电脑成精了!Operator能像人类一样浏览网页
朋友们,你们有没有想过有一天电脑会变成精怪?别怕,这并不是恐怖电影里的桥段。美国一家名叫OpenAI的初创公司最近发布了一款名为Operator的新工具,这款工具让电脑变得聪明起来,甚至可以像我们人类一样浏览网页。
想象一下,当你坐在电脑前,输入指令:“打开《复仇者联盟》电影下载网站”,然后就看到屏幕自动跳转到你需要的页面,这种体验是不是很酷呢?没错,这就是Operator的神奇之处。它就像一个听话的小助手,按照你的命令去做事情。
这种操作方式和以往的聊天机器人可大不一样。Operator能在我们的监督下,独立地去完成一系列的任务。有人还说,这可能是人工智能进入下一阶段生产力的重要标志,即真正的智能代理时代来临了。
说到这里,不禁让我想起了那些老式电脑只能通过光盘安装软件的日子。那时候的电脑像是顽固的老大爷,非要人手把手教才能学会一些基本的操作。而现在,只要轻轻一句话,它就能听懂并执行,简直是天翻地覆的变化。
美国初创公司OpenAI周四突然举行直播活动,发布市场期待已久的首款AI代理工具Operator(意为操作员),能够代理用户执行基于网页的操作。
言简意赅的解释,就是Operator能够像人类一样使用网页浏览器。
与“问一句、答一句”的聊天机器人不同,AI代理能够在人类有限监督的情况下按照设定完成任务,也被普遍视为AI生产力的下一个里程碑。在OpenAI通往通用人工智能(AGI)的五个步骤中,AI代理是继聊天机器人、推理机器人之后的第三步,也是全新的一步。
山姆·奥尔特曼介绍称,从周四开始,美国的ChatGPT Pro用户(一个月交200美元)将能使用“研究预览版”的Operator。未来将拓展到更多区域的Pro用户,几个月后ChatGPT Plus用户也能用上。同时在未来几周、几个月里,还会发布更多的AI代理。
电脑成精了!Operator能像人类一样浏览网页
什么是Operator?
Operator由一个名为CUA(计算机使用代理)的新模型驱动,结合了GPT-4o的视觉能力,以及通过强化学习实现的高级推理。Operator能够“看见”网页(截图),并使用鼠标和键盘允许的所有操作与网页进行互动。在操作中如果碰到困难,模型会调用推理能力进行自我纠正,若依然无法解决问题则会把控制权交还给人类。
电脑成精了!Operator能像人类一样浏览网页
要理解这种新事物,还得靠新鲜生动的案例。
Operator的界面与聊天机器人ChatGPT类似,最大的区别是调用“AI代理”完成用户吩咐的事情。
在演示案例中,Operator被要求预订某家饭店。用户只需要在对话框中输入“给我订一个XX饭店今晚19点的桌子”,然后AI代理就会自己打开网页,进入预订网站,搜索餐厅并完成预订。
如果用户所需的时段已经被订完,AI会询问“19点的桌子订完了,19点45分的桌子还有,要不要订?”
在另一个案例中,用户上传了一张写有“鸡蛋、菠菜、蘑菇”等杂货的购物清单,要求Operator去买菜网站上进行操作。随后AI就会打开浏览器,顺着清单逐一搜索并加入购物车。
完成任务后,Operator会告诉用户总共需要多少钱,以及骑手送达的时间,然后将浏览器的控制权交还给人类。
OpenAI也提醒使用者,虽然Operator已经是市面上最强的AI代理,但与人类相比依然差得很远。例如在使用浏览器的基准测试中,OpenAI CUA模型能拿到58.1%的评分,但人类的水平可以达到78%。所以这项新技术仍有可能犯错,但会在未来数月里持续改进。