- OpenAI 推出了 Operator，這是一款可以在瀏覽器中自動執行任務的代理，例如填寫表格、預訂或購買，它像人類用戶一樣在圖形介面上進行操作。
- 它基於 CUA 模型，結合了先進的 GPT-4 視覺和強化學習，能夠與螢幕元素互動並進行自我糾正。
- 限量存取權限：在美國提供 ChatGPT Pro 預覽版（200 美元），計劃升級到其他計劃並逐步擴展。
- 它包括隱私保護措施、用戶敏感行為監控和可疑網站屏蔽；OpenAI 與平台合作進行整合。
OpenAI 發布了其全新智慧代理Operator，這標誌著人工智慧發展邁出了重要一步。 Operator旨在自動化瀏覽器中的任務。該工具沿襲了ChatGPT和GPT-4等先前成果的模式，旨在革新我們與網路的互動方式，為填寫表格、預訂餐廳座位或管理線上購物等日常活動提供實用解決方案。
Operator 的出現標誌著人工智慧發展方向的重大轉變，使人工智慧成為數位領域的積極參與者。該系統透過其整合的瀏覽器，能夠識別和操作圖形使用者介面 (GUI)，以類似於人類的方式與按鈕、下拉式選單和文字方塊進行互動。其主要目標是簡化重複性任務，節省使用者時間。
Operator 的工作原理
Operator的核心是其電腦使用代理程式 (CUA) 模型，該模型由 OpenAI 開發。這項技術結合了GPT-4的先進視覺能力和基於強化學習的推理技術。這使得代理能夠透過螢幕截圖「看到」螢幕上的內容，像使用鍵盤和滑鼠一樣與元素進行交互，甚至在犯錯時進行自我糾正。
用戶只需提供簡單的指令，例如「預訂晚上 8 點在餐廳的雙人桌」。如果遇到障礙（例如，該時間段沒有空位），系統會要求使用者提供額外信息，例如更改時間或提供敏感資料以完成操作。此外，用戶可以隨時手動控制瀏覽器。如果您有興趣創建類似的智能體，可以參考n8n 提供的創建 AI 智能體的實用指南。
可用性和存取權限
目前，Operator 仍處於「研究預覽」計劃的早期階段。此功能僅限ChatGPT Pro用戶使用，ChatGPT Pro 的月費為200 美元，目前僅在美國提供。 OpenAI 已宣布計劃將 Operator 的可用性擴展到其他訂閱級別，例如Plus、Team和Enterprise，並計劃未來將其整合到 ChatGPT 中。如果您對類似 AI 瀏覽器的開發感興趣，可以了解OpenAI 的 AI 瀏覽器的工作原理。
此次限量發售旨在解決技術和監管方面的考量，確保產品開發安全可控。公司也正利用此階段收集用戶回饋，優化產品效能。
安全和自訂功能
OpenAI 的主要關注點之一是確保用戶隱私。此智能體包含多項措施，以確保敏感任務（例如需要登入憑證或銀行資訊的任務）在使用者的直接監督下執行。此外，使用者可以為重複性任務配置特定偏好，如果不希望共享瀏覽數據，可以選擇退出模型訓練。
該運營商具備在遇到可疑網站時暫停任務的功能，並會拒絕任何可能被視為有害或非法的請求。這種做法體現了其對合乎道德且安全地使用人工智慧的承諾。
合作與未來發展
OpenAI正積極與DoorDash、Instacart、OpenTable、Uber等多家公司合作，將Operator的服務整合到用戶已廣泛使用的平台中。這些合作旨在確保該智能體能夠順利處理實際任務，並避免技術問題。值得注意的是，這些合作並非基於財務協議，凸顯了Operator開發的獨立性。人們對這類智能體的興趣也體現在對其他旨在實現人類工作自動化的智能體的分析中。
未來，OpenAI 還計劃克服 Operator 目前存在的局限性，例如難以處理更複雜的介面，包括日曆和演示工具。其長期目標是使 Operator 成為一款真正通用的工具，能夠整合到用戶數位生活的方方面面。
Operator 代表著生成式人工智慧領域的一項重大進展。 OpenAI 將人工智慧從被動的觀察者轉變為數位生態系統中的積極參與者，為更高層次的自動化奠定了基礎，這可能會改變我們與技術的關係。儘管目前仍處於實驗階段，但功能全面且安全的數位助理的願景已開始逐步實現。
