TMT观察网_独特视角观察TMT行业

【TechWeb】1月23日消息，據(jù)外媒報道，人工智能初創(chuàng)公司OpenAI本周將發(fā)布一款能夠控制計算機并獨立執(zhí)行任務(wù)的AI智能體（AI agent），項目代號為 “操作員”（Operator），有望成為人工智能領(lǐng)域的一大飛躍。

OpenAI準(zhǔn)備在本周推出Operator，它可以在用戶的網(wǎng)絡(luò)瀏覽器中代表用戶完成任務(wù)。Operator 將為用戶提供旅游、餐飲和活動等類別的建議提示。例如，用戶可以讓Operator幫他們找到從紐約飛往毛伊島（Maui）的最佳航班，而且不會讓他們在晚上太晚降落。Operator不會完成交易，用戶將最后完成結(jié)賬流程。

外媒稱，Operator可以在某些方面發(fā)揮作用。不懂電腦的老年人可以要求Operator幫助他們發(fā)送電子郵件，看到Operator導(dǎo)航到郵箱，并為他們打開撰寫窗口。

精通技術(shù)的人可能不需要這種幫助，但老年用戶在瀏覽網(wǎng)頁時常常會遇到困難，即使是完成簡單的任務(wù)也是一項挑戰(zhàn)。Operator還可以在其他領(lǐng)域提供幫助，例如在質(zhì)量保證測試中，公司可以利用AI服務(wù)，測試其新網(wǎng)站或服務(wù)是否能正常運行。

不過，所謂的 “計算機使用代理 ”也存在潛在風(fēng)險。目前，已經(jīng)有初創(chuàng)公司推出了一種網(wǎng)絡(luò)導(dǎo)航機器人，可以自動完成在社交平臺Reddit上發(fā)布營銷垃圾郵件的過程。AI初創(chuàng)公司需要采取一些措施打擊濫用行為，否則網(wǎng)站上的垃圾信息將比現(xiàn)在更加泛濫。

Operator這樣的智能體基本上是通過截取用戶瀏覽器的屏幕截圖，然后將圖像發(fā)送回OpenAI進(jìn)行分析。它利用了OpenAI和其他公司一直在開發(fā)的多模態(tài)技術(shù)，該技術(shù)可以解讀多種形式的輸入信息，比如文本和圖像。

所有領(lǐng)先的人工智能公司都已承諾推出自主人工智能代理，OpenAI首席執(zhí)行官阿爾特曼（Sam Altman）去年曾表示：“我們會有越來越好的模型”，但 “我認(rèn)為下一個巨大突破將是智能體”

AI初創(chuàng)公司Anthropic去年就推出了 “計算機使用 ”功能，通過API接入，開發(fā)人員可以指導(dǎo)Claude使用計算機，就像人們看屏幕、移動光標(biāo)、單擊按鈕和輸入文本一樣。Claude能夠?qū)⒅噶睿ɡ纾笆褂梦业挠嬎銠C和在線數(shù)據(jù)填寫此表單”）轉(zhuǎn)換為計算機命令（例如，檢查電子表格；移動光標(biāo)打開web瀏覽器；導(dǎo)航到相關(guān)網(wǎng)頁；使用這些網(wǎng)頁中的數(shù)據(jù)填寫表單等等）。

AI公司面臨著越來越大的壓力，AI模型成本高昂，它們必須找到變現(xiàn)方式：人們希望智能體能成為下一個突破性產(chǎn)品，一個具有ChatGPT影響力的創(chuàng)新。