OpenAI近日推出了其首个智能体Operator，这是一个多功能的人工智能工具，能够执行多种日常任务，如在线购物、预订票务以及制作表情包。Operator的推出标志着人工智能在日常生活应用中的进一步深入，它不仅简化了用户的在线操作流程，还通过其高度智能化的交互能力，为用户提供了更加个性化和高效的服务体验。这一创新工具的出现，预示着未来人工智能将在更多领域发挥其潜力，极大地提升人们的生活质量和工作效率。
Operator处于研究预览阶段，这意味着它仍存在一些局限性，并将根据用户反馈不断优化，OpenAI将其定义为“智能体”（Agent）的一种，这类AI能够独立完成任务，用户只需下达指令，它便会自动执行，Operator将首先面向美国的ChatGPT Pro订阅用户开放，未来计划逐步向Plus、Team和Enterprise用户推广，用户可通过独立网站访问Operator，OpenAI表示将尽快将其集成到所有ChatGPT应用中。
OpenAI CEO山姆·奥特曼（Sam Altman）在发布会上表示：“这款产品是我们进军智能体领域的起点。”OpenAI总裁兼联合创始人格雷格·布罗克曼（Greg Brockman）在社交媒体上写道：“2025年将是智能体元年。”Operator不仅是ChatGPT的重大升级，更标志着AI工具从被动接收信息向主动执行任务的跨越。
Operator的核心能力在于替代人类执行复杂的电脑操作，它可以像真人一样浏览网页，精准点击、滚动、填写表单，甚至完成订票、购物、订餐等任务，与传统虚拟助手不同，Operator不仅提供建议，还能直接采取行动。
Operator背后的技术被称为“计算机使用智能体”（Computer-Using Agent，简称CUA），这一模型结合了GPT-4o的视觉识别能力和高级推理技术，能够通过截图“理解”网页内容，并像人类一样操作鼠标和键盘，CUA经过训练，能够与图形用户界面（GUI）交互，无需依赖特定于操作系统或网络的API。
CUA的工作原理分为三个阶段：
1、感知：通过屏幕截图分析网页内容和结构。
2、推理：利用复杂的思路链推理后续步骤，动态调整任务执行策略。
3、操作：执行点击、滚动或输入等操作，直至任务完成或需要用户输入，对于敏感操作（如填写验证码），CUA会主动寻求用户确认。
在WebArena和WebVoyager两项浏览器操作测试中，CUA表现优异，WebArena模拟网购、在线商店管理等复杂场景，CUA的成功率为58.1%；在WebVoyager的实际网站导航测试中，CUA的成功率高达87%，展现了其在从在线购物到旅行预订等任务中的潜力。
Operator还支持个性化定制，用户可以为特定网页或全站添加自定义指令，并保存至主页，实现跨聊天窗口的多任务处理，在OSWorld基准测试中（评估模型控制Ubuntu、Windows和macOS等操作系统的能力），CUA的成功率为38.1%，而人类平均成绩为72.4%，表明AI仍有提升空间，OpenAI还发现，随着测试时间增加（允许更多操作步骤），CUA的表现会显著提升。
为防范潜在风险，Operator配备了多重安全机制，用户可以随时接管控制权，敏感操作（如信用卡信息输入和付款确认）需人工明确批准，Operator被限制执行银行交易、发送电子邮件、删除日历事项等高风险任务，Operator还设有滥用防范系统，能够识别并拒绝有害请求，并在检测到可疑活动时暂停执行，许多赌博、成人娱乐以及毒品或枪支零售网站也被列入黑名单。
尽管如此，Operator仍存在一些局限性，它无法可靠处理复杂的专业任务（如创建详细幻灯片或管理复杂的日历系统），也无法与高度定制或非标准的网页界面交互，部分网站（如Reddit）已禁止AI智能体访问，OpenAI也出于性能或法律原因阻止Operator访问某些资源密集型网站（如Figma）或竞争对手拥有的网站（如YouTube）。
奥特曼在发布会上表示，Operator是OpenAI“第一批智能体”之一，未来几周和几个月还将推出更多类似产品，随着AI智能体的普及，AI正从被动的信息处理工具转变为主动的数字生态系统参与者，无论是简化日常事务，还是创新商业工作流程，AI的实用性正日益凸显，人类与AI的协作，正从想象逐渐变为现实。
参考资料：
https://openai.com/index/introducing-operator/
https://openai.com/index/computer-using-agent/
https://techcrunch.com/2025/01/23/openai-launches-operator-an-ai-agent-that-performs-tasks-autonomously/
https://venturebeat.com/ai/meet-openais-operator-an-ai-agent-that-uses-the-web-to-book-you-dinner-reservations-order-tickets-compile-grocery-lists-and-more/
网友评论