OpenAI近日发布了名为Operator的新款AI工具，能够直接操作浏览器，执行网页浏览、数据提取和任务自动化等复杂操作。这一发布被视为2025年智能体大战的开端，标志着AI技术在实用性和功能性上的重大突破。Operator不仅能够理解自然语言指令，还能自主完成复杂的在线任务，如预订机票、填写表格和搜索信息等，极大地提升了用户的生产力和效率。这一创新展示了AI在日常生活和工作中的广泛应用潜力，预示着未来智能体将在更多领域取代人工操作，推动智能化时代的加速到来。
1月23日，OpenAI宣布Operator智能体正式发布，这款产品的亮相令人眼前一亮，从OpenAI此前提出的AI发展五阶段来看，以ChatGPT为代表的传统AI工具属于第一阶段的基础AI，而Operator的出现则标志着AI发展进入第三阶段——智能体阶段。
与以往需要明确指令才能执行任务的AI工具不同，Operator展现出了更强的自主性和决策能力，它能够理解模糊的指令，将任务分解成多个步骤，并通过浏览器自主执行操作，这种从"被动处理信息"到"主动完成任务"的转变，体现了AI技术的重大突破。
当你告诉Operator"帮我预定这家餐厅今晚7点的位置"时，它会自动打开浏览器，搜索餐厅信息，选择合适的预订时间，如果所选时间不可用，它还会主动提醒用户，类似的场景还体现在购物场景中，用户只需手写购物清单，Operator就能自动识别并完成在线采购。
Operator的核心突破在于其能够直接操作浏览器，而不再依赖特定API，这得益于其采用的CUA（Computer-Using Agent）模型，CUA基于GPT-4o训练，具备视觉能力，可以通过"查看"屏幕截图来理解页面内容，并模拟鼠标和键盘操作，这种方式大幅提升了通用性，使得Operator可以应对各种网页界面。
Operator强调人机协作理念（HITL），在执行重要操作时，它会主动与用户确认，确保系统的安全性和可靠性，这种设计理念让AI不再是完全自主的黑箱，而是与人类协同工作的智能助手。
不过，作为研究预览阶段的产品，Operator仍存在一些局限性，在演示中，它曾出现预订时间错误、网站重定向等问题，目前它只支持浏览器操作，响应速度还有待提升，这些都表明Operator还有很大的改进空间。
Operator仅对ChatGPT Pro用户开放体验，其他用户将逐步获得使用权限，作为2025年AI智能体大战的开端，Operator的发布无疑为AI技术的发展开启了新的篇章，随着技术的不断完善，我们有理由期待更多令人惊喜的AI创新成果。
网友评论