Operator z OpenAI obsłuży peceta. Nowa AI radzi sobie z interfejsem graficznym i można jej zlecać różnorakie zadania

To jest kolejny już zwiastun „ucieczki” firm zajmujących się AI w stronę bardziej konkretnych zastosowań sztucznej inteligencji. Operator jest bowiem przykładem tzw. agenta – czyli nie tyle biernego asystenta, którego zadaniem jest np. odpowiadanie na pytania, co raczej oprogramowania podejmującego akcje w imieniu użytkownika.

Operator, czyli nowe AI rodem z firmy, która stworzyła bota ChatGPT, opiera się na modelu sztucznej inteligencji o nazwie Computer-Using Agent (CUA). Działa on na takiej zasadzie, że śledzi, co dzieje się na ekranie komputera, pracując równolegle z użytkownikiem – odbywa się to przez analizę kolejnych zrzutów ekranu. Poproszony o wykonanie danej czynności, potrafi – symulując używanie klawiatury i myszy – podjąć określone akcje, korzystając przy tym z elementów interfejsu graficznego komputera.

Innymi słowy, Operator może skorzystać z naszej maszyny i np. wyszukać nam miejsce na spędzenie urlopu w określonych dniach, podgląd podejmowanych przez niego czynności zobaczymy zaś w miniaturowym okienku przeglądarki. Oczywiście jak na razie jest to technologia, która stawia pierwsze kroki i najlepiej nadaje się do prostszych zadań.

W zależności od testów osiąga on skuteczność od niecałych 60 do 87% w zadaniach związanych z przeglądarką internetową oraz ledwie 38%, jeśli chodzi o polecenia opierające się na obsłudze systemu operacyjnego. Według wewnętrznych danych OpenAI Operator umiarkowanie radzi sobie również z nieznanymi interfejsami oraz bardziej zaawansowaną edycją tekstu – w tym ostatnim przypadku zaliczając testy na 40%.

Siłą rzeczy agent z dostępem do peceta to proszenie się o kłopoty związane z bezpieczeństwem. OpenAI oczywiście podkreśla, że jego nowa AI została obwarowana różnorakimi „bezpiecznikami”. Użytkownik musi potwierdzać zgodę na wykonywanie przez Operatora czynności związanych z danymi potencjalnie wrażliwymi, jak i takich, których konsekwencje mogą być nieprzewidziane lub bolesne do portfela – czyli np. wysyłanie maili czy zakupy. Software ten ma również odgórne ograniczenia w postaci katalogu czynności i tematów niedozwolonych. Z tego względu nie może np. przeglądać witryn związanych z hazardem czy treściami dla dorosłych.

Schemat działania Operatora.

Brzmi to wszystko niby dobrze – mając jednak w pamięci to, jak łatwo do tej pory „zmuszano” AI do czynności, oględnie mówiąc, niecodziennych, to sceptycyzm jest jak najbardziej wskazany. Odważni jednak mogą nowe dziecko OpenAI zobaczyć na własne oczy. Nowinka trafiła do abonamentu planu ChatGPT Pro w USA, za który trzeba zapłacić 200 dolarów miesięcznie. Zgodnie z zapowiedziami firmy potem Operator zawędruje do użytkowników planów Plus, Team i Enterprise. Docelowo zaś ma zostać zintegrowany z botem ChatGPT, a później udostępniony za pośrednictwem swojego API programistom.

Foto: Kim5690, CCSA 4.0, ze zmianami