科技日报北京1月24日电 当地时间23日一场在线直播中，OpenAI团队揭开了首个AI智能体Operator的神秘面纱。这一创新成果打破了传统应用程序编程接口的限制，赋予了AI直接与图形用户界面交互的能力，就仿佛能像人类那样使用电脑，从而向实现通用人工智能迈进了一步。
演示中，Operator展现了其强大的能力。它不仅能够精确理解指令，还能自主完成复杂任务，如自动填写在线表单、进行网购、创建表情包以及处理重复性浏览器任务等。这一切都是通过一个被称为CUA的新模型实现的。该模型结合了GPT-4o的视觉功能和高级推理技术，并通过强化学习不断优化自己的性能。
值得注意的是，在多个测试环境中，CUA模型的表现令人印象深刻。例如，在OSWORLD上执行计算机使用任务的成功率达到了38.1%，比之前最佳结果提高了近16%；而在WebArena上的成功率更是高达58.1%，提升了22%。尽管这些成绩与人类相比还有一定差距（人类分别为72.4%和78.2%），但CUA在某些特定场景下展示了惊人的效率，比如在网页代理WebVoyager平台上，达到了87%的成功率。
为确保安全性和用户体验，当Operator执行任务时，会采取行动、抓取屏幕截图并创建子计划，形成一个“观察—计划—执行”的闭环。此外，用户可以随时接管控制权，并且在接管期间的所有操作都不会被记录下来，以此保护隐私。即使遇到买错东西或订错酒店的情况，Operator也会在继续行动之前请求人类确认。
面对可能存在的风险，如诈骗网站，OpenAI引入了一个提示注入监视器，类似于防病毒软件的功能，可以在发现可疑行为时立即停止操作。这标志着L3级别的智能体时代正式到来，而OpenAI也重申了其对2025年的展望——这一年将是智能体之年。
随着Operator的发布，未来几个月内，人们或有望见证更多智能体的出现。它们将进一步扩展动作空间，适应更加广泛的应用场景，开启下一轮人机交互革命。目前，Operator仅限于美国的ChatGPT Pro（付费服务）用户试用，不过未来很快会向更多用户提供服务。 （记者张梦然）
北疆新闻 | 内蒙古自治区重点新媒体平台，内蒙古出版集团•内蒙古新华报业中心主管主办的国家互联网新闻信息采编发布服务一类资质平台。
北疆新闻版权与免责声明：
一、凡本站中注明“来源：北疆新闻”的所有文字、图片和音视频，版权均属北疆新闻所有，转载时必须注明“来源：北疆新闻”，并附上原文链接。
二、凡来源非北疆新闻的新闻（作品）只代表本网传播该消息，并不代表赞同其观点。
如因作品内容、版权和其它问题需要同本网联系的，请在见网后30日内进行，联系邮箱：bjwmaster@163.com。
版权声明：北疆新闻版权所有，未经书面授权，不得转载或建立镜像，违者依法必究。 本站违法和不良信息举报电话：15648148811蒙ICP备16001043号-1
Copyright © 2016- 北疆新闻网 All Rights Reserved互联网新闻信息服务许可证：15120200009-1蒙公网安备：15010502001245
