美国科技创新企业OpenAI于周四通过直播活动震撼发布，正式推出了市场翘首以盼的首款AI代理工具Operator，该工具能够代理用户在网页上执行各类操作，标志着AI技术的新飞跃。

简而言之，Operator能够模拟人类使用网页浏览器的行为，实现了前所未有的交互体验。

与传统的聊天机器人相比，AI代理工具Operator能够在有限的人类监督下，按照预设任务自主执行操作，这一创新被视为AI生产力迈向通用人工智能（AGI）的又一重要里程碑。在OpenAI的AGI发展路径中，Operator紧随聊天机器人和推理机器人之后，作为第三步战略的核心组成部分，开启了全新的技术篇章。

据OpenAI首席执行官山姆·奥尔特曼介绍，自周四起，美国的ChatGPT Pro订阅用户（月费200美元）将率先体验到“研究预览版”的Operator。未来，该服务将逐步扩展至更多地区的Pro用户，并计划在几个月内对ChatGPT Plus用户开放。同时，OpenAI透露将在未来几周至几个月内陆续发布更多AI代理工具。

深入解读Operator

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的视觉识别能力，以及通过强化学习获得的先进推理功能。Operator不仅能够“看见”网页内容（通过截图），还能利用鼠标和键盘执行网页上的所有操作。在遇到操作难题时，CUA模型会运用推理能力进行自我调整，若无法解决则会将控制权交还用户。

为了更直观地理解Operator的能力，让我们通过实际案例来探讨。Operator的界面设计与ChatGPT相似，但关键在于它能够调用“AI代理”功能，直接执行用户的指令。

在演示案例中，当用户要求Operator预订某餐厅的晚餐时，只需在对话框中输入“给我订一个XX饭店今晚19点的桌子”，Operator便会自动打开网页，访问预订平台，搜索餐厅并完成预订流程。若所选时段已满，Operator还会智能询问用户是否愿意调整时间。

在另一个场景中，用户上传了一张包含“鸡蛋、菠菜、蘑菇”等商品的购物清单，要求Operator在在线超市进行采购。Operator随即打开浏览器，按照清单逐一搜索商品并加入购物车。

完成任务后，Operator会向用户报告总金额及预计送达时间，然后将浏览器的控制权归还给用户。

OpenAI同时提醒用户，尽管Operator是目前市场上最先进的AI代理工具，但与人类相比仍有较大差距。例如，在浏览器使用基准测试中，OpenAI的CUA模型得分为58.1%，而人类平均水平高达78%。因此，这项新技术在应用中仍可能犯错，但OpenAI承诺将在未来数月内持续优化改进。

（信息来源：财联社）