Gemini Deep Research

ระบบการทำงานเป็นตัวแทน

ในการสร้าง Deep Research เราพัฒนาระบบการวางแผนแบบใหม่ที่ทำให้แอป Gemini สามารถแก้ปัญหาที่ซับซ้อน สำหรับ Deep Research เราฝึกโมเดล Gemini ให้มีความสามารถดังต่อไปนี้

• แยกย่อยปัญหาเป็นส่วนๆ: เมื่อต้องเจอคำถามที่ซับซ้อนจากผู้ใช้ ระบบจะสร้างแผนการค้นคว้าข้อมูลอย่างละเอียดก่อน ซึ่งจะแตกปัญหาออกเป็นงานย่อยๆ ที่เล็กลงและจัดการได้ คุณคือผู้ควบคุมแผนนี้ โดย Gemini จะนำเสนอแผนให้คุณทราบ และคุณสามารถปรับแต่งเพื่อให้มั่นใจว่าแผนดังกล่าวมุ่งเน้นได้ถูกจุด

• การค้นคว้าหาข้อมูล: โมเดลนี้ควบคุมดูแลการดำเนินการตามแผนนี้ และกำหนดอย่างชาญฉลาดว่างานย่อยงานไหนจัดการพร้อมกันได้และงานไหนจำเป็นต้องทำตามลำดับ โมเดลนี้จะใช้เครื่องมือ เช่น การค้นหาและการท่องเว็บเพื่อดึงข้อมูลและใช้เหตุผลวิเคราะห์ข้อมูลดังกล่าว ในแต่ละขั้น โมเดลจะใช้เหตุผลวิเคราะห์ข้อมูลที่มีเพื่อทำการตัดสินใจครั้งต่อไป เราได้แนะนำแผงการคิดสำหรับผู้ใช้เพื่อติดตามสิ่งที่โมเดลได้เรียนรู้ไปแล้ว และสิ่งที่ตั้งใจจะทำต่อไป

• การสังเคราะห์: เมื่อโมเดลพิจารณาข้อมูลที่เก็บรวบรวมได้มากพอแล้ว ก็จะสังเคราะห์สิ่งที่ได้เรียนรู้ออกมาเป็นรายงานที่ครอบคลุม ในการสร้างรายงาน Gemini จะประเมินข้อมูลตามหลักเหตุผล ระบุธีมสำคัญและความไม่สอดคล้องกัน และจัดโครงสร้างรายงานในรูปแบบที่เป็นเหตุเป็นผลและให้ข้อมูล แม้กระทั่งทำการประเมินตัวเองหลายรอบเพื่อเพิ่มความชัดเจนและรายละเอียด

หมวดหมู่ใหม่ ปัญหาใหม่ ทางแก้ใหม่

ในการสร้าง Deep Research นั้น เราต้องเผชิญกับความท้าทายทางเทคนิคที่สำคัญอยู่ 3 เรื่องด้วยกัน ได้แก่

การวางแผนหลายขั้นตอน

งานค้นคว้าข้อมูลต้องใช้การวางแผนที่ต้องทำซ้ำหลายขั้นตอน ในแต่ละขั้นตอน โมเดลจะต้องตั้งอยู่บนข้อมูลที่รวบรวมมาทั้งหมด จากนั้นจะระบุข้อมูลที่ขาดหายไปและความไม่สอดคล้องกันที่ต้องการสำรวจ ซึ่งความครอบคลุมที่ได้นี้ต้องแลกมาด้วยระยะเวลาในการคำนวณและเวลาที่ผู้ใช้ต้องรอ การฝึกโมเดลให้ทำงานได้ดีในการวางแผนระยะยาวหลายขั้นตอนในลักษณะที่ใช้ข้อมูลอย่างมีประสิทธิภาพ ช่วยทำให้ฟังก์ชัน Deep Research ทำงานได้ในสภาพแวดล้อมแบบเปิดกว้างที่ครอบคลุมทุกหัวข้อ

การอนุมานที่ใช้เวลานาน

งาน Deep Research ทั่วๆ ไปจะเกี่ยวข้องกับการเรียกใช้โมเดลหลายครั้งในช่วงเวลาหลายนาที สิ่งนี้สร้างความท้าทายในการสร้างตัวแทน เพราะเป็นสิ่งที่จำเป็นต้องสร้างเพื่อให้ความล้มเหลวเพียงครั้งเดียวไม่ได้หมายความว่าต้องเริ่มต้นงานใหม่ตั้งแต่ต้น

ในการแก้ปัญหานี้ เราได้พัฒนาตัวจัดการงานแบบอะซิงโครนัสใหม่ที่รักษาสถานะร่วมกันระหว่างโมเดลวางแผนและโมเดลงาน ช่วยให้สามารถแก้ไขข้อผิดพลาดได้อย่างราบรื่นโดยไม่ต้องเริ่มต้นงานทั้งหมดใหม่ ระบบนี้เป็นแบบอะซิงโครนัสอย่างแท้จริง: คุณสามารถเปลี่ยนไปใช้แอปอื่นหรือปิดคอมพิวเตอร์หลังจากเริ่มโปรเจ็กต์ Deep Research และในครั้งต่อไปที่เยี่ยมชม Gemini คุณจะได้รับการแจ้งเตือนเมื่อค้นคว้าข้อมูลเสร็จ

การจัดการบริบท

Gemini สามารถประมวลผลเนื้อหาหลายร้อยหน้าได้ในการค้นคว้าข้อมูลแต่ละครั้ง เพื่อรักษาความต่อเนื่องและให้สามารถถามคำถามติดตามผล เราจะใช้หน้าต่างบริบทขนาด 1 ล้านโทเค็นชั้นแนวหน้าของอุตสาหกรรมของ Gemini เสริมด้วยการตั้งค่า RAG สิ่งนี้ช่วยให้ระบบสามารถ "จดจำ" ทุกสิ่งที่ได้เรียนรู้ระหว่างเซสชันการแชทนั้น ทำให้โมเดลยิ่งฉลาดขึ้นเมื่อคุณโต้ตอบด้วยนานขึ้น

Evolving with new models

ตอนที่ Deep Research เปิดตัวเมื่อเดือนธันวาคมนั้นขับเคลื่อนด้วยโมเดล Gemini 1.5 Pro การเปิดตัว Gemini 2.0 Flash Thinking (เวอร์ชันทดลอง) ทำให้เราสามารถปรับปรุงทั้งคุณภาพและประสิทธิภาพในการบริการของผลิตภัณฑ์นี้ขึ้นอย่างมาก โมเดลการคิดทำให้ Gemini ใช้เวลานานขึ้นในการวางแผนแนวทางก่อนจะทำขั้นตอนต่อไป คุณลักษณะในการทบทวนและการวางแผนที่มีติดตัวนี้ทำให้โมเดลเหมาะสมอย่างยิ่งสำหรับการทำงานในลักษณะ "ตัวแทน" เป็นเวลานานติดต่อกัน สิ่งที่เราเห็นคือตอนนี้ Gemini ดียิ่งขึ้นในทุกขั้นตอนของการค้นคว้าข้อมูลและสร้างรายงานที่มีรายละเอียดมากขึ้น ในขณะเดียวกัน ประสิทธิภาพในการคำนวณของโมเดล Flash ก็ช่วยให้เราสามารถขยายการเข้าถึง Deep Research ไปยังผู้ใช้จำนวนมากขึ้นได้อย่างมาก เราตื่นเต้นมากๆ เกี่ยวกับการพัฒนาบนโมเดล Flash และโมเดลการคิดโดยทั่วไป และคาดว่า Deep Research จะยังคงดียิ่งขึ้นไปเรื่อยๆ

And with our most capable model, Gemini 2.5 Pro (experimental) in Gemini Advanced, Deep Research is even better at all stages of research, delivering even more insightful and detailed reports

สิ่งที่จะเกิดขึ้นหลังจากนี้

เราสร้างระบบให้มีความอเนกประสงค์ ดังนั้นเมื่อเวลาผ่านไปเราจึงสามารถขยายขีดความสามารถโดยการให้คุณควบคุมสิ่งที่โมเดลเลือกดูได้มากขึ้น และให้แหล่งข้อมูลที่นอกเหนือจากเว็บแบบเปิด

เราตื่นเต้นที่จะได้เห็นว่าผู้คนใช้ Deep Research กันอย่างไร และประสบการณ์จากโลกความเป็นจริงเหล่านี้จะเป็นข้อมูลว่าเราจะสร้างและปรับปรุง Deep Research ต่อไปอย่างไร ในท้ายที่สุด เป้าหมายของเราคือผู้ช่วย AI ที่เป็นตัวแทนอย่างแท้จริงและเป็นประโยชน์สำหรับทุกคน