Gemini Deep Research

ഒരു ഏജന്റിക് സിസ്റ്റം

Deep Research സൃഷ്ടിക്കാൻ, സങ്കീർണ്ണമായ പ്രശ്‌നങ്ങൾ പരിഹരിക്കാൻ Gemini ആപ്പിനെ പ്രാപ്‌തമാക്കുന്ന ഒരു പുതിയ പ്ലാനിംഗ് സിസ്റ്റം ഞങ്ങൾ സൃഷ്ടിച്ചു. Deep Research-നായി, ഇനിപ്പറയുന്നവ ചെയ്യാനാകുന്ന വിധത്തിൽ ഞങ്ങൾ Gemini മോഡലുകൾക്ക് പരിശീലനം നൽകി:

• പ്രശ്‌നത്തെ ചെറിയ ഉപടാസ്ക്കുകളായി വിഭജിക്കുന്നു: ഉപയോക്താവിൽ നിന്നുള്ള സങ്കീർണ്ണമായ ഒരു ചോദ്യം ലഭിക്കുമ്പോൾ, പ്രശ്‌നത്തെ ചെറുതും മാനേജ് ചെയ്യാവുന്നതുമായ ഉപ ടാസ്ക്കുകളാക്കി മാറ്റിക്കൊണ്ട് സിസ്റ്റം ആദ്യം വിശദമായ ഒരു ഗവേഷണ പ്ലാനിന് രൂപം നൽകുന്നു. പ്ലാനിന്റെ നിയന്ത്രണം നിങ്ങൾക്കാണ്: Gemini അത് നിങ്ങൾക്ക് മുന്നിൽ അവതരിപ്പിക്കുന്നു, ശരിയായ മേഖലകളിലാണ് ഫോക്കസ് ചെയ്യുന്നതെന്ന് ഉറപ്പാക്കാൻ നിങ്ങൾക്കത് പരിഷ്‌കരിക്കാവുന്നതാണ്.

• ഗവേഷണം: മോഡൽ, ഈ പ്ലാൻ നടപ്പാക്കുന്നതിന്റെ മേൽനോട്ടം വഹിക്കുന്നു, ഒരേസമയം കൈകാര്യം ചെയ്യാവുന്ന ഉപടാസ്ക്കുകൾ ഏതെല്ലാമാണെന്നും തുടർച്ചയായ ക്രമത്തിൽ കൈകാര്യം ചെയ്യാവുന്നവ ഏതെല്ലാമെന്നും ബുദ്ധിപൂർവ്വം നിർണ്ണയിക്കുകയും ചെയ്യുന്നു. വിവരങ്ങൾ നേടാനും അതിന്മേൽ യുക്തിപൂർവ്വം തീരുമാനമെടുക്കാനും, തിരയലും വെബ് ബ്രൗസിംഗും പോലുള്ള ടൂളുകൾ ഉപയോഗിക്കാൻ ഈ മോഡലിന് കഴിയും. ഓരോ ഘട്ടത്തിലും ലഭ്യമായ വിവരങ്ങൾ യുക്തിപൂർവ്വം വിലയിരുത്തി അടുത്ത ചുവട് എന്തായിരിക്കണമെന്ന് മോഡൽ തീരുമാനിക്കുന്നു. മോഡൽ ഇതുവരെ എന്തെല്ലാം പഠിച്ചെന്നും അടുത്തതായി ചെയ്യാൻ ഉദ്ദേശിക്കുന്നത് എന്താണെന്നും മനസ്സിലാക്കാൻ ഉപയോക്താക്കൾക്കായി ഞങ്ങൾ ഒരു തിങ്കിംഗ് പാനൽ അവതരിപ്പിച്ചു.

• സംയോജിപ്പിക്കൽ: മതിയായ വിവരങ്ങൾ ശേഖരിച്ചെന്ന് മോഡൽ നിർണ്ണയിച്ച് കഴിഞ്ഞാൽ, കണ്ടെത്തിയ കാര്യങ്ങൾ സംയോജിപ്പിച്ച് അത് സമഗ്രമായ ഒരു റിപ്പോർട്ട് തയ്യാറാക്കുന്നു. റിപ്പോർട്ട് സൃഷ്ടിക്കുമ്പോൾ, വിവരങ്ങൾ Gemini വിമർശനാത്മകമായി വിലയിരുത്തുകയും പ്രധാന തീമുകളും പൊരുത്തക്കേടുകളും തിരിച്ചറിയുകയും ചെയ്യുന്നു, ഇതുവഴി യുക്തിപരവും വിജ്ഞാനപ്രദവുമായ രീതിയിൽ ഒരു റിപ്പോർട്ട് ക്രമീകരിക്കുന്നു, ഒപ്പം വ്യക്തതയും വിശദാംശങ്ങളും മെച്ചപ്പെടുത്താനായി നിരവധി തവണ ആത്മവിമർശനം നടത്തുകയും ചെയ്യും.

പുതിയ വിഭാഗം, പുതിയ പ്രശ്‌നങ്ങൾ, പുതിയ പരിഹാരങ്ങൾ

Deep Research സൃഷ്ടിക്കുമ്പോൾ, ഞങ്ങൾക്ക് പ്രധാനപ്പെട്ട മൂന്ന് സാങ്കേതിക വെല്ലുവിളികൾ നേരിടേണ്ടി വന്നു:

ഒന്നിലധികം ഘട്ടങ്ങളുള്ള പ്ലാനിംഗ്

ഗവേഷണ ടാസ്ക്കുകൾക്ക് നിരവധി ഘട്ടങ്ങളുള്ള തുടർച്ചയായ പ്ലാനിംഗ് ആവശ്യമാണ്. ഓരോ ഘട്ടത്തിലും, അതുവരെ ശേഖരിച്ച വിവരങ്ങൾ ഉപയോഗിച്ച് മോഡൽ ശക്തമായൊരു അടിത്തറ ഉണ്ടാക്കേണ്ടതുണ്ട്, അതിന് ശേഷം വിട്ടുപോയ വിവരങ്ങളും പൊരുത്തക്കേടുകളും അടുത്തറിയുന്നതിന് അവ തിരിച്ചറിയേണ്ടതുണ്ട് — ഇതെല്ലാം ചെയ്യേണ്ടത് ഗവേഷണത്തിന്റെ സമഗ്രതയും കമ്പ്യൂട്ടിംഗ് സമയവും ഉപയോക്താവിന്റെ കാത്തിരിപ്പ് സമയവും തമ്മിലുള്ള ബാലൻസ് നിലനിർത്തിക്കൊണ്ടായിരിക്കണം. ഡാറ്റ കാര്യക്ഷമമായ രീതിയിൽ ഉപയോഗിച്ച് ദീർഘവും നിരവധി ഘട്ടങ്ങളുള്ളതുമായ പ്ലാനിംഗിൽ കാര്യക്ഷമമായി പ്രവർത്തിക്കാൻ മോഡലിനെ പരിശീലിപ്പിക്കുന്നത് എല്ലാ വിഷയങ്ങളുമായി ബന്ധപ്പെട്ടും ഓപ്പൺ ഡൊമെയ്ൻ ക്രമീകരണത്തിൽ Deep Research പ്രവർത്തിപ്പിക്കാൻ ഞങ്ങളെ പ്രാപ്‌തരാക്കി.

ദീർഘനേരം റൺ ചെയ്യുന്ന ഇന്റർഫേസ്

സാധാരണഗതിയിലുള്ള ഒരു Deep Research ടാസ്ക്കിൽ നിരവധി മിനിറ്റുകൾ നീണ്ടുനിൽക്കുന്ന നിരവധി മോഡൽ കോളുകൾ ഉണ്ടാകും. ഇത് ഏജന്റുകൾ വികസിപ്പിക്കുന്നതിൽ വെല്ലുവിളി സൃഷ്ടിക്കുന്നു: ഒരു പരാജയം സംഭവിച്ചാൽ ആദ്യം മുതൽ ടാസ്‌ക് ചെയ്യേണ്ടി വരുന്ന സാഹചര്യം ഒഴിവാക്കുന്ന തരത്തിൽ ഇത് നിർമ്മിച്ചെടുക്കേണ്ടതുണ്ട്.

ഇത് കൈകാര്യം ചെയ്യാൻ, ഞങ്ങൾ പ്ലാനറിനും ടാസ്‌ക് മോഡലുകൾക്കുമിടയിൽ പങ്കിട്ട സ്ഥിതി നിലനിർത്തുന്ന, പുതുമയുള്ളതും അസിങ്ക്രോണസുമായ ഒരു ടാസ്‌ക് മാനേജർ സൃഷ്ടിച്ചു, ടാസ്‌ക് മുഴുവനായി റീസ്റ്റാർട്ട് ചെയ്യാതെ സുഗമമായ പിശക് പരിഹരിക്കൽ ഇത് സാധ്യമാക്കുന്നു. ഈ സിസ്റ്റം തീർത്തും അസിങ്ക്രോണസ് ആണ്: ഒരു Deep Research പ്രോജക്റ്റ് ആരംഭിച്ചതിന് ശേഷം നിങ്ങൾക്ക് മറ്റൊരു ആപ്പിലേക്ക് പോകുകയോ നിങ്ങളുടെ കമ്പ്യൂട്ടർ ഓഫാക്കുക തന്നെയോ ചെയ്യാം, ഗവേഷണം പൂർത്തിയായാൽ നിങ്ങൾ അടുത്ത തവണ Gemini സന്ദർശിക്കുമ്പോൾ അറിയിപ്പ് ലഭിക്കും.

സന്ദർഭം മാനേജ് ചെയ്യൽ

ഗവേഷണ സെഷനിലുടനീളം നൂറുകണക്കിന് പേജുകളുള്ള ഉള്ളടക്കം Gemini-ക്ക് പ്രോസസ് ചെയ്യാനാകും. തുടർച്ച നിലനിർത്താനും ഫോളോ അപ്പ് ചോദ്യങ്ങൾ പ്രവർത്തനക്ഷമമാക്കാനും, ഞങ്ങൾ Gemini-യുടെ വിപണിയിൽ ലഭ്യമായ ഏറ്റവും മികച്ച 1 മില്യൺ ടോക്കൺ കോൺടെക്സ്റ്റ് വിൻഡോയും അതോടൊപ്പം ലഭ്യമായ RAG സജ്ജീകരണവും ഉപയോഗിക്കുന്നു. ഫലത്തിൽ ഇത് ആ ചാറ്റ് സെഷനിടെ മനസ്സിലാക്കിയ എല്ലാ കാര്യങ്ങളും "ഓർക്കാൻ" സിസ്റ്റത്തെ അനുവദിക്കുന്നു, നിങ്ങൾ എത്രയധികം ഇടപഴകുന്നോ അത് അത്രയധികം സ്‌മാർട്ടാകും.

ഇപ്പോൾ 2.0 Flash Thinking (പരീക്ഷണാത്മകം)-ൽ പ്രവർത്തിക്കുന്നു

ഡിസംബറിൽ Deep Research ലോഞ്ച് ചെയ്തപ്പോൾ അത് Gemini 1.5 Pro-യിലാണ് പ്രവർത്തിച്ചിരുന്നത്. Gemini 2.0 Flash Thinking (പരീക്ഷണാത്മകം) അവതരിപ്പിച്ചതോടെ ഈ ഉൽപ്പന്നത്തിന്റെ നിലവാരവും വിവരങ്ങൾ നൽകുന്നതിലുള്ള കാര്യക്ഷമതയും വളരെയേറെ വർദ്ധിപ്പിക്കാൻ ഞങ്ങൾക്ക് കഴിഞ്ഞു. തിങ്കിംഗ് മോഡലുകൾ ഉപയോഗിക്കുമ്പോൾ, അടുത്ത ഘട്ടത്തിലേക്ക് പോകുന്നതിന് മുമ്പ്, എന്തായിരിക്കണം സമീപനം എന്ന് പ്ലാൻ ചെയ്യാൻ Gemini കൂടുതൽ സമയമെടുക്കുന്നു. സ്വയം വിലയിരുത്താനുള്ള സഹജമായ സവിശേഷ ശേഷിയും പ്ലാനിംഗും ഇതിനെ ദീർഘനേരം റൺ ചെയ്യുന്ന ഇത്തരം ഏജന്റിക് ടാസ്ക്കുകൾക്ക് അനുയോജ്യമാക്കുന്നു. ഗവേഷണത്തിന്റെ എല്ലാ ഘട്ടങ്ങളിലും Gemini കൂടുതൽ മികവ് പുലർത്തുന്നതും കൂടുതൽ വിശദമായ റിപ്പോർട്ടുകൾ നൽകുന്നതുമാണ് നമുക്ക് ഇപ്പോൾ കാണാനാകുന്നത്. അതേ സമയം, Flash മോഡലിന്റെ കമ്പ്യൂട്ട് കാര്യക്ഷമത കൂടുതൽ ഉപയോക്താക്കളിലേക്ക് Deep Research-ന്റെ ആക്‌സസ് വിപുലീകരിക്കാൻ ഞങ്ങളെ അനുവദിക്കുന്നു. ഞങ്ങൾ അതിയായ ആവേശത്തോടെയാണ് പൊതുവിൽ Flash, Thinking മോഡലുകൾ വികസിപ്പിക്കുന്നത്, Deep Research വളരെയേറെ മെച്ചപ്പെടുമെന്ന് പ്രതീക്ഷിക്കുകയും ചെയ്യുന്നു.

അടുത്തത് എന്താണ്

വൈവിധ്യപൂർണ്ണമായ കാര്യങ്ങൾ ചെയ്യാമെന്ന ഉദ്ദേശ്യത്തോടെയാണ് ഞങ്ങൾ സിസ്റ്റം നിർമ്മിച്ചത്, അതിനാൽ എന്തെല്ലാം ബ്രൗസ് ചെയ്യാൻ അതിന് കഴിയുമെന്നതിൽ നിങ്ങൾക്ക് കൂടുതൽ നിയന്ത്രണം നൽകിക്കൊണ്ടും ഓപ്പൺ വെബിന് പുറമേയുള്ള ഉറവിടങ്ങൾ അതിന് ലഭ്യമാക്കിക്കൊണ്ടും കാലക്രമേണ അതിന്റെ ശേഷികൾ വികസിപ്പിക്കാൻ ഞങ്ങൾക്ക് സാധിക്കും.

ആളുകൾ എങ്ങനെയാണ് Deep Research ഉപയോഗിക്കുന്നതെന്ന് കാണാൻ ആവേശപൂർവം കാത്തിരിക്കുകയാണ് ഞങ്ങൾ, Deep Research തുടർന്ന് എങ്ങനെ നിർമ്മിക്കണമെന്നും മെച്ചപ്പെടുത്താമെന്നും യഥാർത്ഥ ലോകത്ത് നിന്നുള്ള ഈ അനുഭവങ്ങളിൽ നിന്ന് ഞങ്ങൾക്ക് മനസ്സിലാക്കാനാകും. ശരിയായ തരത്തിൽ ഏജന്റിക്കും സാർവത്രികമായി സഹായകരവുമായ ഒരു AI അസിസ്‌റ്റന്റാണ് ഞങ്ങളുടെ ആത്യന്തിക ലക്ഷ്യം.