Die neue Deep Research-Funktion von OpenAI ist das, worauf wir alle gewartet haben – 3 Gründe dafür

In einer Pressemitteilung behauptet OpenAI, dass Deep Research „in wenigen Dutzend Minuten schafft, was ein Mensch viele Stunden dauern würde.“ Klingt ein bisschen dystopisch, oder? Dies ist definitiv ein Schritt näher an eine Welt, in der menschliche Arbeitskraft durch künstliche Intelligenz ersetzt werden kann. Man könnte es kaum jemandem verübeln, wenn er sagt, dass die Erstellung wissenschaftlicher Arbeiten und die Tätigkeit einer KI als Analytiker zu weit geht. Auf den ersten Blick waren wir an dem neuen Produkt von OpenAI nicht sonderlich interessiert, da es in erster Linie an Unternehmen und nicht an Einzelnutzer verkauft wird.

Dies änderte sich, als wir uns die ersten Demonstrationen zur praktischen Funktionsweise der neuen Agentenfunktion genauer ansahen.

Was kann „Deep Research“ leisten?

„Deep Research“ ist zunächst für ChatGPT Pro-Abonnenten für 200 US-Dollar pro Monat verfügbar, aber OpenAI sagt, dass die neue Funktion in Zukunft auch für ChatGPT Plus- und Team-Benutzer verfügbar sein wird. Zum Zeitpunkt des Schreibens dieses Artikels gibt es keine Informationen darüber, ob und wann „Deep Research“ für Benutzer der kostenlosen Version verfügbar sein wird, obwohl OpenAI sehr darauf achtet, dass auch Benutzer der kostenlosen Version alle Funktionen erhalten.

Auf der Website schrieb OpenAI: „Deep Research ist der nächste OpenA-Agent, der die Arbeit selbstständig für Sie erledigen kann – Sie rufen ihn an, und ChatGPT findet, analysiert und synthetisiert Hunderte von Webquellen und erstellt einen umfassenden Bericht auf der Ebene von ein Forschungsanalytiker. Stellen Sie es sich als Ihren persönlichen Analysten vor, der sich selbst ausführen und Ihnen in nur wenigen Minuten seine Ergebnisse mitteilen kann. Egal, ob Sie einen Bericht zu einem so speziellen Thema wie der Kolibri-Population in Großbritannien benötigen oder, wie im Fall von OpenAI, einen Forschungsbericht darüber, wie sich die Einzelhandelsbranche in den letzten drei Jahren verändert hat, „Deep Research“ hilft Ihnen weiter.

Während der Schwerpunkt hier auf der Erfassung von Geschäftsberichten, der medizinischen Forschung und anderen professionellen Anwendungsfällen liegt, beweisen die folgenden Beispiele, dass sich alle Benutzer darauf freuen können:

1. Die Suche nach der Nadel im Heuhaufen

Dieses Beispiel ist wahrscheinlich unser Lieblingsbeispiel. Fällt es Ihnen immer schwer, Filmtitel, Songtitel oder andere zufällige Informationen zu finden, die Sie sich leicht merken können? Nun, „Deep Research“ von ChatGPT kann Ihnen dabei helfen.

Hierbei wird ChatGPT eine Zusammenfassung einer TV-Sendung mit Beispielen einiger Folgen bereitgestellt, die der Nutzer auswendig gelernt hat. Wäre diese „Eingabeaufforderung“ in ChatGPT 4o geschrieben, würde sie versuchen, die richtige Antwort zu geben, würde aber aufgrund mangelnder Recherche oft das Ziel verfehlen. „Deep Research“ kann die genaue Fernsehfolge finden, die der Benutzer erwähnt, und bietet auch eine Aufschlüsselung der Details. In diesem Fall sind es die Fernsehserie „Counterpart“ und die Szenen aus Staffel 1, Episode 4.

2. Einkaufen

Aber wäre es nicht großartig, wenn künstliche Intelligenz eine gründliche Recherche durchführen und uns schon vor unserem nächsten Skiabenteuer vorschlagen könnte, welches Snowboard für uns am besten geeignet ist? Nun, „Deep Research“ kann das auch.

In diesem Fall führt eine Eingabeaufforderung mit Informationen über das Snowboard, die Pistenbedingungen und das Gebiet, in dem der Benutzer snowboarden wird, zu einer beeindruckenden Antwort, die nicht nur einige der besten Optionen anbietet, sondern auch ausführlich erklärt, warum es sich lohnt, diese Optionen zu erkunden . Der Agent berücksichtigt alle Anfragen des Benutzers und stellt Kaufinformationen bereit, deren Beschaffung sonst Stunden dauern würde.

3. Allgemeines Wissen

„Deep Research“ bietet durch tiefgehende Recherche sehr fundierte und verlässliche Antworten. Ein weiteres interessantes Beispiel lieferte OpenAI mit einer Frage zum durchschnittlichen Renteneintrittsalter von NFL-Spielern. Er stellte einen Vergleich zwischen 4o und „Deep Research“ an.

4o hat eine Antwort in dem Sinne gegeben, dass „prompt“ zu schwierig ist, um einen genauen Durchschnitt anzugeben. Das Modell antwortete mit einer groben Schätzung von „Alter zwischen 35 und 40 Jahren“, obwohl diese im Vergleich zur detaillierten Analyse von „Deep Research“ bei weitem nicht so umfangreich ist.

„Deep Research“ hingegen gräbt in zahlreichen Quellen und sammelt sachliche Informationen, um zu ermitteln, dass NFL-Spieler in unterschiedlichem Alter in den Ruhestand gehen können, und erläutert die Bandbreite der Ruhestandsalter anhand von Beispielen. Dies ist eine viel zuverlässigere Antwort und zeigt, wie sehr „gründliche Recherche“ Antworten verbessern kann.

Obwohl wir nicht genau wissen, wann „Deep Research“ für diejenigen von uns verfügbar sein wird, die nicht die teuersten ChatGPT-Abonnements bezahlen, reichen diese Beispiele aus, um uns mit Vorfreude auf die Zukunft der Entwicklung künstlicher Intelligenz zu erfüllen.