OpenAI突发Operator！完全自主玩转浏览器，奥特曼：Level 3时代开启

原标题：OpenAI突发Operator！完全自主玩转浏览器，奥特曼：Level 3时代开启
文章来源：科技未来派
内容字数：3437字

OpenAI发布首个智能体Operator：开启AI代理时代

OpenAI近日正式发布了备受期待的AI智能体Operator，标志着AI技术迈向新的里程碑。Operator并非简单的机器人，而是能够完成各种任务的AI代理，它能够自主浏览网页、进行在线购物、预订餐厅等，真正实现了AI从信息处理到行动执行的跨越。

Operator：解放双手的AI助手

Operator 的核心功能在于其自主执行任务的能力。用户只需提供任务指令，Operator 就能自行完成所有步骤，例如根据购物清单自主完成网购，或者根据用户需求预订餐厅。这与以往需要通过API或编程接口控制的AI代理截然不同，Operator 基于文本的思维链进行推理，如同人类一样理解网页内容并进行操作。

在实际操作中，Operator展现了强大的自主学习和适应能力。它可以识别网页元素，点击按钮，填写表单，甚至能够应对网站的登录、支付等环节（需要用户介入完成安全认证）。更令人印象深刻的是，如果遇到访问受限的情况，它能够自行调整策略，例如在搜索中添加关键词来绕过限制。用户还可以自定义指令，例如设置订机票时的首选航空公司，以获得个性化体验。

技术底层：CUA模型的强大实力

Operator 的强大功能源于其底层使用的全新模型——Computer-Using-Agent (CUA)。CUA 结合了 GPT-4 的视觉能力和高级推理强化学习，使其能够与图形用户界面 (GUI) 进行交互。这意味着 Operator 可以“看到”网页内容，并像人类一样使用鼠标和键盘进行操作，无需任何自定义的 API 集成。

CUA 在 WebArena 和 WebVoyager 两个基准测试中均取得了领先成绩 (SOTA)，证明了其在网页自动化领域的强大实力。更重要的是，CUA 具备自我纠错能力，能够在遇到问题时自行尝试解决，并在需要帮助时将控制权交还给用户。

OpenAI进入“代理”阶段：Level 3的突破

OpenAI 此前将 AI 的发展划分为五个阶段，Operator 的发布标志着 OpenAI 从 Level 1 (机器人) 迈入 Level 3 (AI 代理) 阶段。这代表着 AI 从简单的对话交互，发展到能够自主执行任务的重大飞跃。OpenAI 预计未来将推出更多智能体，进一步拓展 AI 代理的应用领域。

未来展望：开源与普及

目前，Operator 仅面向 ChatGPT Pro 用户开放，月费高达 200 美元。虽然价格不菲，但其强大的功能和未来发展潜力依然吸引了众多关注。许多网友期待 Operator 能够尽快开源，推动 AI 代理技术的普及和发展，从而让更多人受益于这项突破性技术。

OpenAI 的这一举动无疑将加速 AI 代理技术的成熟和应用，为各行各业带来新的变革。让我们拭目以待，看看未来 AI 代理将如何改变我们的生活和工作方式。

联系作者

文章来源：科技未来派
作者微信：
作者简介：追踪人工智能新趋势，关注科技行业新突破