發(fā)力AI Agent！OpenAI將推出“Operator” ，2025年1月上市

彭博今天消息，OpenAI正準(zhǔn)備推出一款代號(hào)為“Operator”的全新AI Agent產(chǎn)品，可以自動(dòng)執(zhí)行各種復(fù)雜操作，包括編寫(xiě)代碼、預(yù)訂旅行、自動(dòng)電商購(gòu)物等。

根據(jù)內(nèi)部員工爆料，OpenAI領(lǐng)導(dǎo)層預(yù)計(jì)將在2025年1月發(fā)布該產(chǎn)品，同時(shí)會(huì)為開(kāi)發(fā)人員開(kāi)放API接口。

彭博表示，OpenAI一直在進(jìn)行幾個(gè)與智能體相關(guān)的研究項(xiàng)目。其中一位人士表示，最接近完成的將是一個(gè)在網(wǎng)絡(luò)瀏覽器中執(zhí)行任務(wù)的通用工具。

OpenAI這一計(jì)劃的發(fā)布，是整個(gè)行業(yè)向智能體推進(jìn)的一部分。最近微軟、谷歌、Anthropic都相繼發(fā)布了功能強(qiáng)大的AI Agent。

尤其是Anthropic發(fā)布的“Computer Use”直接顛覆了人機(jī)交互，通過(guò)API開(kāi)發(fā)者可以讓Claude像人類一樣使用計(jì)算機(jī)控制鼠標(biāo)、鍵盤(pán)，包括查看屏幕、移動(dòng)光標(biāo)、點(diǎn)擊按鈕和輸入文本等操作。

例如，用戶可以讓Claude去搜索網(wǎng)頁(yè)上的信息、在電子表格中填寫(xiě)數(shù)據(jù)；或者打開(kāi)軟件進(jìn)行特定的操作；也能協(xié)助開(kāi)發(fā)人員執(zhí)行重復(fù)性任務(wù)、測(cè)試代碼等，整個(gè)流程Claude會(huì)根據(jù)指令自動(dòng)執(zhí)行相應(yīng)的操作。

目前，Computer use主要依靠API來(lái)驅(qū)動(dòng)自動(dòng)化指令，當(dāng)開(kāi)發(fā)者通過(guò)API向Claude發(fā)送指令時(shí)，Claude會(huì)運(yùn)用其自然語(yǔ)言處理能力解析指令。其內(nèi)部語(yǔ)言模型會(huì)對(duì)指令文本進(jìn)行詞法、句法和語(yǔ)義分析，例如，對(duì)于“使用計(jì)算機(jī)中的數(shù)據(jù)填寫(xiě)在線表格”這樣的指令，Claude會(huì)識(shí)別出關(guān)鍵動(dòng)作是填寫(xiě)表格以及數(shù)據(jù)來(lái)源是計(jì)算機(jī)中的數(shù)據(jù)。

這一過(guò)程類似它在處理文本生成任務(wù)時(shí)對(duì)語(yǔ)義的理解，只是此時(shí)語(yǔ)義重點(diǎn)在于計(jì)算機(jī)操作。會(huì)基于預(yù)訓(xùn)練過(guò)程中學(xué)到的語(yǔ)言模式和知識(shí)，將指令意圖映射到對(duì)應(yīng)的計(jì)算機(jī)操作概念上，預(yù)訓(xùn)練的知識(shí)包括常見(jiàn)的計(jì)算機(jī)操作術(shù)語(yǔ)、軟件功能描述等，以便準(zhǔn)確把握開(kāi)發(fā)者希望它執(zhí)行的操作。

而OpenAI在明年發(fā)布的“Operator”很可能會(huì)在Computer use的基礎(chǔ)之上進(jìn)行大幅度創(chuàng)新和應(yīng)用簡(jiǎn)化，擴(kuò)大AI Agent的使用范圍和應(yīng)用場(chǎng)景。

封面圖片來(lái)源：視覺(jué)中國(guó)-VCG31N2008743681