Deep research van OpenAI beschikbaar voor complexe analyses
OpenAI lanceert deep research, een nieuwe functionaliteit van ChatGPT. Het gaat om een nieuwe agent die gebruikers in staat stelt onderzoek op internet die uit meerdere stappen uit te voeren. Dit moet hen helpen met behulp van ChatGPT complexere taken uit te voeren.
Gebruikers kunnen met deep research ChatGPT een opdracht geven, waarna de AI-tool bronnen bij elkaar zoekt, informatie uit deze bronnen analyseert en op basis hiervan een uitgebreid rapport opstelt. OpenAI meldt dat ChatGPT daarbij een rapportage kan opstellen dat vergelijkbaar is met een rapportage van een onderzoeksanalist. Deep research is aangedreven met het o3-model van OpenAI, dat is geoptimaliseerd voor het browsen van internet en analyseren van data.
Gericht op mensen die intensief werken met kennis
"Diepgaand onderzoek is ontwikkeld voor mensen die intensief werken met kennis in sectoren zoals financiën, wetenschap, beleid en techniek, en die grondig, nauwkeurig en betrouwbaar onderzoek nodig hebben. Het is ook nuttig voor kritische shoppers die op zoek zijn naar hypergepersonaliseerde aanbevelingen voor aankopen die doorgaans zorgvuldig onderzoek vereisen, zoals auto's, huishoudelijke apparaten en meubels. Elke output is volledig gedocumenteerd, met duidelijke bronnen en een samenvatting van de denkstappen, waardoor de informatie eenvoudig te controleren en te gebruiken is. Dit maakt het bijzonder effectief in het vinden van niche- en niet-intuïtieve informatie die normaal gesproken veel browsen vereist. Diepgaand onderzoek bespaart waardevolle tijd door complexe, tijdrovende webresearch te versnellen en uit te besteden met slechts één zoekopdracht", schrijft OpenAI in een blogpost.
"Dit model is getraind met end-to-end reinforcement learning op uitdagende browse- en redeneertaken binnen verschillende domeinen. Tijdens die training heeft het geleerd om een meerstapsstrategie te plannen en uit te voeren om de benodigde gegevens te vinden, waarbij het zo nodig teruggaat en zich aanpast aan real-time informatie. Het model kan ook gebruikersgeüploade bestanden doorzoeken, grafieken plotten en herzien met behulp van de Python-tool, gegenereerde grafieken en afbeeldingen van websites in zijn antwoorden opnemen en specifieke zinnen of passages uit bronnen citeren. Dankzij deze training behaalt het uitzonderlijke resultaten op verschillende publieke evaluaties die zich richten op realistische probleemoplossing."
Meer informatie is hier beschikbaar.