電腦成精了！OpenAI推出AI代理Operator 能像人類(lèi)一樣瀏覽網(wǎng)頁(yè)

　　來(lái)源：財聯(lián)社

　　美國初創(chuàng )公司OpenAI周四突然舉行直播活動(dòng)，發(fā)布市場(chǎng)期待已久的首款AI代理工具Operator（意為操作員），能夠代理用戶(hù)執行基于網(wǎng)頁(yè)的操作。

　　言簡(jiǎn)意賅的解釋?zhuān)褪荗perator能夠像人類(lèi)一樣使用網(wǎng)頁(yè)瀏覽器。

　　與“問(wèn)一句、答一句”的聊天機器人不同，AI代理能夠在人類(lèi)有限監督的情況下按照設定完成任務(wù)，也被普遍視為AI生產(chǎn)力的下一個(gè)里程碑。在OpenAI通往通用人工智能（AGI）的五個(gè)步驟中，AI代理是繼聊天機器人、推理機器人之后的第三步，也是全新的一步。

　　山姆·奧爾特曼介紹稱(chēng)，從周四開(kāi)始，美國的ChatGPT Pro用戶(hù)（一個(gè)月交200美元）將能使用“研究預覽版”的Operator。未來(lái)將拓展到更多區域的Pro用戶(hù)，幾個(gè)月后ChatGPT Plus用戶(hù)也能用上。同時(shí)在未來(lái)幾周、幾個(gè)月里，還會(huì )發(fā)布更多的AI代理。

　　什么是Operator？

　　Operator由一個(gè)名為CUA（計算機使用代理）的新模型驅動(dòng)，結合了GPT-4o的視覺(jué)能力，以及通過(guò)強化學(xué)習實(shí)現的高級推理。Operator能夠“看見(jiàn)”網(wǎng)頁(yè)（截圖），并使用鼠標和鍵盤(pán)允許的所有操作與網(wǎng)頁(yè)進(jìn)行互動(dòng)。在操作中如果碰到困難，模型會(huì )調用推理能力進(jìn)行自我糾正，若依然無(wú)法解決問(wèn)題則會(huì )把控制權交還給人類(lèi)。

　　要理解這種新事物，還得靠新鮮生動(dòng)的案例。

　　Operator的界面與聊天機器人ChatGPT類(lèi)似，最大的區別是調用“AI代理”完成用戶(hù)吩咐的事情。

　　在演示案例中，Operator被要求預訂某家飯店。用戶(hù)只需要在對話(huà)框中輸入“給我訂一個(gè)XX飯店今晚19點(diǎn)的桌子”，然后AI代理就會(huì )自己打開(kāi)網(wǎng)頁(yè)，進(jìn)入預訂網(wǎng)站，搜索餐廳并完成預訂。

　　如果用戶(hù)所需的時(shí)段已經(jīng)被訂完，AI會(huì )詢(xún)問(wèn)“19點(diǎn)的桌子訂完了，19點(diǎn)45分的桌子還有，要不要訂？”

　　在另一個(gè)案例中，用戶(hù)上傳了一張寫(xiě)有“雞蛋、菠菜、蘑菇”等雜貨的購物清單，要求Operator去買(mǎi)菜網(wǎng)站上進(jìn)行操作。隨后AI就會(huì )打開(kāi)瀏覽器，順著(zhù)清單逐一搜索并加入購物車(chē)。

　　完成任務(wù)后，Operator會(huì )告訴用戶(hù)總共需要多少錢(qián)，以及騎手送達的時(shí)間，然后將瀏覽器的控制權交還給人類(lèi)。

　　OpenAI也提醒使用者，雖然Operator已經(jīng)是市面上最強的AI代理，但與人類(lèi)相比依然差得很遠。例如在使用瀏覽器的基準測試中，OpenAI CUA模型能拿到58.1%的評分，但人類(lèi)的水平可以達到78%。所以這項新技術(shù)仍有可能犯錯，但會(huì )在未來(lái)數月里持續改進(jìn)。