每經編輯 杜宇

OpenAI首個智能體終于亮相了！

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），能夠代理用戶執行基于網頁的操作。

圖片來源：直播視頻截圖

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·奧爾特曼介紹稱，從1月23日開始，美國的ChatGPT Pro用戶（一個月交200美元）將能使用“研究預覽版”的Operator。未來將拓展到更多區域的Pro用戶，幾個月后ChatGPT Plus用戶也能用上。同時在未來幾周、幾個月里，還會發布更多的AI代理。

目前，Operator尚處于研究預覽階段，僅向美國地區的Pro用戶開放。

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，以及通過強化學習實現的高級推理。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。在操作中如果碰到困難，模型會調用推理能力進行自我糾正，若依然無法解決問題則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。考慮到安全性和隱私性，Operator 被訓練為在需要登錄、輸入支付信息或解決 CAPTCHA 驗證碼等任務時，主動請求用戶接管。

Operator的界面與聊天機器人ChatGPT類似，最大的區別是調用“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。

在另一個案例中，用戶上傳了一張寫有“雞蛋、菠菜、蘑菇”等雜貨的購物清單，要求Operator去買菜網站上進行操作。隨后AI就會打開瀏覽器，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，然后將瀏覽器的控制權交還給人類。

與瀏覽器多標簽頁功能類似，用戶可以通過創建新的對話，讓Operator同時運行多個任務，例如在Etsy上訂購個性化琺瑯杯，同時在 Hipcamp 上預訂露營地。

更令人印象深刻的是，Operator具備一定的自我糾錯能力。當遇到挑戰或犯錯時，它可以利用推理能力進行自我調整。如果遇到無法解決的問題，Operator會將控制權交還給用戶，實現人機協作的流暢體驗。

雖然CUA模型仍處于早期階段，存在一些局限性，但在WebArena和WebVoyager這兩個關鍵的瀏覽器使用基準測試中，它已經取得了最新的領先水平。

Operator的發布標志著AI從被動工具轉變為數字生態系統中的積極參與者。它不僅可以簡化用戶任務，還將為希望提供創新客戶體驗和提高轉化率的企業帶來代理的優勢。

OpenAI正在與DoorDash、Instacart、OpenTable、Priceline、StubHub、Thumbtack、Uber等公司合作，確保Operator能夠滿足真實世界的需求，并尊重既有規范。除了商業合作，OpenAI還看到了在公共部門應用中提高效率和可訪問性的巨大潛力。他們正與斯托克頓市等組織合作，簡化市民注冊城市服務和計劃的流程。

每日經濟新聞綜合公開資料