經過幾個禮拜的熱議，OpenAI 終於發表其首款 AI 代理「Operator」研究預覽版。Operator 是一款網路應用程式，可在瀏覽器中自動執行簡單的線上任務，像是透過查看網頁、輸入內容、點擊和滾動頁面，來完成預定音樂會門票、填寫線上表單等任務。
省掉至少 20 分鐘手動任務，稱性能優於對手
Operator 採用了新模型「CUA」（Computer-Using Agent），並將 GPT-4o 的視覺功能與高階推理結合，經過訓練可以與圖形使用者介面（GUI）互動。Operator 可以使用推理來「自我糾正」，如果它卡住了，就會將控制權交還給使用者。在安全性方面，當網站需要提供登入或付款資訊、寄出 email，Operator 也會要求使用者接手，或是拒絕某些敏感任務。
外媒《Every》實測指出，Operator 可以自動完成一般人通常需要 15~20 分鐘點擊的任務。最特別的是，它具有保存和共享工作流程的功能，讓該任務可以重新運行，甚至提供他人參考。不過，有些網站如 Reddit 已經阻止 AI 代理瀏覽，瀏覽內容受到限制。
OpenAI 聲稱，Operator 的效能優於競爭對手的類似工具，包括 Anthropic 的 Computer Use（Claude 3.5 Sonnet 的一個版本，能在電腦上執行簡單任務）和 Google DeepMind 的 Mariner（由 Gemini 2.0 打造的網路瀏覽代理程式） 。
從生成文字到電腦操作，AI 廝殺戰場轉移
《MIT technology review》觀察，這三大 AI 巨頭對於 AI 代理的願景相同，也讓 AI 霸主之戰來到新的場域──人們的電腦螢幕。
艾倫人工智慧研究所（AI2）CEO Ali Farhadi 表示，從生成文字、圖像轉向實際操作是正確的方向，因為這能把人從工作流程中解放，解決了新問題。
為何過去的 AI 做不到呢？OpenAI 科學家 Reiichiro Nakano 表示，傳統上模型使用軟體的方式是專門 API，這使得大多數應用程式、網站無法使用，但是如果打造一個人們日常會使用的介面，將刺激一系列的全新軟體誕生。
不過，OpenAI 也強調，Operator 還在早期發展階段，仍有可能犯錯。根據報導，OpenAI 正在與多家企業合作 Operator，包括 OpenTable、StubHub、Instacart、DoorDash 和 Uber。
目前，Operator 開放給美國 ChatGPT Pro 用戶。OpenAI 表示，未來計劃將 Operator 引入 Plus、Team 和 Enterprise 用戶，並「將這些功能整合到 ChatGPT 中」。
預約收看「AI 人才高峰會」NVIDIA、台積電演講精華！
【推薦閱讀】
◆ AI 發展太快逾 50% 執行長自認失敗！專家建議 4 作法更輕鬆導入 AI
＊本文開放合作夥伴轉載，資料來源：《MIT technology review》、《The Verge》、《Every》，首圖來源：OpenAI。
