Google的Gemini深度研究工具现在可以深入访问Gmail、Drive和Chat等应用,获取对回答研究问题有用的数据信息。
Gemini深度研究功能基于当前的Gemini 2.5 Pro,作为智能体运行,这意味着它会启动多步骤流程来响应指令,而不是立即给出回应。深度研究系统整合了知识发现、工作流自动化和研究编排功能。
Google并非此类系统的唯一提供商。OpenAI和Perplexity也提供深度研究工具,同时还有各种开源实现方案可供选择。
Google Gemini服务产品管理高级总监Dave Citron在去年的博客文章中解释说:"输入问题后,系统会为您创建多步骤研究计划,您可以修改或批准该计划。一旦您批准,它就开始代表您深入分析网络上的相关信息。"
现在,如果获得允许,Gemini深度研究可以访问您Gmail、Drive(如文档、幻灯片、表格和PDF文件)以及Google Chat中的数据,以获得额外的上下文信息。如果您在Google Workspace中存储的数据可能与研究问题相关,授予Gemini访问这些数据的权限可能会带来更好的结果。
其他AI供应商也有类似的数据访问先例,因为为AI模型提供个人文件和数据访问权限往往会让它们更加有用,但这是以隐私和安全为代价的。例如,Anthropic的Claude具有访问Google Drive和Slack的基于网络的连接器。其iOS版本可以访问地图和iMessage等特定应用。Claude桌面版还支持桌面扩展,可访问本地文件系统。
尽管如此,值得考虑Google针对Gemini应用的详细隐私声明。在相关的Google隐私条款页面上,该公司表示使用"公开可用的信息来帮助训练Google的AI模型,并构建Google翻译、Gemini应用和云AI功能等产品和功能。"
由于该条款的措辞没有涉及私人数据,记者要求Google澄清。公司发言人确认,Gemini通过Gmail和Drive等连接应用获得的信息不会用于改进公司的生成式AI。
然而,Gemini深度研究隐私声明确实包含这样一段值得注意的内容:"人工审核员(包括来自我们服务提供商的经过培训的审核员)会审查我们为这些目的收集的部分数据。请不要输入您不希望审核员看到或Google用于改进我们服务(包括机器学习技术)的机密信息。"
该声明还附带警告,不要将深度研究用于重要事项:"不要依赖Gemini应用的回应作为医疗、法律、财务或其他专业建议。"
到目前为止,对Gemini深度研究的评价各不相同,从赞誉到谨慎认可、一般、褒贬不一到持怀疑态度,其中包括对来源标记准确性和无法访问付费墙研究等问题的担忧。
虽然初始提示的质量会影响最终结果,但这不仅仅是"使用方式错误"的问题。
今年早些时候,教育顾问兼博士候选人Leon Furze总结了深度研究模型的实用性:
"我能得出的唯一结论是,这是一个面向企业和个人的应用程序,他们的工作是制作冗长、看似准确但实际上没人会真正阅读的报告。适合那些最终会出现在PowerPoint中的研究工作。它旨在产生研究的表象,而实际上没有进行任何真正的研究过程。"
Q&A
Q1:Gemini深度研究工具现在可以访问哪些Google服务?
A:Gemini深度研究工具现在可以访问Gmail、Google Drive(包括文档、幻灯片、表格和PDF文件)以及Google Chat中的数据,以获得额外的上下文信息来回答研究问题。
Q2:使用Gemini深度研究功能会有隐私风险吗?
A:存在一定隐私风险。虽然Google确认通过连接应用获得的信息不会用于改进生成式AI,但人工审核员可能会审查收集的部分数据,因此建议不要输入机密信息。
Q3:Gemini深度研究与其他AI研究工具相比有什么特点?
A:Gemini深度研究基于Gemini 2.5 Pro作为智能体运行,采用多步骤流程响应指令,整合了知识发现、工作流自动化和研究编排功能。类似工具还有OpenAI和Perplexity的深度研究工具。
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。