本報訊
OpenAI本周發布網誌，讓外界了解一款能夠在網頁瀏覽器上導航的新工具Operator。它是由該公司所指的「電腦使用代理人」（CUA）支援，將率先向ChatGPT Pro訂戶推出。
科技新聞網站Engadget報道，OpenAI指出，CUA被訓練與人們在螢幕上所看到的按鈕、選單和文字輸入格等「圖形使用者介面」（GUIs）進行互動，正如真人所做的那樣，「此舉讓它靈活地進行任務，毋須使用作操作系統或網絡應用程式開介面（API）」。
Operator目前版本建立於OpenAI的GPT-4o模型之上，將這種運算法的視覺功能與透過強化學習（RL）訓練的「進階推理」結合起來。OpenAI指出，Operator 具備能力將任務分成多重步驟的計劃，遇上挑戰時適時自我修正。根據OpenAI說法，這種能力代表AI開發的下一個階段。
正如過去研究預覽一樣，OpenAI警告Operator「仍在早期階段和有限制」，又指「還沒有辦法在所有場景下可靠地執行工作」。舉例說，取決於任務和所涉及的用戶介面的複雜性，這個代理人非常受益於用戶多花時間來寫更仔細的提示。
根據The Verge報道，如果Operator執行任務時遇上困難，它就會將控制交給用戶。當網站需要登入認證等敏感資料時，它也會將控制交出來。OpenAI表示，此舉旨在拒絕有害的要求和阻止未經允許的內容。
OpenAI首先向每月繳付200元費用的ChatGPT Pro訂戶開放使用Operator。它又跟生鮮電商平台Instacart等公司合作，在對方平台提供這個代理人，但用戶必須擁有ChatGPT Pro帳號才能進行測試這項整合。
越來越多公司開發AI代理人，可利用網頁瀏覽器或甚至整個作業系統。另一家AI公司Anthropic去年10月推出同類模型Claude 3.5 Sonnet，是首家推出這種功能的公司。谷歌最新也推出Gemini 2.0和Project Mariner，支援類似功能。
