每經(jing)編(bian)輯｜杜宇

OpenAI首個智能(neng)體終于亮(liang)相了！

美國初創公司OpenAI1月23日突然舉行直播活動，發布市場期待已久的首款AI代理工具Operator（意為操作員(yuan)），能(neng)夠代理用戶(hu)執行基(ji)于網頁的操作。

圖片來源：直播視(shi)頻截圖

言簡意賅的解釋，就是Operator能夠像人類一樣使用網頁瀏覽器。

與“問一句、答一句”的聊天機器人不同，AI代理能夠在人類有限監督的情況下按照設定完成任務，也被普遍視為AI生產力的下一個里程碑。在OpenAI通往通用人工智能（AGI）的五個步驟中，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(ao)爾特曼(man)介紹稱，從1月(yue)23日開(kai)始，美(mei)國(guo)的(de)ChatGPT Pro用戶（一個月(yue)交200美(mei)元）將能使(shi)用“研究預(yu)覽版”的(de)Operator。未來將拓展到(dao)更多區域的(de)Pro用戶，幾個月(yue)后ChatGPT Plus用戶也能用上。同時在(zai)未來幾周、幾個月(yue)里(li)，還(huan)會發布更多的(de)AI代理。

目前(qian)，Operator尚處于研究預覽(lan)階段，僅(jin)向美國地(di)區的Pro用(yong)戶開放。

Operator由一個名為CUA（計算機使用代理）的新模型驅動，結合了GPT-4o的視覺能力，以及(ji)通(tong)過(guo)強化(hua)學習實(shi)現的高級(ji)推理。Operator能夠“看見”網頁（截圖），并使用鼠標和鍵盤允許的所有操作與網頁進行互動。在操作中(zhong)如(ru)果碰到困難，模型會調用推理能力進行自我糾正，若(ruo)依(yi)然無法解(jie)決問題則(ze)會把控制權交還給人類。

如何使用 Operator？用戶只需簡單描述想要完成的任務，Operator 即可自動處理后續步驟。用戶可以隨時接管遠程瀏覽器的控制權。考慮到(dao)安全性和隱私性，Operator 被訓練為在(zai)需要登錄(lu)、輸入(ru)支付信息(xi)或解決 CAPTCHA 驗(yan)證(zheng)碼等(deng)任(ren)務時，主動請求用戶接(jie)管(guan)。

Operator的界(jie)面與聊天機器人ChatGPT類似，最大的區別(bie)是(shi)調用“AI代理”完成用戶吩咐的事情。

在演示案例中，Operator被要求預訂某家飯店。用戶只需要在對話框中輸入“給我訂一個XX飯店今晚19點的桌子”，然后AI代理就會自己打開網頁，進入預訂網站，搜索餐廳并完成預訂。

Operator可以自動填寫繁瑣的在線表單、上網購物、創建表情包、處理重復性瀏覽器任務等等。

在(zai)另一(yi)個(ge)案例中，用戶上傳(chuan)了一張寫有“雞蛋、菠菜、蘑菇”等雜貨的購物清單，要求(qiu)Operator去買菜網站上進行操作。隨后AI就會打開瀏覽(lan)器，順著清單逐一搜索并加入購物車。

完成任務后，Operator會告訴用戶總共需要多少錢，以及騎手送達的時間，然(ran)后將瀏覽器(qi)的控制權交還給人類。

與瀏覽器多標簽頁功能類似，用(yong)戶可(ke)以通過(guo)創建新的對(dui)話，讓Operator同(tong)(tong)時運行多個(ge)任務(wu)，例如在Etsy上訂(ding)購個(ge)性化琺瑯杯，同(tong)(tong)時在 Hipcamp 上預(yu)訂(ding)露營地。

更令人(ren)印象深刻(ke)的是，Operator具備一定的自我糾錯能(neng)力。當遇到挑(tiao)戰或犯錯時，它可(ke)以利用推理能(neng)力進行自我調(diao)整(zheng)。如果遇到無(wu)法解決的問題，Operator會將(jiang)控制權(quan)交還給用戶，實(shi)現人(ren)機協作的流暢體驗。

雖然CUA模型仍處于早期階段，存在一些局限性，但(dan)在WebArena和WebVoyager這兩個(ge)關(guan)鍵的瀏覽器使用基準測試(shi)中，它已(yi)經取得了最新(xin)的領先水平。

Operator的(de)發布(bu)標志著AI從被動工具(ju)轉(zhuan)變為數字生(sheng)態系統中的(de)積極(ji)參(can)與者。它(ta)不(bu)僅可以(yi)簡化用(yong)戶(hu)任務，還(huan)將為希望提供創新客(ke)戶(hu)體驗和(he)提高轉(zhuan)化率(lv)的(de)企業帶來代理(li)的(de)優勢。

OpenAI正(zheng)在(zai)與(yu)DoorDash、Instacart、OpenTable、Priceline、StubHub、Thumbtack、Uber等公司合(he)作，確保(bao)Operator能夠(gou)滿足真(zhen)實世界的需求，并尊(zun)重既(ji)有規范。除(chu)了(le)商(shang)業合(he)作，OpenAI還看(kan)到了(le)在(zai)公共(gong)部門應用中提高效率和可訪問性的巨(ju)大(da)潛力。他們正(zheng)與(yu)斯托克頓市等組織合(he)作，簡化市民注冊城市服務和計劃的流程。

每日經濟(ji)新聞綜(zong)合公開(kai)資料