Gemini Deep Research

Agentský systém

Na účely vytvorenia funkcie Deep Research sme vyvinuli nový systém plánovania, ktorý aplikácii Gemini umožňuje riešiť komplexné problémy. Modely Gemini sme na účely funkcie Deep Research cvičili, aby dokázali:

• Rozdeliť problém na časti: keď používateľ zadá zložitý dopyt, systém najprv formuluje podrobný plán prehľadávania a rozdelí problém na rad menších, zvládnuteľných čiastkových úloh. Nad plánom máte kontrolu vy: Gemini vám ho poskytne a vy ho môžete spresniť, aby ste mali istotu, že sa zameriava na správne oblasti.

• Prehľadávať: model dohliada na realizáciu tohto plánu a inteligentne určí, ktoré čiastkové úlohy sa dajú zvládnuť súčasne a ktoré treba vykonať postupne. Tento model dokáže načítavať informácie pomocou nástrojov, ako sú vyhľadávanie a webové prehliadanie, a uvažovať nad nimi. Model pri každom kroku uvažuje nad dostupnými informáciami, aby rozhodol o svojom ďalšom postupe. Predstavili sme panel uvažovania, na ktorom môžu používatelia sledovať, čo sa model zatiaľ dozvedel a aký ďalší postup chce zvoliť.

• Kombinovať: keď model určí, že bolo zhromaždených dosť informácií, skombinuje nájdené informácie do komplexného reportu. Gemini pri vytváraní reportu kriticky zhodnotí príslušné informácie, identifikuje kľúčové témy aj nezrovnalosti a report usporiada do logickej a informatívnej podoby, pričom dokonca vykoná viacero sebakritických testov, aby zlepšil jasnosť a detaily.

Nová kategória, nové problémy, nové riešenia

Pri vytváraní funkcie Deep Research sme museli prekonať tri významné technické výzvy:

Viackrokové plánovanie

Úlohy prehľadávania vyžadujú viacero krokov iteratívneho plánovania. V rámci každého kroku musí model vychádzať zo všetkých dosiaľ zhromaždených informácií a potom identifikovať chýbajúce informácie aj nezrovnalosti, ktoré chce preskúmať. Urobí nielen toto všetko, ale zároveň pritom nahradí zložitosť výpočtom a časom čakania používateľa. Cvičenie modelu tak, aby efektívne spracúval údaje pri dlhom viackrokovom plánovaní, nám umožnilo funkciu Deep Research vytvoriť ako voľné dielo v rámci všetkých tém.

Dlhodobo prebiehajúce odvodzovanie

Typická úloha funkcie Deep Research zahŕňa viacerp volaní modelu počas niekoľkých minút. Pri vytváraní agentov to však predstavuje výzvu: agent musí byť vytvorený tak, aby jedno zlyhanie neznamenalo, že úlohu treba spustiť odznova.

Na vyriešenie tohto problému sme vyvinuli nového asynchrónneho správcu úloh, ktorý udržiava zdieľaný stav medzi plánovačom a modelmi úloh, čím umožňuje elegantnú opravu chýb bez reštartovania celej úlohy. Tento systém je skutočne asynchrónny: po začatí projektu vo funkcii Deep Research môžete prejsť na inú aplikáciu alebo doslova vypnúť počítač a keď nabudúce navštívite Gemini, upozorní vás, že prehľadávanie je hotové.

Správa kontextu

Počas relácie prehľadávania môže Gemini spracovať stovky stránok obsahu. Využívame špičkové kontextové okno s miliónom tokenov, ktorým disponuje Gemini, spolu s nastavením RAG, aby sme udržali plynulosť a umožnili klásť doplňujúce otázky. Systému to efektívne umožňuje zapamätať si všetko, čo sa naučil počas danej četovej konverzácie, takže je tým inteligentnejší, čím dlhšie s ním interagujete.

Teraz využíva technológiu 2.0 Flash Thinking (experimental)

Keď sme v decembri uviedli funkciu Deep Research na trh, využívala technológiu Gemini 1.5 Pro. Po predstavení modelu Gemini 2.0 Flash Thinking (experimental) sme mohli výrazne zlepšiť kvalitu aj obslužnú efektivitu tohto produktu. Uvažujúce modely umožňujú Gemini dlhšie plánovať svoj prístup predtým, než podnikne ďalšie kroky. Vďaka tejto vnútornej vlastnosti sebareflexie a plánovania sa skvele hodí na tieto typy dlhodobo prebiehajúcich agentských úloh. Zistili sme, že Gemini je teraz lepší vo všetkých fázach prehľadávania a poskytuje podrobnejšie reporty. Zároveň nám efektívna výpočtová stránka modelu Flash umožnila rozšíriť prístup k funkcii Deep Research na oveľa väčší počet používateľov. Sme veľmi nadšení, že môžeme všeobecne vyvíjať v súvislosti s modelmi Flash a uvažujúcimi modelmi, a očakávame, že Deep Research sa bude neustále zlepšovať.

Čo bude nasledovať

Tento systém sme vytvorili s dôrazom na jeho všestrannosť, aby sme mohli časom rozšíriť jeho schopnosti tým, že vám poskytneme väčšiu kontrolu nad tým, čo môže prehľadávať, a jemu poskytneme zdroje presahujúce otvorený internet.

Sme nadšení z toho, ako ľudia Deep Research využívajú, a tieto skúsenosti zo skutočného sveta poslúžia pri rozhodovaní, ako budeme Deep Research ďalej vytvárať a zlepšovať. V konečnom dôsledku je naším cieľom skutočný agentský a univerzálne užitočný asistent s umelou inteligenciou.