- OpenAI เปิดตัว Operator เอเจนต์ที่ช่วยทำงานอัตโนมัติในเบราว์เซอร์ เช่น การกรอกแบบฟอร์ม การจอง หรือการซื้อ โดยทำงานบนอินเทอร์เฟซแบบกราฟิกเหมือนผู้ใช้ที่เป็นมนุษย์
- ระบบนี้ใช้โมเดล CUA เป็นพื้นฐาน โดยผสมผสานเทคโนโลยีการมองเห็น GPT-4 ขั้นสูงและการเรียนรู้แบบเสริมแรงเพื่อโต้ตอบกับองค์ประกอบบนหน้าจอและแก้ไขข้อผิดพลาดด้วยตนเอง
- การเข้าถึงมีจำกัด: เปิดให้ทดลองใช้ ChatGPT Pro ในสหรัฐอเมริกา (200 ดอลลาร์สหรัฐ) โดยมีแผนที่จะอัปเกรดเป็นแพ็กเกจอื่น ๆ และขยายการใช้งานอย่างค่อยเป็นค่อยไป
- ประกอบด้วยมาตรการด้านความเป็นส่วนตัว การตรวจสอบการกระทำที่ละเอียดอ่อนของผู้ใช้ และการบล็อกเว็บไซต์ที่น่าสงสัย นอกจากนี้ OpenAI ยังร่วมมือกับแพลตฟอร์มต่างๆ เพื่อการบูรณาการ
OpenAI ได้ก้าวไปอีกขั้นสำคัญในการพัฒนาปัญญาประดิษฐ์ด้วยการเปิดตัวOperatorซึ่งเป็นเอเจนต์ใหม่ที่ออกแบบมาเพื่อทำงานอัตโนมัติในเบราว์เซอร์โดยใช้รูปแบบเดียวกับความก้าวหน้าก่อนหน้านี้ เช่นChatGPTและGPT-4เครื่องมือนี้มีเป้าหมายที่จะปฏิวัติวิธีการที่เราโต้ตอบกับเว็บ โดยนำเสนอโซลูชันที่ใช้งานได้จริงสำหรับกิจกรรมในชีวิตประจำวัน เช่น การกรอกแบบฟอร์ม การจองโต๊ะร้านอาหาร หรือการจัดการการซื้อสินค้าออนไลน์
Operatorถือเป็นการเปลี่ยนแปลงครั้งสำคัญในแนวทางการใช้ปัญญาประดิษฐ์ (AI) ทำให้ AI กลายเป็นผู้มีส่วนร่วมอย่างแข็งขันในโลกดิจิทัล ระบบนี้สามารถระบุและจัดการส่วนติดต่อผู้ใช้แบบกราฟิก (GUI) ผ่านเบราว์เซอร์ในตัว โดยโต้ตอบกับปุ่ม เมนูแบบดรอปดาวน์ และช่องข้อความในลักษณะคล้ายกับมนุษย์ เป้าหมายหลักคือการลดความซ้ำซ้อนของงานและ ประหยัด เวลาของผู้ใช้
ตัวดำเนินการทำงานอย่างไร
หัวใจสำคัญของOperatorคือโมเดล Computer-Using Agent (CUA)ที่พัฒนาโดย OpenAI เทคโนโลยีนี้ผสานรวม ความสามารถด้าน การมองเห็นขั้นสูงของGPT-4เข้ากับเทคนิคการให้เหตุผลโดยใช้การเรียนรู้แบบเสริมแรงทำให้เอเจนต์สามารถ "มองเห็น" เนื้อหาบนหน้าจอผ่านการจับภาพหน้าจอ โต้ตอบกับองค์ประกอบต่างๆ ราวกับใช้แป้นพิมพ์และเมาส์ และยัง สามารถแก้ไข ข้อผิดพลาดได้ด้วยตนเอง อีกด้วย
ผู้ใช้เพียงแค่ต้องป้อนคำสั่งง่ายๆ เช่น "จองโต๊ะสำหรับสองท่านที่ร้านอาหารเวลา 20:00 น." หากพบอุปสรรค เช่น ไม่มีที่ว่างในเวลานั้น ระบบจะขอข้อมูลเพิ่มเติม เช่น การเปลี่ยนเวลา หรือการให้ข้อมูลสำคัญเพื่อดำเนินการให้เสร็จสมบูรณ์ นอกจากนี้ ผู้ใช้ยังสามารถควบคุมเบราว์เซอร์ด้วยตนเองได้ตลอดเวลา หากคุณสนใจที่จะสร้างเอเจนต์ที่คล้ายกันนี้ มีคู่มือปฏิบัติสำหรับการสร้างเอเจนต์ AI ด้วย n8nที่คุณอาจพบว่ามีประโยชน์
ความพร้อมใช้งานและการเข้าถึง
ปัจจุบัน Operator อยู่ในขั้นตอนเริ่มต้นภายใต้โปรแกรม "research preview" การเข้าถึงถูกจำกัดเฉพาะ ผู้ใช้ ChatGPT Proซึ่งเป็นบริการที่มีค่าใช้จ่ายรายเดือน200 ดอลลาร์และมีให้บริการเฉพาะในสหรัฐอเมริกา เท่านั้น OpenAI ได้ประกาศแผนการที่จะขยายการให้บริการไปยังระดับการสมัครสมาชิกอื่นๆ เช่นPlus , TeamและEnterpriseรวมถึงการผสานรวมเข้ากับ ChatGPT ในอนาคต หากคุณสนใจในการพัฒนาเบราว์เซอร์ AI ที่คล้ายกัน คุณสามารถเรียนรู้วิธี การทำงาน ของเบราว์เซอร์ AI ของ OpenAIได้
การเปิดตัวในวงจำกัดนี้เป็นการแก้ไขปัญหาทั้งด้านเทคนิคและข้อกำหนดทางกฎหมาย โดยมีเป้าหมายเพื่อให้มั่นใจได้ว่า การพัฒนาผลิตภัณฑ์เป็นไป อย่างปลอดภัยและอยู่ภายใต้การควบคุม บริษัทฯ ยังใช้ช่วงเวลานี้ในการรวบรวมความคิดเห็นจากผู้ใช้ และ ปรับปรุงประสิทธิภาพของผลิตภัณฑ์ ให้ดียิ่งขึ้น
คุณสมบัติการรักษาความปลอดภัยและการปรับแต่ง
หนึ่งในข้อกังวลหลักของ OpenAI คือการรับรองความเป็นส่วนตัวของผู้ใช้ ตัวแทน (agent) นี้มีมาตรการรับประกันว่างานที่ละเอียดอ่อน เช่น งานที่ต้องใช้ข้อมูลการเข้าสู่ระบบหรือข้อมูลธนาคาร จะดำเนินการภายใต้ การดูแลโดยตรง ของผู้ใช้ นอกจากนี้ ผู้ใช้ยังสามารถกำหนดค่ากำหนดเฉพาะสำหรับงานที่ทำซ้ำๆ และเลือกที่จะไม่เข้าร่วมการฝึกโมเดลหากไม่ต้องการแบ่งปันข้อมูลการท่องเว็บของตน
ผู้ให้บริการได้รวมคุณสมบัติในการหยุดการทำงานชั่วคราวหากพบเว็บไซต์ที่น่าสงสัย และปฏิเสธคำขอที่อาจถือว่าเป็นอันตรายหรือผิดกฎหมาย แนวทางนี้ตอกย้ำความมุ่งมั่นใน การใช้ปัญญาประดิษฐ์อย่างมีจริยธรรม และปลอดภัย
ความร่วมมือและการพัฒนาในอนาคต
OpenAI กำลังทำงานร่วมกับบริษัทต่างๆ อย่างแข็งขัน เช่นDoorDash , Instacart , OpenTable , Uberและอื่นๆ เพื่อบูรณาการบริการของ Operator เข้ากับแพลตฟอร์มที่ได้รับความนิยมจากผู้ใช้อยู่แล้ว ความร่วมมือเหล่านี้มีเป้าหมายเพื่อให้มั่นใจว่าเอเจนต์สามารถจัดการงานในโลกแห่งความเป็นจริงได้โดยไม่มีปัญหาทางเทคนิค ที่สำคัญคือ ความร่วมมือเหล่านี้ไม่ได้อยู่บนพื้นฐานของ ข้อตกลง ทางการเงินซึ่งเน้นย้ำถึงความเป็นอิสระในการพัฒนาของ Operator ความสนใจในเอเจนต์ประเภทนี้ส่วนหนึ่งสะท้อนให้เห็นในการวิเคราะห์ เอเจนต์อื่นๆ ที่พยายามทำให้งานของมนุษย์เป็นไป โดยอัตโนมัติ
ในอนาคต OpenAI ยังวางแผนที่จะเอาชนะข้อจำกัดในปัจจุบันของเอเจนต์ เช่น ความยากลำบากในการจัดการกับอินเทอร์เฟซที่ซับซ้อนมากขึ้นรวมถึงปฏิทินและเครื่องมือการนำเสนอ เป้าหมายระยะยาวคือการทำให้ Operator เป็น เครื่องมือ อเนกประสงค์ อย่างแท้จริง ที่สามารถบูรณาการเข้ากับหลายแง่มุมของชีวิตดิจิทัลของผู้ใช้ได้
Operator ถือเป็นความก้าวหน้าครั้งสำคัญในโลกของปัญญาประดิษฐ์เชิงสร้างสรรค์ ด้วยการเปลี่ยนบทบาทของ AI จากผู้สังเกตการณ์แบบพาสซีฟไปเป็นผู้มีส่วนร่วมอย่างแข็งขันในระบบนิเวศดิจิทัล OpenAI กำลังวางรากฐานสำหรับระบบอัตโนมัติระดับใหม่ที่อาจเปลี่ยนแปลงความสัมพันธ์ของเรากับเทคโนโลยี แม้ว่าจะยังอยู่ในขั้นตอนการทดลอง แต่คำมั่นสัญญาของระบบผู้ช่วยดิจิทัลที่ใช้งานได้หลากหลายและปลอดภัยนั้นกำลังเริ่มเป็นรูปเป็นร่างขึ้นแล้ว
