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

V Pressemitteilung OpenAI behauptet, Deep Research erledige „in wenigen Dutzend Minuten, wofür ein Mensch viele Stunden brauchen würde“. Klingt etwas dystopisch, oder? Es ist sicherlich ein Schritt näher an eine Welt, in der menschliche Arbeit durch künstliche Intelligenz ersetzt werden kann. Man kann es niemandem verübeln, der sagt, KI, die Forschungsarbeiten schreibt und als Analytiker fungiert, sei zu weit gegangen. Auf den ersten Blick waren wir an OpenAIs Innovation nicht besonders interessiert, da sie sich in erster Linie an Unternehmen und nicht an Privatnutzer richtet.

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. OpenAI gibt jedoch an, dass die neue Funktion künftig auch für ChatGPT Plus- und Team-Nutzer verfügbar sein wird. Zum Zeitpunkt des Schreibens gibt es keine Informationen darüber, ob und wann „Deep Research“ für kostenlose Nutzer verfügbar sein wird. OpenAI stellt jedoch sicher, dass kostenlose Nutzer alle Funktionen nutzen können.

Auf der Website schreibt OpenAI: „Deep Research ist der nächste OpenAI-Agent, der die Arbeit selbstständig für Sie erledigt – Sie rufen ihn an, und ChatGPT findet, analysiert und synthetisiert Hunderte von Webquellen und erstellt einen umfassenden, forschungsanalytischen Bericht. Stellen Sie sich Deep Research als Ihren persönlichen Analysten vor, der sich selbst verwaltet und Ihnen innerhalb weniger Minuten Ergebnisse liefert. Ob Sie einen Bericht über ein so spezielles Thema wie die Kolibripopulation in Großbritannien benötigen oder, im Fall von OpenAI, einen Forschungsbericht über die Entwicklung des Einzelhandels in den letzten drei Jahren – Deep Research hat die Lösung.“

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. Haben Sie immer Schwierigkeiten, Filmtitel, Songtitel oder andere zufällige Informationen zu finden, die leicht zu merken wären? Nun, ChatGPTs „Deep Research“ kann Ihnen dabei helfen.

Hier erhält ChatGPT eine Zusammenfassung einer Fernsehsendung mit Beispielen einiger Folgen, die der Nutzer auswendig gelernt hat. Wäre diese „Eingabeaufforderung“ in ChatGPT 4o geschrieben, würde es versuchen, die richtige Antwort zu liefern, würde aber aufgrund mangelnder Recherche oft daneben liegen. „Deep Research“ kann die genaue Fernsehfolge finden, auf die sich der Nutzer bezieht, und liefert auch eine detaillierte Aufschlüsselung. In diesem Fall handelt es sich um die Fernsehsendung „Counterpart“ und die Szenen aus Staffel 1, Folge 4.

2. Einkaufen

Wäre es nicht toll, wenn künstliche Intelligenz gründlich recherchieren und uns vor unserem nächsten Skiabenteuer das passende Snowboard vorschlagen könnte? Auch das kann „Deep Research“.

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

Dank tiefgehender Recherche liefert „Deep Research“ sehr detaillierte und zuverlässige Antworten. Ein weiteres interessantes Beispiel lieferte OpenAI mit einer Frage zum durchschnittlichen Renteneintrittsalter von NFL-Spielern. Es wurde ein Vergleich zwischen 40 und „Deep Research“ angestellt.

4o antwortete, dass die Eingabeaufforderung zu schwierig sei, um einen genauen Durchschnitt zu ermitteln. Das Modell antwortete mit einer groben Schätzung von „Alter zwischen 35 und 40“, obwohl diese bei weitem nicht so umfangreich ist wie die detaillierte Analyse von „Deep Research“.

„Deep Research“ hingegen greift auf mehrere Quellen zurück und sammelt Fakten, um festzustellen, dass NFL-Spieler in unterschiedlichem Alter in den Ruhestand gehen können. Die Bandbreite der Ruhestandsalter wird anhand von Beispielen erläutert. Dies ist eine wesentlich zuverlässigere Antwort und zeigt, wie sehr „Deep Research“ die 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.