Gemini Deep Research

Et selvstendig system

For å bygge Deep Research utviklet vi et nytt planleggingssystem som gjør at Gemini-appen kan løse kompliserte problemer. For Deep Research lærte vi opp Gemini-modeller til å kunne gjøre følgende:

• Dele opp problemet: Når systemet får en kompleks forespørsel, formulerer det først en detaljert utforskningsplan der problemet blir delt opp i en rekke mindre underoppgaver som er enklere å gjøre. Du har kontroll over planen: Gemini presenterer den til deg, og du kan finjustere den for å sikre at fokuset er på de riktige områdene.

• Utforskning: Modellen har oversikt over utførelsen av denne planen, og på en intelligent måte velger den hvilke underoppgaver som kan gjøres samtidig, og hvilke som må gjøres etter hverandre. Modellen kan bruke verktøy som søk og surfing på nettet for å hente informasjon og resonnere over den. For hvert trinn resonnerer modellen over tilgjengelig informasjon før den går videre til neste trinn. Vi lanserte et tenkepanel der brukerne kan følge hva modellen har lært så langt, og hva den planlegger å gjøre videre.

• Kombinering: Når modellen bestemmer at det er samlet inn nok informasjon, kombinerer den funnene i en omfattende rapport. Under opprettelsen av rapporten går Gemini nøye gjennom informasjonen, identifiserer hovedtemaene og uoverensstemmelser, og strukturerer rapporten på en logisk og informativ måte. Den går til og med gjennom flere runder med selvkritikk for å sikre mest mulig tydelighet og detaljer.

Ny kategori, nye problemer, nye løsninger

Da vi bygget Deep Research, måtte vi takle tre betydelige tekniske utfordringer:

Planlegging i flere trinn

Utforskningsoppgaver krever flere trinn med iterativ planlegging. For hvert trinn må modellen være basert på all informasjonen som er samlet inn så langt, og deretter identifisere manglende informasjon og avvik den vil utforske – samtidig som den må balansere innholdsrikdom med beregningstid og ventetid for brukerne. Ved å lære opp modellen til virkningsfull, langvarig planlegging i flere trinn på en dataeffektiv måte kunne vi få Deep Research til å fungere fritt på tvers av alle emner.

Langvarig inferens

En vanlig Deep Research-oppgave involverer mange modellkall over flere minutter. Dette utgjør en utfordring under bygging av AI-medarbeidere: De må bygges slik at én enkelt feil ikke betyr at hele oppgaven må startes på nytt.

For å løse dette har vi utviklet en ny asynkron oppgavebehandling som opprettholder en delt tilstand mellom modellene for planlegging og oppgaver. Dermed kan vi utføre feilgjenoppretting uten å måtte starte hele oppgaven på nytt. Dette systemet er virkelig asynkront. Du kan hoppe til en annen app eller bokstavelig talt slå av datamaskinen etter at du har startet et Deep Research-prosjekt, og neste gang du åpner Gemini, blir du varslet når utforskningen er ferdig.

Kontekstadministrering

I løpet av en utforskningsøkt kan Gemini behandle hundrevis av sider med innhold. For å opprettholde kontinuitet og gjøre det mulig å stille oppfølgingsspørsmål bruker vi Geminis bransjeledende kontekstvindu på 1 million tokener sammen med en RAG-konfigurasjon. På den måten kan systemet effektivt «huske» alt den har lært i løpet av chatøkten, noe som gjør det smartere jo lenger du bruker det.

Nå basert på 2.0 Flash Thinking (forsøksversjon)

Da Deep Research ble lansert i desember, var den basert på Gemini 1.5 Pro. Med lanseringen av Gemini 2.0 Flash Thinking (forsøksversjon) kunne vi tilby dette produktet med betydelig høyere kvalitet og effektivitet. Med Thinking-modeller bruker Gemini mer tid på å planlegge fremgangsmåten før den går videre til neste trinn. Denne iboende evnen til selvrefleksjon og planlegging passer perfekt til slike langvarige, selvstendige oppgaver. Nå ser vi at Gemini er enda bedre i alle ledd av prosessen og leverer enda mer detaljerte rapporter. Samtidig gjør beregningseffektiviteten til Flash-modellen at vi kan utvide tilgangen til Deep Research til langt flere brukere. Vi gleder oss veldig til å videreutvikle Flash og Thinking-modeller generelt, og vi forventer at Deep Research bare blir bedre og bedre.

Hva skjer videre?

Vi har bygget systemet for at det skal være allsidig, slik at vi over tid kan utvide funksjonaliteten ved å gi deg mer kontroll over hva det kan lete etter, og gi det kilder som ikke bare kommer fra det åpne nettet.

Vi gleder oss til å se hvordan folk bruker Deep Research, og disse opplevelsene fra den virkelige verden utgjør grunnlaget for hvordan vi fortsetter å bygge og forbedre Deep Research. Til syvende og sist er målet vårt å lage en fullstendig selvstendig og universelt nyttig AI-assistent.