OpenAI lansează o „previzualizare de cercetare” a unui agent AI numit Operator care poate „accesa pe web pentru a efectua sarcini pentru tine”, potrivit unei postări pe blog. „Folosind propriul browser, poate privi o pagină web și poate interacționa cu ea tastând, făcând clic și derulând”, spune OpenAI. Se lansează pentru prima dată în SUA pentru abonații la nivelul de 200 USD pe lună ChatGPT Pro al OpenAI.
Operatorul se bazează pe un model de „agent care utilizează computerul” care combină capacitățile de viziune ale lui GPT-4o cu „raționamentul avansat prin învățare prin întărire” pentru a putea interacționa cu GUI-urile, spune OpenAI. „Operatorul poate „vedea” (prin capturi de ecran) și „interacționa” (folosind toate acțiunile permise de mouse și tastatură) cu un browser, permițându-i să acționeze pe web fără a necesita integrări API personalizate”, conform OpenAI.
Operatorul poate folosi raționamentul pentru a se „auto-corecta”, iar dacă se blochează, îi va oferi utilizatorului controlul. De asemenea, va cere utilizatorului să preia conducerea atunci când un site web solicită informații sensibile, cum ar fi acreditările de conectare și „ar trebui” să ceară unui utilizator să aprobe acțiuni precum trimiterea unui e-mail. OpenAI mai spune că Operator a fost conceput pentru a „refuza cererile dăunătoare și bloca conținutul interzis”.
OpenAI spune că colaborează cu companii precum DoorDash, Instacart, OpenTable, Priceline, StubHub, Thumbtack, Uber, astfel încât Operatorul „să răspundă nevoilor din lumea reală respectând în același timp normele stabilite”. Dar compania avertizează că nu totul ar putea funcționa așa cum vă așteptați încă; instrumentul are în prezent probleme cu „interfețe complexe, cum ar fi crearea de prezentări de diapozitive sau gestionarea calendarelor”.
În continuare, OpenAI spune că intenționează să aducă utilizatorii Operator la Plus, Team și Enterprise și „integra aceste capabilități în ChatGPT”.
