Operator: Bemutatkozott az OpenAI AI-ügynöke

Hivatalosan is bejelentette az OpenAI az Operator névre keresztelt új szolgáltatást, ami a cég első, még kezdeti stádiumban lévő AI-ügynöke. Lényegében egy olyan asszisztensnek szánt webalkalmazás, amely böngészőn belül képes végrehajtani egyszerű feladatokat online, például kérésre koncertjegyet foglal, vagy internetes rendelést ad le több lépésen keresztül. Az Operatort egyelőre a havi 200 dollárba kerülő ChatGPT Pro amerikai előfizetői használhatják egy dedikált felületen keresztül, de a cég tervezi, hogy a jövőben szélesebb körben is kiterjeszti majd az elérhetőségét.

Jól látszik hát az irány, hogy a meghatározó szereplők nem érik be a szövegek, képek és kódok generálásával, a következő lépés a komplett cselekménysorok végrehajtására képes AI-ügynökök fejlesztése. Az OpenAI azonban maga is bevallotta, hogy az Operator még korai kísérlet fázisban jár és jó eséllyel hibázhat.

Az Operator lényegében képernyőmentéseket készít számítógép képernyőjéről, majd átvizsgálja a képpontokat, hogy a feladatokat kisebb lépésekre bontva végrehajtsa a kért műveletet. Az alkalmazás alatt a fejlett következtetési technikákkal és megerősítéses tanulással rendelkező Computer-Using Agent (CUA) nevű új modell dolgozik, amely a multimodális GPT-4o nagy nyelvi modellre lett felépítve. A fejlesztők állítása szerint az Operator felülmúlja a riválisok eszközeit, köztük az Anthropic Computer Use eszközét, ami a Claude 3.5 Sonnet modell kifejezetten egyszerű feladatok végrehajtására módosított verziója, vagy a Google DeepMind Marinert, ami a Gemini 2.0 modellen alapuló AI-ügynök.

A szétszteroidozott diversity alkonya Évtizedekben mérhető folyamatokat nem lehet profitorientált cégek asszisztálásával pár év alatt lezavarni, DEI csomagolásban.

A CUA ugyanazokkal a grafikus felhasználói felületekkel – gombokkal, szövegdobozokkal, menükkel – való interakcióra van kiképezve, amelyeket az emberek az online tevékenységek során használnak. Ez lehetővé teszi, hogy végrehajtsa azokat a feladatokat a weboldalakon, amelyeket egy egyszerű felhasználó is képes lenne a gép elé ülve, de az érzékeny bejelentkezési adatokat igénylő feladatokor mindig megerősítést kér.

Az iparági benchmark tesztek alapján a CUA magasabb pontszámokat szerzett a Computer Use és Mariner eszközök alatt nyugvó modelekkel szemben. A feladatok végrehajtásának minőségét mérő OSWorld tesztjén például a PDF-fájlok egyesítése vagy egy kép manipulálása feladatban a CUA 38,1%-ot ért el a Computer Use 22,0%-ához képest. A WebVoyager nevű benchmarkon pedig a CUA 87%-ot, a Mariner 83,5%-ot, a Computer Use pedig 56%-ot ért el.

Lényeges különbség a felhasználó gépén futó, Google Chrome-ban használható Marinertől, hogy az Operator az utasítást egy távoli böngészőnek küldi, ami az OpenAI szerverén fut, és mivel a számítások a felhőben futnak, így az Operator több feladatot képes végrehajtani egyszerre - emelte ki az OpenAI.