Gemini Deep Research

에이전트형 시스템

Deep Research 개발을 위해 팀에서는 Gemini 앱이 복잡한 문제를 해결하는 데 필요한 새로운 계획 시스템을 만들었습니다. 그리고 Deep Research를 위해 다음과 같은 기능을 Gemini 모델에 학습시켰습니다.

• 문제 분할하기: 사용자가 복잡한 질문을 하면 시스템이 우선 상세한 조사 계획을 세운 다음, 관리가 용이하도록 문제를 여러 개의 작은 하위 작업으로 분할합니다. 사용자가 계획을 제어함: 계획은 Gemini가 제공하지만, 적절한 분야에 집중하도록 사용자가 직접 미세 조정할 수 있습니다.

• 조사: 모델은 이러한 계획의 실행을 감독하며, 동시에 처리할 수 있는 하위 작업과 순차적으로 처리해야 하는 하위 작업을 지능적으로 결정합니다. 이 모델은 검색, 웹 탐색과 같은 도구를 사용하여 정보를 가져오고 & 이러한 정보를 사용해 추론할 수 있습니다. 그리고 각 단계에서 제공되는 정보를 사용해 추론하여 다음 단계를 결정할 수도 있습니다. Google은 지금까지 모델이 학습한 내용을 확인하고 다음에 무엇을 할지 추적할 수 있도록 사고 패널을 도입하였습니다.

• 합성: 모델이 정보를 충분히 수집했다고 판단하면 이제 발견한 정보를 합성해 종합적인 보고서를 작성합니다. 보고서를 작성하는 동안 Gemini는 정보를 비판적으로 평가하고, 중요한 테마나 불일치가 있는지 찾아내고, 논리적이고 유용하게 보고서를 구성합니다. 또한 더욱 명확하고 상세한 보고서를 완성하기 위해 여러 단계의 자기 비판 과정을 거칩니다.

새로운 카테고리, 새로운 문제, 새로운 해결 방법

Deep Research를 구축하는 과정에서 다음과 같은 중요한 세 가지 기술적인 문제를 해결해야 했습니다.

다단계식 계획

조사 작업에는 여러 단계에 걸친 반복적인 계획이 필요합니다. 각 단계마다 모델은 지금까지 수집된 정보를 토대로 추가 탐색이 필요한 누락된 정보나 불일치 정보를 찾아내야 합니다. 이때 수집할 정보의 계산 시간과 사용자의 대기 시간을 고려하여 정보를 얼마나 광범위하게 수집할지를 절충합니다. 데이터 효율성을 고려하여 긴 다단계식 계획을 효과적으로 처리하도록 모델을 학습시켰기 때문에 Deep Research는 모든 주제와 관련하여 개방된 도메인 환경에서 작동할 수 있습니다.

길게 이어지는 추론

일반적인 Deep Research 작업에는 몇 분이 소요되는 여러 건의 모델 호출이 필요합니다. 이로 인해 에이전트 구축에 문제가 발생합니다. 즉, 호출에 한 번 실패하더라도 작업을 처음부터 다시 처리할 필요가 없도록 에이전트를 구축해야 합니다.

이 문제를 해결하기 위해 Google에서는 새로운 비동기식 작업 관리자를 개발했습니다. 비동기식 작업 관리자는 플래너와 작업 모델 간에 상태를 공유할 수 있으므로 전체 작업을 처음부터 다시 시작하지 않고도 오류를 복구할 수 있습니다. 이 시스템은 진정한 비동기식으로 작동합니다. Deep Research 프로젝트를 시작한 후 다른 앱으로 전환하거나 컴퓨터를 끌 수도 있으며, 다음에 Gemini를 시작했을 때 연구가 종료되었으면 알림을 받게 됩니다.

컨텍스트 관리

조사 세션이 진행되는 동안 Gemini는 수백 페이지에 달하는 콘텐츠를 처리할 수 있습니다. 연속성을 유지하고 후속 질문이 가능하도록 Google은 RAG 설정이 보완된 업계 선도적인 1백만 토큰 컨텍스트 윈도우를 사용합니다. 이 기능을 사용하면 시스템이 채팅 세션에서 학습한 모든 내용을 효과적으로 '기억'할 수 있어 상호작용이 길어질수록 더욱 스마트한 결과를 얻을 수 있습니다.

2.0 Flash Thinking 제공(실험 버전)

Deep Research가 12월에 출시되었을 때는 Gemini 1.5 Pro가 적용되었습니다. Gemini 2.0 Flash Thinking(실험 버전)이 도입되면서 제품의 서비스 효율성과 품질을 현저히 개선할 수 있었습니다. 사고 모델을 사용하는 Gemini는 다음 단계를 결정하기 전 접근 방식을 계획하는 데 더 많은 시간을 할애합니다. 이러한 자기 성찰과 계획이라는 내재된 특성 덕분에 오래 걸려 실행되는 에이전트형 작업에 더욱 적합합니다. 이제 Gemini는 연구의 모든 단계에서 더 나은 성능을 보이고 있으며 더욱 상세한 보고서를 제공합니다. 또한 Flash 모델의 계산 효율성 덕분에 더 많은 사용자가 Deep Research를 사용할 수 있도록 서비스를 확장할 수 있게 되었습니다. Google은 전반적으로 Flash 및 사고 모델의 개발에 큰 기대를 걸고 있으며, Deep Research는 앞으로도 더욱 발전할 것입니다.

다음 단계

Google은 활용성이 뛰어난 시스템을 구축했습니다. 따라서 무엇을 검색할지에 대한 제어와 오픈 웹을 뛰어넘는 소스를 사용자에게 제공함으로써 그 기능을 더욱 확장해 나갈 수 있습니다.

사용자들이 Deep Search를 어떻게 활용하는지 보는 것은 매우 흥미롭습니다. 그리고 이러한 현실에서의 경험을 통해 Google은 Deep Research를 계속해서 개선해 나갈 것입니다. Google의 최종 목표는 광범위하게 활용할 수 있는 진정한 에이전트형 AI 어시스턴트를 제공하는 것입니다.