OpenAI震撼发布：首款AI代理工具Operator正式亮相！

美国科技创新先锋OpenAI于1月23日通过一场突如其来的直播活动，隆重推出了市场翘首以盼的AI代理工具Operator，这款工具能够代理用户执行基于网页的复杂操作，标志着AI技术迈入崭新阶段。

图片来源：直播视频截图

简而言之，Operator能够模拟人类行为，在网页浏览器中自由穿梭，执行各类任务。

与传统的问答式聊天机器人截然不同，AI代理能够在人类有限监督下自主完成任务，这一突破被视为AI生产力发展的下一个重要里程碑。在OpenAI迈向通用人工智能（AGI）的征途中，AI代理是继聊天机器人、推理机器人后的第三大关键步骤。

据OpenAI创始人山姆·奥尔特曼介绍，自1月23日起，美国的ChatGPT Pro用户（月费200美元）将率先体验“研究预览版”的Operator。未来，该服务将逐步扩展至更多区域的Pro用户，并在数月内向ChatGPT Plus用户开放。同时，OpenAI计划在接下来几周至几个月内，陆续发布更多AI代理产品。

目前，Operator仍处于研究预览阶段，仅面向美国地区的Pro用户开放。

Operator的核心驱动力来自一个名为CUA（计算机使用代理）的全新模型，该模型融合了GPT-4的视觉能力，并通过强化学习实现了高级推理功能。Operator不仅能够“看见”网页（截图），还能利用鼠标和键盘执行所有允许的操作与网页互动。在操作中遇到困难时，模型会调用推理能力自我修正，若无法解决则请求人类接管。

使用Operator极为便捷，用户只需简单描述任务需求，Operator即可自动完成后续步骤，用户可随时接管远程浏览器的控制权。出于安全性和隐私性的考虑，Operator在需要登录、输入支付信息或解决CAPTCHA验证码等敏感任务时，会主动请求用户接管。

Operator的界面设计与聊天机器人ChatGPT相似，但最大区别在于其能够调用“AI代理”完成用户指派的任务。

在演示案例中，Operator被要求预订某餐厅。用户只需在对话框中输入“为我预订XX餐厅今晚19点的座位”，AI代理便会自动打开网页，进入预订网站，搜索并预订餐厅。

Operator还能自动填写繁琐的在线表单、在线购物、创建表情包、处理重复性浏览器任务等。

在另一个案例中，用户上传了一张包含“鸡蛋、菠菜、蘑菇”等杂货的购物清单，要求Operator在购物网站上进行操作。随后，AI代理便打开浏览器，按照清单逐一搜索商品并加入购物车。

任务完成后，Operator会告知用户总费用及预计送达时间，并将浏览器控制权交还用户。

类似浏览器的多标签页功能，用户可通过创建新对话，让Operator同时运行多个任务，如在Etsy上定制个性化珐琅杯，同时在Hipcamp上预订露营地。

Operator的自我纠错能力同样令人印象深刻。面对挑战或错误时，它能利用推理能力进行自我调整。若遇无法解决的问题，Operator会将控制权交还用户，实现人机协作的流畅体验。

尽管CUA模型仍处于早期阶段，存在局限性，但在WebArena和WebVoyager这两个关键的浏览器使用基准测试中，它已取得最新领先水平。

Operator的发布标志着AI从被动工具转变为数字生态系统中的积极参与者。它不仅能简化用户任务，还将为寻求创新客户体验和提高转化率的企业带来代理优势。

OpenAI正与DoorDash、Instacart、OpenTable、Priceline、StubHub、Thumbtack、Uber等公司合作，确保Operator能满足真实世界需求，并尊重既有规范。此外，OpenAI还看到了在公共部门应用中提高效率和可访问性的巨大潜力，正与斯托克顿市等组织合作，简化市民注册城市服务和计划的流程。

本文综合自公开资料，旨在提供关于OpenAI Operator的最新动态与解读。

（文章来源：每日经济新闻）