- OpenAI lanserar Operator, en agent som automatiserar uppgifter i webbläsaren för att fylla i formulär, boka eller köpa, och agerar på grafiska gränssnitt som en mänsklig användare.
- Den är baserad på CUA-modellen och kombinerar avancerad GPT-4-syn och förstärkningsinlärning för att interagera med skärmelement och självkorrigera.
- Begränsad åtkomst: förhandsvisning av ChatGPT Pro i USA (200 dollar), med planer på att uppgradera till andra abonnemang och gradvis expansion.
- Det inkluderar integritetsåtgärder, användarövervakning av känsliga handlingar och blockering av misstänkta webbplatser; OpenAI samarbetar med plattformar för integrationer.
OpenAI har tagit ett betydande steg framåt i utvecklingen av artificiell intelligens med lanseringen av Operator , deras nya agent utformad för att automatisera uppgifter i webbläsaren . I linje med tidigare framsteg som ChatGPT och GPT-4 , syftar detta verktyg till att revolutionera hur vi interagerar med webben och erbjuder en praktisk lösning för vardagliga aktiviteter som att fylla i formulär, boka bord på restaurang eller hantera onlineköp.
Operator markerar ett betydande skifte i synsättet på artificiell intelligens, vilket gör AI till en aktiv deltagare i den digitala världen. Genom sin egen integrerade webbläsare kan systemet identifiera och manipulera grafiska användargränssnitt (GUI), interagera med knappar, rullgardinsmenyer och textfält på ett sätt som liknar en människa. Dess primära mål är att förenkla repetitiva uppgifter och spara tid för användaren .
Hur Operator fungerar
Hjärtat i Operator är dess CUA-modell (Computer-Using Agent) , utvecklad av OpenAI. Denna teknik kombinerar de avancerade synfunktionerna hos GPT-4 med resonemangstekniker baserade på förstärkningsinlärning . Detta gör det möjligt för agenten att "se" innehåll på skärmen genom skärmdumpar, interagera med element som om den använde ett tangentbord och en mus, och till och med självkorrigera om den gör misstag.
Användaren behöver bara ge en enkel instruktion, till exempel "boka ett bord för två på en restaurang klockan 8". Om hinder uppstår – till exempel bristande tillgänglighet vid den tidpunkten – begär systemet ytterligare inmatning, till exempel att ändra tiden eller tillhandahålla känsliga uppgifter för att slutföra åtgärden. Dessutom kan användaren när som helst ta manuell kontroll över webbläsaren. Om du är intresserad av att skapa liknande agenter finns det en praktisk guide för att skapa AI-agenter med n8n som du kan tycka är användbar.
Tillgänglighet och tillgång
För närvarande befinner sig Operator i ett tidigt skede under programmet "forskningsförhandsgranskning". Denna åtkomst är begränsad till ChatGPT Pro- användare , en tjänst med en månadskostnad på 200 dollar , och är endast tillgänglig i USA . OpenAI har meddelat planer på att utöka sin tillgänglighet till andra prenumerationsnivåer som Plus , Team och Enterprise , samt integrera den i ChatGPT i framtiden. Om du är intresserad av utvecklingen av liknande AI-webbläsare kan du lära dig hur OpenAIs AI-webbläsare fungerar.
Den begränsade lanseringen tar upp både tekniska och regulatoriska överväganden och syftar till att säkerställa en säker och kontrollerad produktutveckling. Företaget använder också denna fas för att samla in användarfeedback och optimera agentens prestanda.
Säkerhets- och anpassningsfunktioner
En av OpenAIs främsta bekymmer har varit att säkerställa användarnas integritet . Agenten inkluderar åtgärder för att garantera att känsliga uppgifter, såsom de som kräver inloggningsuppgifter eller bankinformation, utförs under användarens direkta övervakning . Dessutom kan användare konfigurera specifika inställningar för repetitiva uppgifter och välja bort modellträning om de inte vill dela sina webbläsardata.
Operatören har funktioner för att pausa en uppgift om den stöter på en misstänkt webbplats och avvisar förfrågningar som kan anses vara skadliga eller olagliga. Denna strategi förstärker deras engagemang för etisk och säker användning av artificiell intelligens.
Samarbeten och framtida utveckling
OpenAI arbetar aktivt med olika företag, såsom DoorDash , Instacart , OpenTable , Uber och andra, för att integrera Operators tjänster i plattformar som redan är populära bland användare. Dessa partnerskap syftar till att säkerställa att agenten kan hantera verkliga uppgifter utan tekniska problem. Det är värt att notera att dessa samarbeten inte är baserade på finansiella avtal , vilket betonar Operators utvecklings oberoende. En del av intresset för denna typ av agent återspeglas i analyser av andra agenter som syftar till att automatisera mänskligt arbete.
I framtiden planerar OpenAI också att övervinna agentens nuvarande begränsningar, såsom svårigheten att hantera mer komplexa gränssnitt , inklusive kalendrar och presentationsverktyg. Det långsiktiga målet är att göra Operator till ett verkligt universellt verktyg som kan integreras i flera aspekter av användarnas digitala liv.
Operator representerar ett betydande framsteg inom generativ artificiell intelligens. Genom att omvandla AI från en passiv observatör till en aktiv deltagare i det digitala ekosystemet lägger OpenAI grunden för en ny nivå av automatisering som kan förändra vår relation till teknik. Även om det fortfarande är i ett experimentellt skede är löftet om en mångsidig och säker digital assistent en verklighet som redan börjar ta form.
