- OpenAI 推出了 Operator，这是一款可以在浏览器中自动执行任务的代理，例如填写表格、预订或购买，它像人类用户一样在图形界面上进行操作。
- 它基于 CUA 模型，结合了先进的 GPT-4 视觉和强化学习，能够与屏幕元素交互并进行自我纠正。
- 有限访问权限：在美国提供 ChatGPT Pro 预览版（200 美元），计划升级到其他计划并逐步扩展。
- 它包括隐私保护措施、用户敏感行为监控和可疑网站屏蔽；OpenAI 与平台合作进行集成。
OpenAI 发布了其全新智能代理Operator，这标志着人工智能发展迈出了重要一步。Operator旨在自动化浏览器中的任务。该工具沿袭了ChatGPT和GPT-4等先前成果的模式，旨在革新我们与网络的交互方式，为填写表格、预订餐厅座位或管理在线购物等日常活动提供实用解决方案。
Operator 的出现标志着人工智能发展方向的重大转变，使人工智能成为数字领域的积极参与者。该系统通过其集成的浏览器，能够识别和操作图形用户界面 (GUI)，以类似于人类的方式与按钮、下拉菜单和文本框进行交互。其主要目标是简化重复性任务，节省用户时间。
操作员如何工作
Operator的核心是其计算机使用代理 (CUA) 模型，该模型由 OpenAI 开发。这项技术结合了GPT-4的先进视觉能力和基于强化学习的推理技术。这使得代理能够通过屏幕截图“看到”屏幕上的内容，像使用键盘和鼠标一样与元素进行交互，甚至在犯错时进行自我纠正。
用户只需提供简单的指令，例如“预订晚上 8 点在餐厅的双人桌”。如果遇到障碍（例如，该时间段没有空位），系统会请求用户提供额外信息，例如更改时间或提供敏感数据以完成操作。此外，用户可以随时手动控制浏览器。如果您有兴趣创建类似的智能体，可以参考n8n 提供的关于创建 AI 智能体的实用指南。
可用性和访问权限
目前，Operator 仍处于“研究预览”计划的早期阶段。该功能仅限ChatGPT Pro用户使用，ChatGPT Pro 的月费为200 美元，且目前仅在美国提供。OpenAI 已宣布计划将 Operator 的可用性扩展到其他订阅级别，例如Plus、Team和Enterprise，并计划未来将其集成到 ChatGPT 中。如果您对类似 AI 浏览器的开发感兴趣，可以了解OpenAI 的 AI 浏览器的工作原理。
此次限量发售旨在解决技术和监管方面的考量，确保产品开发安全可控。公司也正利用这一阶段收集用户反馈，优化产品性能。
安全和定制功能
OpenAI 的主要关注点之一是确保用户隐私。该智能体包含多项措施，以确保敏感任务（例如需要登录凭证或银行信息的任务）在用户的直接监督下执行。此外，用户可以为重复性任务配置特定偏好，并且如果不希望共享浏览数据，可以选择退出模型训练。
该运营商具备在遇到可疑网站时暂停任务的功能，并会拒绝任何可能被视为有害或非法的请求。这种做法体现了其对合乎道德且安全地使用人工智能的承诺。
合作与未来发展
OpenAI正积极与DoorDash、Instacart、OpenTable、Uber等多家公司合作，将Operator的服务集成到用户已广泛使用的平台中。这些合作旨在确保该智能体能够顺利处理实际任务，避免技术问题。值得注意的是，这些合作并非基于财务协议，这凸显了Operator开发的独立性。人们对这类智能体的兴趣也体现在对其他旨在实现人类工作自动化的智能体的分析中。
未来，OpenAI 还计划克服 Operator 目前存在的局限性，例如难以处理更复杂的界面，包括日历和演示工具。其长期目标是使 Operator 成为一款真正通用的工具，能够集成到用户数字生活的方方面面。
Operator 代表着生成式人工智能领域的一项重大进步。OpenAI 将人工智能从被动的观察者转变为数字生态系统中的积极参与者，为更高层次的自动化奠定了基础，这可能会改变我们与技术的关系。尽管目前仍处于实验阶段，但功能全面且安全的数字助理的愿景已开始逐步实现。
