Резюме
- Многие компании, занимающиеся разработкой ИИ, предлагают функции глубокого исследования со схожими функциями.
- Функции Deep Research позволяют проводить онлайн-исследования и создавать подробные отчеты.
- Глубокие исследования полезны для получения подробной информации, но создание отчетов занимает время.
Откройте популярное приложение чат-бота AI прямо сейчас, и есть вероятность, что вы скоро столкнетесь с функцией под названием «Deep Research». Вы можете найти Deep Research в ChatGPT, в Google Gemini и в Perplexity. Редко когда компании AI дают функции точно такое же название.
Например, у ChatGPT и Gemini есть Canvas, а у Claude есть Artifacts, что по сути является той же концепцией. Хотя функции не идентичны, Deep Research во всех трех приложениях схож. Это просто случай, когда компании пытаются идти в ногу друг с другом, или Deep Research — это функция, на которую стоит обратить внимание?
Понимание глубоких исследований
Неудивительно, что несколько компаний использовали одно и то же название для одной и той же функции, поскольку оно дает достаточно четкое представление о том, что делает эта функция. В каждом случае, вместо того чтобы давать короткий, почти мгновенный ответ на подсказку, чат-бот ИИ не торопится, чтобы сформулировать план действий, провести исследование в различных источниках и, наконец, выдать подробный отчет.
Это очень полезно, когда вам нужна более тщательно исследованная информация, чем может предоставить стандартная модель чат-бота на основе искусственного интеллекта. Скорость ответа приносится в жертву более методичному подходу, который может генерировать гораздо более полный результат.
Глубокие исследования Google Gemini
Google стала первой крупной компанией, которая представила функцию под названием Deep Research в декабре 2024 года. Первоначально она была выпущена как экспериментальная модель, доступная только подписчикам Gemini Advanced, но в марте этого года функция стала доступна всем, включая тех, у кого нет платной подписки.
Целью Deep Research от Google было изъять из наших рук обременительную задачу онлайн-исследований и передать ее чат-боту на основе искусственного интеллекта. Он работает так же, как и человек: получив подсказку, объясняющую, что именно исследовать, он составляет план действий, ищет информацию на соответствующих веб-сайтах, пересматривает свой план на основе обнаруженной информации и продолжает повторять процесс, пока не соберет всю информацию, которая, по его мнению, ему нужна.
Процесс может занять некоторое время, особенно если требуется много исследований и анализа. Вы можете видеть информацию о том, над чем работает модель, по мере ее выполнения. После того, как Gemini найдет всю необходимую информацию, она преобразуется в подробный отчет со ссылками на источники.
Прежде чем Gemini приступит к работе над своим планом, он покажет вам, что он намерен сделать. Вы можете одобрить план или внести в него изменения, если считаете, что его можно доработать. После того, как будет сформирован окончательный отчет, вы можете экспортировать его в Google Docs или даже создать аудиообзор, который превратит отчет в подкаст, в котором два голоса, созданные ИИ, подробно обсуждают отчет.
Глубокие исследования OpenAI
OpenAI выпустила собственную функцию Deep Research в феврале 2025 года. Изначально она была доступна только для людей с подпиской Pro за 200 долларов в месяц, но позже в том же месяце стала доступна подписчикам Plus. В отличие от Gemini, она по-прежнему недоступна бесплатно.
Концепция очень похожа на Gemini’s Deep Research. Когда вы вводите запрос с информацией о том, что вы хотите исследовать, ChatGPT обычно задает несколько вопросов, чтобы точно прояснить, чего именно вы хотите достичь. Например, если ваш запрос широкий, он может спросить, хотите ли вы сосредоточиться на определенной области или создать более общий отчет.
После того, как вы подтвердили, что хотите, ChatGPT будет использовать многошаговый подход для поиска соответствующей информации в Интернете, анализировать найденную информацию, а затем синтезировать ее в отчет. Создание отчета может занять некоторое время, в зависимости от того, насколько сложным должно быть исследование.
Вы можете выбрать просмотр подробностей шагов, которые ChatGPT выполняет во время своего исследования, если хотите, например, что ИИ планирует попробовать или какие сайты он просматривает. Информация часто удивительно похожа на то, что вы могли бы попробовать сами, с поиском определенных фраз, которые оказываются бесплодными, за которыми следуют дальнейшие поиски, которые используют немного другие поисковые термины.
В настоящее время ChatGPT может генерировать только письменные отчеты. В отличие от Gemini, нет возможности конвертировать отчет в аудиоподкаст. В моем тестировании ChatGPT также, похоже, тратит больше времени на генерацию результатов, чем Gemini или Perplexity.
Глубокое исследование Perplexity
Perplexity — это немного другой чат-бот, чем Gemini и ChatGPT. Perplexity в первую очередь задуман как диалоговый поисковый движок. Вместо того, чтобы быть универсальным чат-ботом, Perplexity призван помочь вам найти информацию в Интернете более доступным способом и также может использовать модели конкурентов, такие как OpenAI GPT-4o и Google Gemini 2.5 Pro.
Функции ChatGPT и Gemini Deep Research в основном основаны на поиске в Интернете и создании отчета на основе найденной информации. Поиск в Интернете является основной целью Perplexity, поэтому неудивительно, что его функция Deep Research работает аналогично двум другим.
Чат-бот создает план того, что ему нужно сделать для создания отчета, затем уходит и ищет в Интернете соответствующую информацию. Он может изменить свой подход на основе информации, которую он раскопал, и в конце процесса он создаст исследовательский отчет на основе того, что он обнаружил.
Как и в случае с Gemini и ChatGPT, вы можете видеть обновления в реальном времени того, что происходит во время исследования. Окончательный отчет включает список источников, из которых была взята информация, так что вы можете вернуться и проверить детали, если вам это нужно. Нет возможности конвертировать ваши отчеты в аудио с помощью Perplexity, хотя он отправляет вам ссылку на отчет по электронной почте по умолчанию.
Стоит ли вам проводить глубокие исследования?
Компании, занимающиеся ИИ, явно заботятся о Deep Research, поскольку все они вскочили на подножку, но есть ли от этого польза? Это зависит от того, чего вы пытаетесь достичь. Если вы просто ищете быструю информацию по теме, то Deep Research — это излишество, и оно займет гораздо больше времени, чем использование стандартной модели.
Однако если вам нужна более подробная информация, это может сэкономить вам много времени. На сайте OpenAI утверждается, что Deep Research «за десятки минут выполняет то, на что у человека уйдут многие часы», и хотя в некоторых случаях они могут быть немного преувеличены, это, вероятно, недалеко от истины. Если вы когда-нибудь тратили время на то, чтобы расстроиться из-за того, насколько ужасен поиск Google в наши дни, пытаясь найти какую-то ключевую информацию, то Deep Research может спасти ваше здравомыслие.
Я большой фанат футбола, и я часто вижу, как обсуждаются статистические данные о том, сколько потратили клубы, и обвинения в покупке трофеев. Раньше, чтобы найти реальные цифры, мне приходилось часами искать, копировать и вставлять данные в электронные таблицы. Теперь я могу заставить ИИ провести все исследования за меня и получить точную информацию, которая мне нужна, с минимальными усилиями.
Что может произойти дальше в области глубоких исследований?
В настоящее время все функции Deep Research ищут в Интернете необходимую им информацию, преимущественно в виде текста. Однако на следующем этапе Deep Research эти модели могут стать мультимодальными и способными обрабатывать другие формы информации. В конечном итоге они смогут использовать аудио, видео или даже данные в реальном времени, такие как живые финансовые рынки, в качестве источников информации.
Одной из областей, в которой Deep Research также может увидеть улучшение, является оценка его источников. В Интернете много информации, и не вся она имеет наивысшее качество. Возможность проверки информации, которую он находит, поможет сделать функции Deep Research еще более мощными.
Deep Research может быть одним из последних модных словечек в ИИ, но это может быть очень полезным инструментом в правильных обстоятельствах. По сути, это избавляет нас от утомительного процесса поиска информации на веб-сайтах и позволяет ИИ выполнять всю тяжелую работу. Хотя это не идеально, это может выдавать некоторые превосходные результаты, и, как и все функции ИИ, это будет только улучшаться с этого момента.
