رابط‌های API مدل‌های زبان بزرگ (LLM) از OpenAI، Anthropic و گوگل، اغلب پاسخ‌های قابل قبولی ارائه می‌دهند؛ اما وقتی صحبت از اتفاقات اخیر می‌شود، این مدل‌ها معمولاً ناتوان می‌شوند. دلیل این مشکل، محدودیت تاریخی اطلاعات موجود در داده‌های آموزشی آنهاست. برای حل این مسئله، گوگل امروز ویژگی جدیدی را در Google AI Studio و API جمینی معرفی کرده که به کاربران اجازه می‌دهد پاسخ‌های خود را به کمک جستجوی گوگل بروز و دقیق‌تر کنند.
ویژگی جدید «پایه گذاری با جستجوی گوگل» این امکان را برای توسعه دهندگان فراهم می‌کند تا پاسخ‌های دقیق‌تر و بروز تری از مدل‌های LLM جمینی دریافت کنند. یکی از بهترین ویژگی‌های این قابلیت جدید، ارائه منابع مستند (لینک‌های پشتیبان درون خطی) و پیشنهادات جستجو برای پاسخ‌های مرتبط است.
این ویژگی جدید در همه نسخه‌های عمومی مدل‌های جمینی 1.5 پشتیبانی می‌شود؛ اما هزینه‌ی بالایی دارد. توسعه دهندگان باید برای هر ۱۰۰۰ پرسش پایه گذاری شده، ۳۵ دلار بپردازند. برای فعالسازی این قابلیت، می‌توانند به بخش "ابزارها" در Google AI Studio مراجعه کرده یا ابزار 'google_search_retrieval' را در API فعال کنند. طبق معمول، این قابلیت جدید را می‌توان بطور رایگان در Google AI Studio آزمایش کرد.
گوگل پیشنهاد می‌دهد که توسعه دهندگان از این قابلیت جدید در موارد زیر استفاده کنند:
- کاهش توهمات زبانی: پایه گذاری کمک می‌کند تا برنامه‌های هوش مصنوعی اطلاعات واقع گرایانه‌تری به کاربران ارائه دهند.
- دسترسی به اطلاعات بروزتر: با کمک پایه گذاری، مدل‌ها به اطلاعات بروز دسترسی پیدا می‌کنند که باعث می‌شود برنامه‌های هوش مصنوعی در شرایط بیشتری قابل استفاده باشند.
- افزایش اعتماد پذیری و هدایت ترافیک به منابع اصلی: با ارائه لینک‌های پشتیبان، پایه گذاری شفافیت بیشتری به برنامه‌های هوش مصنوعی می‌بخشد و کاربران را ترغیب می‌کند تا به منابع اصلی مراجعه کنند و اطلاعات بیشتری کسب کنند.
- ارائه اطلاعات غنی‌تر: با استفاده از اطلاعات گوگل برای تقویت پاسخ مدل، پایه گذاری می‌تواند عمق بیشتری به بسیاری از پرسش‌ها ببخشد.
هنگامی که این ویژگی جدید فعال شود و کاربر پرسشی را به API مدل جمینی ارسال کند، API از موتور جستجوی گوگل برای یافتن اطلاعات بروز مربوط به پرسش استفاده کرده و آن را به مدل جمینی ارسال می‌کند تا پاسخی دقیق‌تر و بروزتر به کاربر ارائه شود.