, मुख्य विषयों और आपस में मेल न खाने वाली जानकारी की पहचान करके और उसे सही क्रम में व्यवस्थित करके, पूरी जानकारी वाली सटीक रिपोर्ट तैयार करता है. साथ ही, कई चरणों में गंभीरता से आकलन करके, आसानी से समझ आने वाली और पूरी जानकारी वाली रिपोर्ट तैयार करता है.

नई कैटगरी, नई समस्याएँ, नए समाधान

Deep Research सुविधा तैयार करते समय, हमें तीन मुख्य टेक्निकल समस्याओं का सामना करना पड़ा:

कई चरणों वाला रिसर्च प्लान

रिसर्च से जुड़े टास्क पूरे करने के लिए, ऐसी प्लानिंग की ज़रूरत पड़ती है जिसमें अलग-अलग चरणों को बार-बार दोहराया जाता है. हर चरण में मॉडल, इकट्ठा की गई जानकारी की सही तरीक़े से समीक्षा करता है. इसके बाद, वह पता करता है कि कौनसी जानकारी मौजूद नहीं है और कौनसी जानकारी आपस में मेल नहीं खाती, ताकि ऐसी कमियों को दूर किया जा सके. इस दौरान, इसे ज़्यादा से ज़्यादा जानकारी देने के साथ-साथ, मॉडल की कंप्यूटिंग क्षमता और उपयोगकर्ता के समय का भी ध्यान रखना होता है. इस मॉडल को इस तरह से ट्रेन किया गया है कि यह कई चरणों वाला सटीक रिसर्च प्लान बनाने के लिए, कम से कम डेटा इस्तेमाल करे. इससे Deep Research सुविधा किसी भी विषय के बारे में जानकारी इकट्ठा कर पाती है.

जानकारी ढूँढने में ज़्यादा समय लगना

किसी विषय पर जानकारी इकट्ठा करते समय Deep Research सुविधा को कई कार्रवाइयाँ करनी होती हैं और इसमें कुछ मिनट लग सकते हैं. इस वजह से एआई एजेंट तैयार करने में समस्या आती है: इसे कुछ इस तरह से बनाना चाहिए कि किसी भी गड़बड़ी की वजह से, टास्क को दोबारा शुरू न करना पड़े.

इस समस्या को हल करने के लिए हमने एक नया एसिंक्रोनस टास्क मैनेजर तैयार किया, ताकि रिसर्च की प्रोसेस को मैनेज किया जा सके. इसकी मदद से यह पक्का किया जाता है कि प्लानर और टास्क मॉडल के पास एक जैसी जानकारी का ऐक्सेस हो. इससे टास्क को दोबारा शुरू किए बिना, गड़बड़ी को आसानी से ठीक किया जा सकता है. यह सिस्टम एसिंक्रोनस है: आप चाहें, तो किसी अन्य ऐप्लिकेशन का इस्तेमाल करें या यहाँ तक कि Deep Research पर कोई प्रोजेक्ट शुरू करने के बाद अपना कंप्यूटर बंद कर लें. अगली बार Gemini खोलने पर, आपकी रिसर्च पूरी होते ही आपको इसकी सूचना दी जाएगी.

पिछली बातचीत से जुड़ा डेटा मैनेज करना

किसी विषय पर रिसर्च करने के दौरान Gemini, सैंकड़ों पेजों वाले कॉन्टेंट को प्रोसेस कर सकता है. हम Gemini पर 10 लाख टोकन वाली बेहतरीन कॉन्टेक्स्ट विंडो के साथ आरएजी सेटअप का इस्तेमाल करते हैं, ताकि बातचीत का फ़्लो बना रहे और उपयोगकर्ता फ़ॉलो-अप वाले सवाल पूछ सकें. इससे सिस्टम को वह हर जानकारी "याद" रहती है जो इसने बातचीत के दौरान इकट्ठा की थी. इसलिए, उपयोगकर्ता इससे जितना इंटरैक्ट करते हैं, यह उतना ही बेहतर होता जाता है.

अब यह सुविधा, प्रयोग के तौर पर उपलब्ध Gemini 2.0 Flash Thinking मॉडल की मदद से काम करती है

दिसंबर 2024 में जब Deep Research सुविधा लॉन्च की गई थी, तो यह Gemini 1.5 Pro मॉडल की मदद से काम करती थी. प्रयोग के तौर पर उपलब्ध Gemini 2.0 Flash Thinking मॉडल के साथ आने के बाद, इस प्रॉडक्ट की क्वालिटी और काम करने की क्षमता, दोनों में काफ़ी सुधार हुआ है. सोच-समझकर जवाब देने वाले मॉडल की मदद से Gemini, अगला क़दम तय करने से पहले थोड़ा समय लेकर, रिसर्च की प्रोसेस के लिए एक प्लान तैयार करता है. रिसर्च की प्रोसेस का विश्लेषण करते रहने और उस हिसाब से प्लान तैयार करने की वजह से यह मॉडल, ज़्यादा समय लेने वाले ऐडवांस टास्क पूरे करने लिए बेहतरीन विकल्प है. अब Gemini, रिसर्च के हर चरण में बेहतर परफ़ॉर्म करता है और ज़्यादा जानकारी वाली रिपोर्ट तैयार करता है. साथ ही, Flash मॉडल की बेहतर कंप्यूटिंग क्षमता का इस्तेमाल करके, हम Deep Research सुविधा को ज़्यादा से ज़्यादा उपयोगकर्ताओं के लिए उपलब्ध करा सकते हैं. हम Flash और Thinking मॉडल तैयार करने के लिए काफ़ी उत्साहित हैं. साथ ही, हमें उम्मीद है कि Deep Research सुविधा लगातार बेहतर होती जाएगी.

आने वाले समय को लेकर हमारे प्लान

हमने इस सिस्टम को ऐसे बनाया है कि यह अलग-अलग स्थितियों में काम कर सके और सभी तरह के टास्क पूरे कर सके. इससे हमें आने वाले समय में इसकी क्षमताएँ बढ़ाने में मदद मिलेगी और उपयोगकर्ताओं को यह तय करने का विकल्प मिलेगा कि सिस्टम कौनसे सोर्स को ब्राउज़ करेगा. साथ ही, यह ओपन वेब के अलावा भी कई सोर्स से जानकारी जुटा पाएगा.

हम देखना चाहते हैं कि लोग Deep Research सुविधा का इस्तेमाल कैसे करते है. लोगों के अनुभवों से हमें यह जानकारी मिलेगी कि Deep Research सुविधा को बेहतर बनाने के लिए क्या सुधार करने चाहिए. कुल मिलाकर, हमारा लक्ष्य एक ऐसा एजेंटिक एआई असिस्टेंट तैयार करना है जो उपयोगकर्ताओं को किसी भी विषय पर रिसर्च करने में मदद कर सके.