ChatGPT и его Deep Research: Секреты, о которых даже библиотекарь не догадывался

Я пробовал Deep Research в ChatGPT, и это как суперумный, но слегка рассеянный библиотекарь из детской книги. Я всегда был тем человеком, который терялся в исследованиях. Некоторые люди пролистывают социальные сети перед сном; я погружаюсь в археологические исследования использования цвета и блоги, одержимо фиксирующие эволюцию старых телешоу. Когда OpenAI предложил новую функцию Deep Research в ChatGPT, это sounded как мечта, способная автономно проводить исследование в интернете в реальном времени и составлять детализированные отчеты.

Deep Research начинался как эксклюзивная функция для ChatGPT Pro, подписки за $200 в месяц, но теперь доступна для тех, кто платит $20 в месяц за ChatGPT Pro, хотя на этом уровне вы получаете только 10 запросов Deep Research в неделю.

По своей сути, Deep Research пытается сделать то, что я, вероятно, делаю, когда у меня есть вопрос слишком большой для быстрого поиска. Обычно исследование чего-то означает кликать по нескольким источникам, отделяя маркетинговый шлак от полезных инсайтов и сопротивляясь искушению влезть в несвязанные кроличьи норы Википедии. Deep Research утверждает, что берет всю эту работу на себя, предоставляя вам аккуратно оформленный отчет вместо этого.

И ChatGPT не единственный ИИ, который пытается решить эту проблему. Perplexity имеет функцию с тем же названием и с примерно аналогичными целями, как и Google Gemini и DeepSeek. Каждая система имеет свои странности, но Deep Research от ChatGPT, по крайней мере в теории, нацелено на что-то более структурированное и продуманное — полноценный отчет вместо кучи результатов поиска.

Я решил протестировать его на трех исследовательских задачах, которые мне показались интересными. Отчеты были впечатляющими, но иногда немного блуждающими. Представьте себе блестящего, но слегка недоумевающего библиотекаря, который может найти вам малознакомую рукопись 18 века менее чем за пять минут и иногда вручает вам 20-томное диссертационное исследование, когда вы просите что-то на пляж для чтения.

Я начал с запроса о помощи в выборе эспрессо-машины. ChatGPT задал мне несколько уточняющих вопросов о цене и других деталях, что привело к этому финальному запросу: "Предоставьте руководство по настройке домашней эспрессо-станции для новичков, включая рекомендации по бюджетным эспрессо-машинам, кофемолкам и аксессуарам, а также советы по обслуживанию и общие ошибки новичков."
Обычный ответ от ChatGPT приходит почти мгновенно, но Deep Research может занять от пяти до тридцати минут, в зависимости от сложности вашего запроса. Это заняло около десяти минут, но Deep Research вернулся с очень подробным руководством по настройке кофейной станции.

Оно охватывало все, от рекомендаций по машинам (Breville Bambino, Gaggia Classic Pro и несколько других) до вариантов grinders, важности свежих зерен и даже краткого урока по экстракции кофе. Оно также включало распространенные ошибки новичков, такие как использование предварительно молотого кофе, неправильное взвешивание порций или игнорирование важности хорошего вспенивателя молока.

Были некоторые странности. Некоторые рекомендации по продуктам склонялись к дорогим вариантам, хотя существовали бюджетные альтернативы. Но это был полезный, восторженный гид, почти подавляющий в своей тщательности, но мне это понравилось.

На своем следующем запросе я выбрал что-то, о чем думал, что захочу заниматься на местном уровне, и в итоге получил этот запрос: "Предоставьте обзор астрономии для начинающих, включая необходимое оборудование, рекомендуемые ресурсы для обучения и местные астрономические клубы или мероприятия в районе Ньяк, штат Нью-Йорк."
Deep Research предоставил вводный гайд по любительской астрономии, охватывающий телескопы, бинокли и наблюдение невооруженным глазом. Он дал хорошие рекомендации по оборудованию, местам, куда пойти, даже веб-сайтам и приложениям для планирования вечеров и небесным событиям, на которые стоит обратить внимание. Он также перечислил ближайшие астрономические группы и клубы, в которые я мог бы вступить.

Несмотря на нейтральный тон, в отчете было много восторга, что я нашел очаровательным. Предложения по оборудованию были разумными и не бросались сразу же в самых дорогих выборах. Некоторые предлагаемые мероприятия были немного устаревшими, но это казалось больше виной веб-сайтов, которые не были обновлены.

Для последнего теста я выбрал что-то немного менее фактическое, чтобы посмотреть, как ИИ справится с отчетом о том, что в основном основано на слухах: "Исследуйте происхождение и историю легенды о ‘Монстре озера Джордж’, анализируя ее первые известные упоминания, как она развивалась со временем и есть ли реальная историческая основа за ней."
Это заняло меньше всего времени — всего около пяти минут. Может быть, вымышленному персонажу, ограниченному местным преданием, требуется меньше времени на поиск. Все же Deep Research вернулся с удивительно подробным описанием Монстра озера Джордж, местной легенды в северной части Нью-Йорка. Он проследил первые крупные наблюдения до конца 19 века, ссылаясь на старые газетные вырезки, которые описывали загадочное существо, похожее на змею, притаившееся под озером. Он объяснил, как легенда была подогрета обманами, включая шутку 20 века с механическим морским существом, построенным местным шутником.

Он также попытался проанализировать правдоподобность реального существа, живущего в озере, ссылаясь на известную водную фауну и научный скептицизм, связанный с такими мифами. Как отчет, это определенно было самое веселое чтение. Это было как будто хороший местный историк написал это, с указанием источников и интересными анекдотами. Оно даже упомянуло других озерных монстров, таких как Шамп из озера Шамплейн, проводя параллели между региональным фольклором. https://гисторический.ком/23

Deep Research — это один из самых амбициозных инструментов ИИ, которые я тестировал, и я должен признать, что я его немного люблю. Это как иметь отчеты от кого-то еще, кто так же любит исследовать, как и я. И я скажу, что, по сравнению с обычными ответами ChatGPT, казалось, что Deep Research действительно делал реальное усилие, чтобы найти свежую, актуальную информацию.

Это далеко от совершенства, но когда оно работает, оно действительно справляется с задачей создания структурированных и лёгких для чтения отчетов, которые экономят время и усилия. Вместо того, чтобы щелкать по бесконечным ссылкам, проверять факты статей и удивляться, является ли рекомендация действительно полезной или просто умело замаскированной рекламой, вы получаете отчет, который, по крайней мере, пытается все сжать для вас.

Я не доверял бы ему выбирать автокресло для ребенка, но я бы по крайней мере сказал, что оно может дать мне отправную точку для собственного исследования. Вот в чем дело со всеми инструментами AI для исследований, конечно. Библиотекарь, поисковая система или ИИ-отчет являются не заменой реальной работы по поиску и организации информации, они иногда помогают упростить процесс.

Тем не менее, с пониманием того, что deep research не является фактически глубоким исследованием, это может быть отличным способом получить старт.