Deep Research di Gemini

Un sistema agentico

Per creare Deep Research, abbiamo sviluppato un nuovo sistema di pianificazione che consente all'app Gemini di lavorare su problemi complessi. Per Deep Research, abbiamo addestrato i modelli Gemini in modo che siano in grado di:

• Suddividere il problema: quando viene presentata una query utente complessa, per prima cosa il sistema formula un piano di ricerca dettagliato, suddividendo il problema in una serie di attività secondarie più piccole e gestibili. Hai tu il controllo del piano: Gemini te lo presenta e tu puoi perfezionarlo per assicurarti che si focalizzi sulle aree corrette.

• Eseguire ricerche: il modello supervisiona l'esecuzione del piano e determina in modo intelligente quali attività secondarie possono essere eseguite contemporaneamente e quali devono essere fatte in sequenza. Il modello può usare strumenti come la ricerca e la navigazione sul web per recuperare informazioni e ragionarci. In ogni passaggio, il modello ragiona sulle informazioni disponibili per decidere la mossa successiva. Abbiamo introdotto un riquadro di ragionamento affinché gli utenti possano seguire le informazioni che il modello apprende man mano e i passaggi che intende fare dopo.

• Fare una sintesi: quando il modello determina di aver raccolto abbastanza informazioni, sintetizza i dati trovati in un report completo. Durante la creazione del report, Gemini valuta in modo critico le informazioni, identifica i temi chiave e le incoerenze e struttura il report in modo logico e divulgativo, eseguendo persino diversi passaggi di autocritica per migliorare ulteriormente chiarezza e granularità delle informazioni.

Nuova categoria, nuovi problemi, nuove soluzioni

Durante la creazione di Deep Research, abbiamo dovuto lavorare su 3 sfide tecniche importanti:

Pianificazione con più passaggi

Le attività di ricerca richiedono più passaggi di pianificazione iterativa. In ogni passaggio, il modello deve basarsi su tutte le informazioni raccolte fino a quel momento, quindi identificare i dati mancanti e le discrepanze che vuole esplorare, il tutto trovando un equilibrio tra completezza, risorse di calcolo e tempi di attesa dell'utente. L'addestramento del modello nella pianificazione a lungo termine in più passaggi, utilizzando i dati in modo efficace, ci ha consentito di far funzionare Deep Research in un contesto di dominio aperto su tutti gli argomenti.

Inferenza di lunga durata

Una tipica attività di Deep Research comporta numerose chiamate al modello nell'arco di diversi minuti. Questo rappresenta una sfida per la creazione degli agenti: devono essere costruiti in modo che un singolo errore non significhi ricominciare l'attività da zero.

Per risolvere il problema, abbiamo sviluppato un gestore delle attività asincrono inedito che mantiene uno stato condiviso tra i modelli di attività e pianificazione, consentendo un'agile correzione degli errori senza dover riavviare l'intera attività. Questo sistema è realmente asincrono: puoi passare a un'altra app o letteralmente spegnere il computer dopo aver avviato un progetto Deep Research e, al successivo accesso a Gemini, riceverai una notifica quando la ricerca sarà completata.

Gestione del contesto

Nel corso di una sessione di ricerca, Gemini può elaborare centinaia di pagine di contenuti. Per mantenere la continuità e consentire domande aggiuntive, usiamo la finestra contestuale da 1 milione di token leader di settore di Gemini insieme a una configurazione RAG. Questo consente al sistema di "ricordare" in modo efficace tutto ciò che ha imparato nella sessione di chat, diventando sempre più intelligente a ogni interazione.

Funzionalità ora basata su 2.0 Flash Thinking (sperimentale)

Quando la funzionalità Deep Research è stata lanciata a dicembre, era basata su Gemini 1.5 Pro. Con l'introduzione di Gemini 2.0 Flash Thinking (sperimentale) abbiamo potuto migliorare drasticamente sia la qualità sia l'efficacia del servizio. Con i modelli Thinking, Gemini richiede più tempo per pianificare il suo approccio prima di procedere con i passaggi successivi. Questa innata caratteristica di autoriflessione e pianificazione lo rende il modello ideale per le attività agentiche di lunga durata. Ciò che osserviamo è che ora Gemini è ancora migliore in ogni fase della ricerca e offre report ancora più dettagliati. Allo stesso tempo, l'elaborazione efficiente del modello Flash ci consente di estendere l'accesso a Deep Research a molti altri utenti. Siamo davvero entusiasti dello sviluppo dei modelli Thinking e Flash in generale e ci aspettiamo che Deep Research continui a migliorare.

Che cosa succede ora

Abbiamo creato il sistema affinché sia versatile, in modo da poter ampliare le sue funzionalità nel tempo offrendoti maggiore controllo su ciò che può consultare e fornendogli altre fonti oltre al web pubblico.

Siamo impazienti di vedere come le persone useranno Deep Research e queste esperienze nel mondo reale ci faranno capire come continuare a sviluppare e migliorare Deep Research. In conclusione, il nostro obiettivo è un assistente AI realmente agentico e universalmente utile.