发布日期：2024-04-09 09:56 点击次数：107
对于 OpenAI 推出「智能体（Agent）」的别传早已甚嚣尘上。旧年 11 月起加拿大pc28官网投注，就阻抑有爆料音讯指出，OpenAI 将在 2025 年 1 月上线首个智能体，稍早前还被国外科技媒体 The Information 把限度缓慢到了本月底。
而当今，OpenAI 终于按下了智能体期间的启动键——发布了旗下首个智能体 Operator。北京期间 1 月 24 日凌晨，OpenAI 的直播行径招引了全球科技圈的眼神。这场直播的主角，恰是万众瞩办法 Operator。
手脚真·智能体，Operator 大致模拟东说念主类在电脑上的操作行径，通过点击、更动、输入等操作成功与网页进行交互，完成各式任务。浅显来说，Operator 就像一个领有「自主意志」的数字职工，不错像东说念主类一样浏览网页、填写表格、订购商品以及预订餐厅等，由此也就不错代替咱们进行一些繁琐以致复杂的操作。
Operator 肇端页面，图/ OpenAI
在此之前，OpenAI 仍是迈出一步推出了「Tasks（任务）」功能，尝试将 ChatGPT 从一个竣工被迫的 AI 聊天机器东说念主，启动转形成主动实施任务的 AI 数字助手。而 Operator 的出现，则标识着 OpenAI 细致迈入了智能体期间，杀青从「被迫处理信息」到「主动完成任务」的进化——这是通往通用东说念主工智能（AGI）的要道一步。
魔兽世界国服公布了一个WLK怀旧服的相关数据，目前已经有180998的玩家拥有奥杜尔零灯模式的掉落【米米尔隆的头部】，也就是俗称的飞机头坐骑。
当ChatGPT 学会了「网上冲浪」
最初要诠释的是，Operator 现时处于辩论预览阶段，仅面向好意思国的 ChatGPT Pro（200 好意思元/月）用户，Plus 用户也弗成体验。不也同于 Claude 的 Computer Us 以及智谱的 GLM-PC 智能体皆成功操作用户的电脑，Operator 是在云表掀开一个「浏览器」进行操作。
左边是对话，右边是云表的浏览器，图/ OpenAI
但要真确昭彰 Operator 的道理，照旧回到现实场景中，在 OpenAI 的现场演示中，望望 AI 是怎么像一个训戒丰富的「网上冲浪老手」一样，在数字寰宇里解放穿梭，完成各式任务。
比如在 OpenAI 的现场演示中，就条件 Operator 在 Beretta（餐厅）订一桌今晚 7 点两东说念主的位置。这个指示对于咱们东说念主类来说，只需要在好意思食预订网站上进行几次搜索和筛选就能完成，但对于 AI 来说，却是一项不小的挑战。
而输入餐厅预订条件后，Operator 会在初步分析需求后成功掀开一个云表的浏览器后台，启动分顺次搜索餐厅、搜检并启动预订。虽然，用户也不错透过窗口成功不雅察到 Operator 的每一步点击、滑动和输入，就像东说念主类一样操作。
通过快照不错回看到 AI 的每一步念念考和操作，图/ OpenAI
Operator 的推崇如实令东说念主惊艳。它马上启动了内置的浏览器，然后启动「不雅察」屏幕上的内容，通过分析网页的结构和元素，找到了搜索框和各式筛选选项。统统这个词流程半说念落发，就像确凿有一个东说念主在处理一切。
故真谛的是，启动 Operator 发现 Beretta 今晚 7 点莫得位置后，还会重新检索一个接近用户条件的「预订」，最终见告并主动征询用户是否选择「今晚 7 : 45」这个期间进行预订。
AI 检索后推选了一个接近的期间，图/ OpenAI
相同地加拿大pc28官网投注，当「今晚 7 : 45」的契机被其他东说念主抢到后，Operator 谢特殊来又能提供「今晚 6 : 15」和「今晚 8 : 15」两个预订期间供用户选择。
不仅如斯，在购买一组杂货的任务中也不错看出，Operator 不错一语气实施任务，通过阻抑搜索商品、添加到购物车。而最闭幕算前，Operator 也会条件用户袭取限度，进行最终的阐述和付款（不错登录账户并保留登入现象），用户也不错临时进行添加或者修改。
购买杂物（2x 播放），图/ OpenAI
再聚会 OpenAI 此前推出的「Tasks」功能，竣工不错联想以后让 Operator 按时补充购买日用品的表象。
而从官方演示以及少数用户共享的测试来看，在购物、订票等场景中，Operator 展现出了很强的稳健性和通用性，大致出色地完成各式不同的任务。
另外正如前文所述，用户不错不雅察 Operator 的每一步操作，虽然也不错选择不看，络续让 Operator 同期实施另一个任务，或者干脆忙我方的职责，Operator 向你发送请示后再进行阐述即可。
同期运行多个任务，图/ YouTube
无论是官方演示照旧油管博主的测试，皆诠释了这少量。但 Operator 到底是怎么作念到这一切的呢？
基于 GPT-4o 打造“CUA”是要道
Operator 之是以大致像东说念主类一样操作电脑，离不开 OpenAI 为其量身打造的「缱绻机使用智能体（CUA）」。CUA 基于 GPT-4o 的视觉材干以及高等推理本事打造，让 AI「看懂」和「操作」电脑界面，或者说让 AI 和东说念主类一样有了与图形用户界面（GUI）交互的材干。
CUA 最初要作念的等于「看懂」屏幕上的内容。它通过分析屏幕截图，露出图像、翰墨等多种信息，识别出网页上的各式元素，举例按钮、联络、文本框等等。这个流程就像咱们东说念主类用眼睛不雅察寰宇一样。
以致知说念等一下，图/ OpenAI
然后，CUA 会把柄用户的指示和「看到」的内容进行推理和判断，决定下一步要实施什么操作。举例，当用户条件预订餐厅时，CUA 会推理出需要先探访餐厅预订网站，然后在搜索框中输入要道词。这个流程就像咱们东说念主类在念念考问题一样。
同期，CUA 会实施相应的操作，举例鼠标挪动、点击、键盘输入等等。这些操作皆特殊精确，就像咱们通过鼠标、键盘操作电脑一样。也因为这种通用的交互材干，Operator 不需要网站提供 API 接口，险些不错适用于任何网页。
为了让操作愈加智能和连贯，CUA 还通过一个迭代轮回进行操作，阻抑地「不雅察」、「念念考」和「行动」，直至任务完成。遇到挑战或犯造作，Operator 不错哄骗其推理材干进行自我阅兵。而当遇到贫寒或者需要用户操作时，Operator 也会将限度权交还给用户。
并且 OpenAI 很巧妙地选择了在云表运行浏览器，而不像 Claude Computer Us 以及智谱的 GLM-PC 智能体成功操作用户电脑，容易产生「占用」「阴私」「环境」的问题。
Claude Computer Use，图/ Anthropic
前两个很容易露出。「占用」意味着在智能体操作电脑的时候，用户无法同期进行其他操作，只可恭候智能体。「阴私」问题不问可知，毕竟在用户电脑中接续存有渊博奥秘的文献和信息。
「环境」则是指用户现实使用的电脑接续运行环境复杂，不仅是可能遇到各式系统和软件 Bug，以致单单启动软件皆可能遇到权限等问题，无论在 Windows、macOS 照旧 Linux 下。
比拟之下，OpenAI 似乎想幸免「步子迈大扯到蛋」，把使用场景终端在最通用的「浏览器」上，同期通过云表运行来确保调和、阴私、可后台运行的操作环境。
尽管 OpenAI 不是第一个打造真·智能体的大模子厂商，但这些本事与居品遐想的聚会，不仅杀青了 AI 从「被迫处理信息」到「主动完成任务」的越过，让 Operator 大致完成各式任务，也让 Operator 在一定进度上特等了 Claude Computer Us 或是智谱的 GLM-PC，更合适主流众人使用。
AI 编削寰宇，智能体编削 AI
畴昔一年，智能体险些成了 AI 行业的共鸣。但现实上好多厂商宣传的「智能体」仅仅对高下文进行了浅显的定制，举例扮装璜演类的「智能体」仅仅预设了一段东说念主物设定文本，然后将问题进行拆分实施。
本色上仍然是软件模块，而非真高洁致自主行动的智能体。
而真确的智能体手脚大模子期间的应用或者说交互窗口，应该大致像东说念主类一样进行操作和行动，举例操作电脑、实施任务等，成功替代东说念主类实施统统无谓要的操作。
图/智谱
这少量特殊紧迫，不错辩认倡导炒作和真确的本事窒碍，也能让咱们看清 Claude Computer Use、荣耀 YOYO 智能体以及今天 OpenAI Operator 的价值。
不外也要昭彰，Operator 以及其他访佛的「真·智能体」仍然处于早期的摸索阶段。中枢照旧「通用性」的挑战，即便到了今天 OpenAI 的 Operator，智能体照旧莫得杀青真确和东说念主类一样的通用化交互材干，还不相沿大肆网站和大肆圭臬。
YOYO 智能体自动订购的咖啡，图/雷科技
而互联网是一个充满变化的寰宇，濒临数不清的网站和交互遐想，怎么让智能体长久保合手稳健性，是一个需要耐久处置的问题。
尽管如斯，但依旧大致看到智能体手脚「AI 应用」的远大价值，不错将咱们从繁琐重迭的操作中解放出来，让咱们有更多的期间和元气心灵去从事更有创造性和更有道理的职责。更紧迫的是极地面普及了交互后果，缩短了交互门槛。
举一个特殊现实的例子，最近短视频和酬酢平台上皆在流行大学生过年回家给老东说念主卸载流氓应用、关闭告白设立，一个要道原因在于智高手机对于老一辈来说交互门槛照旧高了。
与此相对的是，大模子带来了前所未有的当然谈话交互材干，而智能体则在尝试更进一步解放东说念主类的双手和大脑。
