OpenAI發(fā)布了一個(gè)新的用于預(yù)覽的AI代理Operator，該代理可以控制計(jì)算機(jī)瀏覽器并代表你執(zhí)行操作。該工具可以通過鍵入、單擊和滾動(dòng)與網(wǎng)頁進(jìn)行交互。

Operator是OpenAI的首批AI代理之一。該公司聲稱，其表現(xiàn)優(yōu)于競爭對手的人工智能代理，如基于Gemini 2.0構(gòu)建的Google DeepMind的Mariner，以及Anthropic的Claude 3.5 Sonnet升級版的Computer Use。

那么，Operator到底能做什么呢？根據(jù)OpenAI的說法，可以使用該工具執(zhí)行各種與瀏覽器相關(guān)的任務(wù)。這包括個(gè)人購物、填寫表格和旅行預(yù)訂。企業(yè)可以對Operator進(jìn)行費(fèi)用管理、會(huì)議安排和數(shù)據(jù)遷移的編程。

OpenAI的Operator由一種名為計(jì)算機(jī)應(yīng)用代理（CUA）的新模型提供支持。通過強(qiáng)化學(xué)習(xí)整合高級推理和視覺，CUA被訓(xùn)練成導(dǎo)航和使用圖形用戶界面（GUI）。這使得它可以通過屏幕截圖來“查看”屏幕，并使用計(jì)算機(jī)的鼠標(biāo)和鍵盤功能進(jìn)行“交互”。該工具不需要任何自定義的API集成。

雖然Operator旨在通過自我糾正來克服挑戰(zhàn)或錯(cuò)誤，但如果它卡住或需要幫助，它可以將控制權(quán)交還給用戶。OpenAI表示，CUA還處于早期階段，存在局限性，但它在WebVoyager和WebArena上仍然表現(xiàn)良好，這兩個(gè)是評估AI代理的常用基準(zhǔn)框架。

Operator經(jīng)過訓(xùn)練，可以要求用戶接管需要支付詳細(xì)信息、登錄或解決驗(yàn)證碼的任務(wù)。與在瀏覽器上使用多個(gè)選項(xiàng)卡類似，用戶可以讓Operator同時(shí)運(yùn)行多個(gè)任務(wù)。

OpenAI承認(rèn)，Operator“目前遇到了創(chuàng)建幻燈片或管理日歷等復(fù)雜界面的挑戰(zhàn)”，但預(yù)計(jì)該工具將隨著時(shí)間的推移不斷改進(jìn)和發(fā)展。

OpenAI通過介紹Operator的博客分享道：“為了確保安全和迭代的推出，我們從小處著手。”“從今天開始，美國的專業(yè)用戶可以在Operator.chatgpt.com上使用Operator（在新窗口中打開）。這項(xiàng)研究預(yù)覽使我們能夠向用戶和更廣泛的生態(tài)系統(tǒng)學(xué)習(xí)，并在過程中不斷完善和改進(jìn)。我們的計(jì)劃是擴(kuò)展到Plus、Team和Enterprise用戶，并在未來將這些功能集成到ChatGPT中?！?/span>

“早期用戶反饋將在提高其準(zhǔn)確性、可靠性和安全性方面發(fā)揮至關(guān)重要的作用，幫助我們使Operator更好地服務(wù)于每個(gè)人。”

Operator僅面向有限的受眾，以便公司學(xué)習(xí)和改進(jìn)工具的功能，并解決任何潛在的安全風(fēng)險(xiǎn)。根據(jù)OpenAI的說法，Operator通過多種保障措施確保用戶的安全和控制。

該工具要求在關(guān)鍵點(diǎn)提供輸入。它進(jìn)入接管模式，用于輸入敏感信息，如登錄詳細(xì)信息，并在完成重大操作（如提交訂單）之前需要用戶確認(rèn)。此外，Operator經(jīng)過訓(xùn)練，可以拒絕某些高風(fēng)險(xiǎn)任務(wù)，如銀行轉(zhuǎn)賬，并通過將控制權(quán)交還給用戶進(jìn)入監(jiān)視模式。

對于數(shù)據(jù)隱私，用戶可以選擇不使用數(shù)據(jù)進(jìn)行模型訓(xùn)練，刪除瀏覽數(shù)據(jù)，并一鍵退出所有網(wǎng)站。為了防御惡意行為者和敵對網(wǎng)站，Operator經(jīng)過訓(xùn)練，可以通過自動(dòng)和人工審查不斷更新針對新威脅的防護(hù)措施。

OpenAI已經(jīng)在與許多企業(yè)合作，以擴(kuò)大Operator的用戶群和生態(tài)系統(tǒng)。OpenAI分享道：“運(yùn)營商將人工智能從被動(dòng)工具轉(zhuǎn)變?yōu)閿?shù)字生態(tài)系統(tǒng)中的積極參與者?！薄八鼘⒑喕脩舻娜蝿?wù)，并為那些想要?jiǎng)?chuàng)新客戶體驗(yàn)和更高轉(zhuǎn)化率的公司帶來代理商的好處。”

“我們正在與DoorDash、Instacart、OpenTable、Priceline、StubHub、Thumbtack、Uber等公司合作，以確保運(yùn)營商在尊重既定規(guī)范的同時(shí)滿足現(xiàn)實(shí)世界的需求?！?/span>

在過去的幾周里，Superintelligence（超級智能）和AGI（通用人工智能）得到了廣泛宣傳。這兩個(gè)概念指的是人工智能的高級形式。超級智能是指在幾乎所有領(lǐng)域都超越人類智能的人工智能系統(tǒng)，而AGI是指能夠執(zhí)行人類可以執(zhí)行的任何智能任務(wù)的人工智能的概念。

今年早些時(shí)候，OpenAI首席執(zhí)行官Sam Altman通過他的個(gè)人博客分享了OpenAI知道如何構(gòu)建AGI，AGI被認(rèn)為是機(jī)器學(xué)習(xí)（ML）領(lǐng)域的圣杯。Altman進(jìn)一步補(bǔ)充說，該公司現(xiàn)在的目標(biāo)是超越這一點(diǎn)，并為超級智能設(shè)定了方向。

雖然人工智能代理也伴隨著風(fēng)險(xiǎn)和不確定性，但科技巨頭已經(jīng)將其視為人工智能的下一個(gè)前沿。到2030年，人工智能代理市場的估值可能達(dá)到471億美元。Operator的推出是OpenAI在AGI的第一次真正嘗試。

Operator似乎可以“完成”很多任務(wù)，但只有時(shí)間才能證明它到底有多實(shí)用和安全。在這個(gè)初始階段，Operator在處理基于網(wǎng)絡(luò)的活動(dòng)方面表現(xiàn)出了希望，但對其在現(xiàn)實(shí)世界中的應(yīng)用仍持懷疑態(tài)度。批評者認(rèn)為，雖然Operator的能力看起來令人印象深刻，但真正的考驗(yàn)在于它是否能夠在不需要太多人為干預(yù)或?qū)τ脩魳?gòu)成風(fēng)險(xiǎn)的情況下持續(xù)執(zhí)行這些任務(wù)。