Deep Research do Gemini

Um sistema agêntico

Para criar o Deep Research, desenvolvemos um novo sistema de planeamento que permite à app Gemini lidar com problemas complexos. Para o Deep Research, preparámos os modelos Gemini para conseguirem:

• Decompor o problema: quando é apresentada uma consulta do utilizador complexa, o sistema formula primeiro um plano de investigação detalhado, decompondo o problema numa série de subtarefas mais pequenas e geríveis. Pode controlar o plano: o Gemini apresenta-lhe o plano e pode refiná-lo para se certificar de que está focado nas áreas certas.

• Investigar: o modelo supervisiona a execução deste plano e determina de forma inteligente que subtarefas podem ser realizadas em simultâneo e as que têm de ser feitas sequencialmente. O modelo pode usar ferramentas como a pesquisa e a navegação na Internet para obter informações e raciocinar sobre elas. Em cada passo, o modelo raciocina sobre as informações disponíveis para decidir o passo seguinte. Introduzimos um painel de raciocínio para que os utilizadores possam acompanhar o que o modelo aprendeu até agora e o que pretende fazer a seguir.

• Sintetizar: quando o modelo determina que foi recolhida informação suficiente, sintetiza os resultados num relatório abrangente. Na elaboração do relatório, o Gemini avalia criticamente as informações, identifica os principais temas e inconsistências e estrutura o relatório de forma lógica e informativa, realizando ainda várias etapas de autocrítica para melhorar a clareza e os detalhes.

Nova categoria, novos problemas e novas soluções

Na criação do Deep Research, tivemos de ultrapassar 3 desafios técnicos significativos:

Planeamento de vários passos

As tarefas de investigação requerem vários passos de planeamento iterativo. Em cada passo, o modelo tem de se basear em todas as informações recolhidas até ao momento e, em seguida, identificar as informações em falta e as discrepâncias que quer explorar, tudo isto enquanto equilibra a abrangência com o pensamento computacional e o tempo de espera do utilizador. Preparar o modelo para ser eficaz no planeamento longo de vários passos de uma forma eficiente em termos de dados permitiu-nos fazer com que o Deep Research funcionasse numa definição de domínio aberto em todos os tópicos.

Inferência de execução longa

Uma tarefa típica do Deep Research envolve muitas chamadas de modelos ao longo de vários minutos. Isto cria um desafio para a criação de agentes: tem de ser criado de forma a que uma única falha não implique o reinício da tarefa desde o início.

Para resolver isto, desenvolvemos um novo gestor de tarefas assíncrono que mantém um estado partilhado entre o planeador e os modelos de tarefas, permitindo uma correção de erros graciosa sem reiniciar toda a tarefa. Este sistema é verdadeiramente assíncrono: pode saltar para uma app diferente ou literalmente desligar o computador depois de iniciar um projeto do Deep Research e, da próxima vez que visitar o Gemini, recebe uma notificação quando a sua investigação estiver concluída.

Gestão do contexto

Ao longo de uma sessão de investigação, o Gemini pode processar centenas de páginas de conteúdos. Para manter a continuidade e permitir perguntas de seguimento, usamos a capacidade de resposta de 1 milhão de tokens do Gemini, líder da indústria, complementada com uma configuração RAG. Isto permite efetivamente que o sistema se "lembre" de tudo o que aprendeu durante essa sessão de chat, o que significa que, quanto mais tempo interagir com ele, mais inteligente se torna.

Agora com tecnologia do 2.0 Flash Thinking (experimental)

Quando o Deep Research foi lançado em dezembro, estava equipado com o Gemini 1.5 Pro. Com a introdução do Gemini 2.0 Flash Thinking (experimental), conseguimos melhorar drasticamente a qualidade e a eficiência do serviço deste produto. Com modelos de raciocínio, o Gemini demora mais tempo a planear a respetiva abordagem antes de dar os passos seguintes. Esta caraterística inata de autorreflexão e planeamento faz com que se adapte muito bem a este tipo de tarefas agênticas de execução longa. O que verificamos é que agora o Gemini é ainda melhor em todas as etapas da investigação e apresenta relatórios mais detalhados. Ao mesmo tempo, a eficiência de computação do modelo Flash permite-nos expandir o acesso ao Deep Research a um número muito maior de utilizadores. Estamos muito entusiasmados com o desenvolvimento do flash e dos modelos de raciocínio em geral e esperamos que o Deep Research continue a melhorar cada vez mais.

O que se segue

Criámos o sistema para ser versátil, pelo que, com o tempo, podemos expandir as respetivas capacidades, dando-lhe mais controlo sobre o que pode explorar e fornecendo-lhe fontes para além da Web aberta.

Estamos entusiasmados por ver como as pessoas usam o Deep Research, e estas experiências do mundo real irão informar a forma como continuamos a desenvolver e a melhorar o Deep Research. Em última análise, o nosso objetivo é criar um assistente de IA verdadeiramente agêntico e universalmente útil.