电脑成精了！OpenAI推出AI代理Operator 能像人类一样浏览网页

美国初创公司OpenAI周四突然举行直播活动，发布市场期待已久的首款AI代理工具Operator（意为操作员），能够代理用户执行基于网页的操作。

言简意赅的解释，就是Operator能够像人类一样使用网页浏览器。

与“问一句、答一句”的聊天机器人不同，AI代理能够在人类有限监督的情况下按照设定完成任务，也被普遍视为AI生产力的下一个里程碑。在OpenAI通往通用人工智能（AGI）的五个步骤中，AI代理是继聊天机器人、推理机器人之后的第三步，也是全新的一步。

山姆·奥尔特曼介绍称，从周四开始，美国的ChatGPT Pro用户（一个月交200美元）将能使用“研究预览版”的Operator。未来将拓展到更多区域的Pro用户，几个月后ChatGPT Plus用户也能用上。同时在未来几周、几个月里，还会发布更多的AI代理。

什么是Operator？

Operator由一个名为CUA（计算机使用代理）的新模型驱动，结合了GPT-4o的视觉能力，以及通过强化学习实现的高级推理。Operator能够“看见”网页（截图），并使用鼠标和键盘允许的所有操作与网页进行互动。在操作中如果碰到困难，模型会调用推理能力进行自我纠正，若依然无法解决问题则会把控制权交还给人类。

要理解这种新事物，还得靠新鲜生动的案例。

Operator的界面与聊天机器人ChatGPT类似，最大的区别是调用“AI代理”完成用户吩咐的事情。

在演示案例中，Operator被要求预订某家饭店。用户只需要在对话框中输入“给我订一个XX饭店今晚19点的桌子”，然后AI代理就会自己打开网页，进入预订网站，搜索餐厅并完成预订。

如果用户所需的时段已经被订完，AI会询问“19点的桌子订完了，19点45分的桌子还有，要不要订？”

在另一个案例中，用户上传了一张写有“鸡蛋、菠菜、蘑菇”等杂货的购物清单，要求Operator去买菜网站上进行操作。随后AI就会打开浏览器，顺着清单逐一搜索并加入购物车。

完成任务后，Operator会告诉用户总共需要多少钱，以及骑手送达的时间，然后将浏览器的控制权交还给人类。

OpenAI也提醒使用者，虽然Operator已经是市面上最强的AI代理，但与人类相比依然差得很远。例如在使用浏览器的基准测试中，OpenAI CUA模型能拿到58.1%的评分，但人类的水平可以达到78%。所以这项新技术仍有可能犯错，但会在未来数月里持续改进。