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

ตอนนี้ขับเคลื่อนด้วยโมเดล 2.0 Flash Thinking (เวอร์ชันทดลอง)

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

สิ่งที่จะเกิดขึ้นหลังจากนี้

เราสร้างระบบให้มีความอเนกประสงค์ ดังนั้นเมื่อเวลาผ่านไปเราจึงสามารถขยายขีดความสามารถโดยการให้คุณควบคุมสิ่งที่โมเดลเลือกดูได้มากขึ้น และให้แหล่งข้อมูลที่นอกเหนือจากเว็บแบบเปิด

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