OpenAI最新推出AI代理Operator，实现人类级网页浏览能力

开启未来浏览体验：Operator AI代理引领智能网页时代

　　 美国初创公司OpenAI于本周四举办了一场意外的直播活动，推出了备受瞩目的首款AI代理工具Operator，该工具能够帮助用户完成基于网页的各种操作。

　　 运营商能够像普通人一样使用网页浏览器。

　　 与“问一句、与仅能进行简单对话的聊天机器人不同，AI代理能在人类有限的监督下按设定完成任务，这被视为提升AI生产力的一个重要里程碑。在OpenAI迈向通用人工智能（AGI）的五个阶段中，AI代理是继聊天机器人和推理机器人之后的第三阶段，也是一个全新的发展阶段。

　　 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，该模型融合了GPT-4o的视觉处理能力，并通过强化学习实现了高级推理功能。

　　 Operator具备一种独特的功能，它能够浏览网页并进行截图，同时还能模拟人类的操作，通过鼠标和键盘与网页进行交互。在执行任务的过程中，如果遇到难以解决的问题，Operator能够利用其内置的推理能力来自我修正，只有在实在无法克服的情况下才会将控制权转交给人工操作者。 这种技术的发展无疑为自动化操作和人工智能的应用开辟了新的道路。Operator不仅能在很大程度上提高工作效率，减少人为错误，还能在一些需要高度精确度的任务中发挥关键作用。然而，这一技术的应用也引发了关于隐私保护和自动化可能带来的就业影响等方面的讨论。我们需要认真思考如何平衡技术进步和社会伦理，确保技术发展惠及每一个人。

　　 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相似，但最大的不同在于它能够调用“AI代理”来执行用户的各项指令。这种设计不仅提升了用户体验，还极大地扩展了软件的功能范围。通过引入AI代理机制，Operator能够在多个层面上满足用户的需求，无论是信息查询、任务管理还是日常生活的辅助，都能得到更高效和精准的服务。这样的创新无疑为智能交互领域开辟了新的发展方向，也让我们对未来的AI技术应用充满了期待。

　　 在演示案例中，Operator被要求预订某家饭店。用户只需在对话框中输入“给我订一个XX饭店今晚19点的桌子”，随后Operator便会自动打开网页，进入预订网站，搜索餐厅并完成预订过程。 这种技术的应用无疑大大提高了生活效率，使日常事务处理变得更加便捷。不过，随之而来的是对隐私保护和数据安全的担忧。在使用这类高度智能化的服务时，用户必须确保个人信息的安全，避免不必要的风险。此外，虽然自动化流程简化了预订步骤，但人工干预在某些情况下仍可能是必要的，以应对突发状况或复杂需求。总体而言，这种技术的发展前景令人期待，但也需要谨慎对待潜在的问题。

　　 如果用户所需的时段已经被订完，AI系统会询问：“19点的座位已经订满了，不过19点45分的座位还有空余，您是否考虑预订这个时间段呢？” 这种做法体现了技术在服务行业的广泛应用，AI不仅提高了工作效率，还为顾客提供了更多选择的可能性。然而，这样的系统也引发了对人情味和服务体验的担忧，毕竟面对面的人际交流在很多情况下仍然是不可或缺的。随着技术的进步，如何平衡技术便利与人性化服务将成为未来服务业发展的重要课题。

　　 在另一案例中，用户上传了一张包含“鸡蛋、菠菜、蘑菇”等杂货的购物清单，请求Operator在买菜网站上完成购买。之后，AI会启动浏览器，根据清单上的物品逐一搜索并添加到购物车中。

　　 完成任务后，运营商会告知用户总费用以及预计送达时间，随后将控制权归还给用户。这种模式不仅提升了服务效率，也增强了用户体验。通过明确的费用和时间预估，用户可以更好地规划自己的时间和预算，从而提升整体满意度。同时，这也显示了技术在优化服务流程中的重要作用，使得服务更加透明化和人性化。

　　 OpenAI也提示用户，尽管Operator已经成为市场上最先进的AI代理之一，但与人类的能力相比仍相去甚远。

　　 在使用浏览器的基准测试中，OpenAICUA模型获得了58.1%的评分，而人类的水平则能达到78%。因此，这项新技术可能还会出错，但它将在接下来的几个月内持续进行优化。