社会要闻-"可不可以干湿你"-OpenAI首个智能体面世！ChatGPT剧变，AGI时代真来了？

OpenAI首个智能体面世！ChatGPT剧变，AGI时代真来了？_ZAKER新闻可不可以干湿你

　　有记者问，台交通部门日前宣布预计在2024年3月开放台湾团客赴大陆旅游，台陆委会副主委詹志宏随后予以否认，称并未确定明年一定会开放，只是有这样的规划方向，对此发言人如何评论？

关于 OpenAI 推出「智能体（Agent）」的传闻早已甚嚣尘上。去年 11 月起，就不断有爆料消息指出，OpenAI 将在 2025 年 1 月上线首个智能体，稍早前还被海外科技媒体 The Information 把范围缩小到了本月底。而现在，OpenAI 终于按下了智能体时代的启动键——发布了旗下首个智能体 Operator。北京时间 1 月 24 日凌晨，OpenAI 的直播活动吸引了全球科技圈的目光。这场直播的主角，正是万众瞩目的 Operator。作为真 · 智能体，Operator 能够模拟人类在电脑上的操作行为，通过点击、滚动、输入等操作直接与网页进行交互，完成各种任务。简单来说，Operator 就像一个拥有「自主意识」的数字员工，可以像人类一样浏览网页、填写表格、订购商品以及预订餐厅等，由此也就可以代替我们进行一些繁琐甚至复杂的操作。Operator 起始页面，图 / OpenAI在此之前，OpenAI 已经迈出一步推出了「Tasks（任务）」功能，尝试将 ChatGPT 从一个完全被动的 AI 聊天机器人，开始转变成主动执行任务的 AI 数字助手。而 Operator 的出现，则标志着 OpenAI 正式迈入了智能体时代，实现从「被动处理信息」到「主动完成任务」的进化——这是通往通用人工智能（AGI）的关键一步。当 ChatGPT 学会了「网上冲浪」首先要说明的是，Operator 目前处于研究预览阶段，仅面向美国的 ChatGPT Pro（200 美元 / 月）用户，Plus 用户也不能体验。不也同于 Claude 的 Computer Us 以及智谱的 GLM-PC 智能体都直接操作用户的电脑，Operator 是在云端打开一个「浏览器」进行操作。左边是对话，右边是云端的浏览器，图 / OpenAI但要真正明白 Operator 的意义，还是回到实际场景中，在 OpenAI 的现场演示中，看看 AI 是如何像一个经验丰富的「网上冲浪老手」一样，在数字世界里自由穿梭，完成各种任务。比如在 OpenAI 的现场演示中，就要求 Operator 在 Beretta（餐厅）订一桌今晚 7 点两人的位置。这个指令对于我们人类来说，只需要在美食预订网站上进行几次搜索和筛选就能完成，但对于 AI 来说，却是一项不小的挑战。而输入餐厅预订要求后，Operator 会在初步分析需求后直接打开一个云端的浏览器后台，开始分步骤搜索餐厅、查看并开始预订。当然，用户也可以透过窗口直接观察到 Operator 的每一步点击、滑动和输入，就像人类一样操作。通过快照可以回看到 AI 的每一步思考和操作，图 / OpenAIOperator 的表现确实令人惊艳。它迅速启动了内置的浏览器，然后开始「观察」屏幕上的内容，通过分析网页的结构和元素，找到了搜索框和各种筛选选项。整个过程行云流水，就像真的有一个人在处理一切。有意思的是，开始 Operator 发现 Beretta 今晚 7 点没有位置后，还会重新检索一个接近用户要求的「预订」，最终告知并主动询问用户是否选择「今晚 7 : 45」这个时间进行预订。AI 检索后推荐了一个接近的时间，图 / OpenAI同样地，当「今晚 7 : 45」的机会被其他人抢到后，Operator 回过头来又能提供「今晚 6 : 15」和「今晚 8 : 15」两个预订时间供用户选择。不仅如此，在购买一组杂货的任务中也可以看出，Operator 可以连续执行任务，通过不断搜索商品、添加到购物车。而最终结算前，Operator 也会要求用户接管控制，进行最终的确认和付款（可以登录账户并保留登入状态），用户也可以临时进行添加或者修改。购买杂物（2x 播放），图 / OpenAI再结合 OpenAI 此前推出的「Tasks」功能，完全可以想象以后让 Operator 定期补充购买日用品的景象。而从官方演示以及少数用户分享的测试来看，在购物、订票等场景中，Operator 展现出了很强的适应性和通用性，能够出色地完成各种不同的任务。另外正如前文所述，用户可以观察 Operator 的每一步操作，当然也可以选择不看，继续让 Operator 同时执行另一个任务，或者干脆忙自己的工作，Operator 向你发送提醒后再进行确认即可。同时运行多个任务，图 / YouTube不管是官方演示还是油管博主的测试，都说明了这一点。但 Operator 到底是如何做到这一切的呢？基于 GPT-4o 打造 "CUA" 是关键Operator 之所以能够像人类一样操作电脑，离不开 OpenAI 为其量身打造的「计算机使用智能体（CUA）」。CUA 基于 GPT-4o 的视觉能力以及高级推理技术打造，让 AI「看懂」和「操作」电脑界面，或者说让 AI 和人类一样有了与图形用户界面（GUI）交互的能力。CUA 首先要做的就是「看懂」屏幕上的内容。它通过分析屏幕截图，理解图像、文字等多种信息，识别出网页上的各种元素，例如按钮、链接、文本框等等。这个过程就像我们人类用眼睛观察世界一样。甚至知道等一下，图 / OpenAI然后，CUA 会根据用户的指令和「看到」的内容进行推理和判断，决定下一步要执行什么操作。例如，当用户要求预订餐厅时，CUA 会推理出需要先访问餐厅预订网站，然后在搜索框中输入关键词。这个过程就像我们人类在思考问题一样。同时，CUA 会执行相应的操作，例如鼠标移动、点击、键盘输入等等。这些操作都非常精准，就像我们通过鼠标、键盘操作电脑一样。也因为这种通用的交互能力，Operator 不需要网站提供 API 接口，几乎可以适用于任何网页。为了让操作更加智能和连贯，CUA 还通过一个迭代循环进行操作，不断地「观察」、「思考」和「行动」，直至任务完成。遇到挑战或犯错误，Operator 可以利用其推理能力进行自我纠正。而当遇到困难或者需要用户操作时，Operator 也会将控制权交还给用户。而且 OpenAI 很巧妙地选择了在云端运行浏览器，而不像 Claude Computer Us 以及智谱的 GLM-PC 智能体直接操作用户电脑，容易产生「占用」「隐私」「环境」的问题。Claude Computer Use，图 / Anthropic前两个很容易理解。「占用」意味着在智能体操作电脑的时候，用户无法同时进行其他操作，只能等待智能体。「隐私」问题可想而知，毕竟在用户电脑中通常存有大量私密的文件和信息。「环境」则是指用户实际使用的电脑通常运行环境复杂，不仅是可能遭遇各种系统和软件 Bug，甚至单单启动软件都可能遭遇权限等问题，不管在 Windows、macOS 还是 Linux 下。相比之下，OpenAI 似乎想避免「步子迈大扯到蛋」，把使用场景限定在最通用的「浏览器」上，同时通过云端运行来确保统一、隐私、可后台运行的操作环境。尽管 OpenAI 不是第一个打造真 · 智能体的大模型厂商，但这些技术与产品设计的结合，不仅实现了 AI 从「被动处理信息」到「主动完成任务」的跨越，让 Operator 能够完成各种任务，也让 Operator 在一定程度上超越了 Claude Computer Us 或是智谱的 GLM-PC，更适合主流大众使用。AI 改变世界，智能体改变 AI过去一年，智能体几乎成了 AI 行业的共识。但实际上很多厂商宣传的「智能体」只是对上下文进行了简单的定制，例如角色扮演类的「智能体」只是预设了一段人物设定文本，然后将问题进行拆分执行。本质上仍然是软件模块，而非真正能够自主行动的智能体。而真正的智能体作为大模型时代的应用或者说交互窗口，应该能够像人类一样进行操作和行动，例如操作电脑、执行任务等，直接替代人类执行所有不必要的操作。图 / 智谱这一点非常重要，可以区分概念炒作和真正的技术突破，也能让我们看清 Claude Computer Use、荣耀 YOYO 智能体以及今天 OpenAI Operator 的价值。不过也要明白，Operator 以及其他类似的「真 · 智能体」仍然处于早期的摸索阶段。核心还是「通用性」的挑战，即便到了今天 OpenAI 的 Operator，智能体还是没有实现真正和人类一样的通用化交互能力，还不支持任意网站和任意程序。YOYO 智能体自动订购的咖啡，图 / 雷科技而互联网是一个充满变化的世界，面对数不清的网站和交互设计，如何让智能体始终保持适应性，是一个需要长期解决的问题。尽管如此，但依旧能够看到智能体作为「AI 应用」的巨大价值，可以将我们从繁琐重复的操作中解放出来，让我们有更多的时间和精力去从事更有创造性和更有意义的工作。更重要的是极大地提高了交互效率，降低了交互门槛。举一个非常实际的例子，最近短视频和社交平台上都在流行大学生过年回家给老人卸载流氓应用、关闭广告设置，一个关键原因在于智能手机对于老一辈来说交互门槛还是高了。与此相对的是，大模型带来了前所未有的自然语言交互能力，而智能体则在尝试更进一步解放人类的双手和大脑。

koa12jJid0DL9adK+CJ1DK2K393LKASDad

编辑:汤绍箕

TOP1热点：砂糖橘十元一斤贵吗？

　　“希望此次美中元首会晤能为美中交流创造更多有利条件。”美国加州大学伯克利分校教授丹尼尔·科曼表示，我们只有一个地球，两个世界主要大国领导人面对面交流，将为推动更好应对气候变化等全球性挑战提供契机。他认为，美中两国之间人员交往越多、走动越多，大家就越会发现，两国并不需要在所有问题上都保持一致意见，也能在很多领域实现合作共赢。美中在清洁能源领域加强合作，可以为全球树立榜样，为实现可持续发展探索新的路径。。

　　[歼-20实弹射击近照首次曝光！这则短视频信息量很大]“01目标要过线了”“红外警告，把他逼走”，这段对话来自10日上午国防部发布的一则短视频《期望》。视频呈现了人民空军拦截、外逼外军军机的流程，展示出人民空军的自信从容和专业水平。值得注意的是，在这则短视频中，歼-20实弹射击近照首次曝光，视频还有运-20大型运输机与空降兵展开训练等震撼场面。

TOP2热点：像柜姐一样售卖春晚节目（我们这什么样的节目都有哦～

　　从行程上看，景俊海、胡玉亭所率代表团两次集中出省考察可谓节奏紧凑，经常同天辗转不同省份。此外，从时间上看，此番赴广东学习考察，吉林省党政代表团的停留时间相较最久。

　　2022年12月，原云南银保监局同意富滇银行收购禄丰龙城富滇村镇银行并设立富滇银行楚雄禄丰支行、楚雄禄丰金山支行、楚雄禄丰碧城支行；

TOP3热点：清算旧朝，拨乱反正！特朗普重返白宫2.0版本就职演讲政策解读交警用菊花检查酒驾的文章

　　海军招飞工作会议14日在山东青岛举行。记者在会上获悉，我国海军舰载机飞行学员在招收范围、选拔手段、培养模式上不断拓展优化，逐步形成舰载机飞行学员招收选拔特色模式，舰载机飞行人才选优培优成效显著。

　　据《辽宁日报》此前报道，10月16日，全省“四好农村路”高质量发展现场推进会在本溪召开，总结经验成绩，研究部署下一步工作，王利波以辽宁省政府党组成员出席会议并讲话。

TOP4热点：还有谁想熬夜？天天弄

　　“期待美中元首会晤能够促进美中关系止跌企稳、行稳致远，共同推动美中关系向前发展。”美国俄勒冈州中国理事会主席蓝进表示，美中元首会晤将是美中关系发展中的重要时刻，“美中地方和民间层面友好合作的力量从未停止生长。民心相通是美中关系至关重要的一环。”

　　他长期在山西工作，先后担任过山西省委副秘书长、省委办公厅主任，山西省文化和旅游厅党组书记，山西省委主持日常工作的副秘书长、财经办主任，山西省发改委党组书记、主任等职。

TOP5热点：这一刻，也许会治愈以后的我无遮挡BBBBB级A片

　　此外，短视频中的一系列空军部队训练画面，也从侧面折射出人民空军建设发展成果和能力的提升。最惊心动魄的一幕发生在第二个故事，外军机意图接近我演习空域。我指挥员迅即发令，歼-16战斗机立即升空处置，无线电播报、动作警告、红外警告，在我战机的强大威慑下，外军机不得不离开。

　　当前，全球经济复苏乏力，地缘政治冲突加剧，不确定不稳定因素增多。中美经济总量超过世界三分之一、人口总数占世界近四分之一、双边贸易额约占世界五分之一。中美两国如何相处，决定着人类的前途和命运。巴厘岛会晤时，中国国家主席习近平强调应从把握世界大势的高度看待和处理中美关系。什么是世界大势？就是和平与发展是国际社会共同期待，搞集团对抗与圈子政治不得人心，也没有出路。人们也期待，中美元首旧金山会晤就世界和平与发展重大问题进行的深入沟通，让世界安心，令全球受益。

TOP6热点：穿越成海帕杰顿怪兽当主食奥特曼当下饭菜P5科技创新作文

　　但同时，人们看到，美方依然在操弄与台湾问题相关的法案、向台湾地区售武；依然以“国家安全”为名打压中国。就在上个月，美国商务部进一步收紧对华半导体出口管制规则，并将13家中国企业增列到出口管制“实体清单”里。美方应当改弦更张，不折不扣地落实美国领导人对华作出的政治承诺，不玩火、不折腾。

TOP7热点：爆刷10000张AI图后，我找到了AI和“人I”决定性鉴定法暴躁妹妹csgo

　　11月4日，陆家嘴公告称，公司及控股子公司与江苏苏钢集团有限公司、苏州市环境科学研究所、苏州市苏城环境科技有限责任公司、苏州国家高新技术产业开发区管理委员会、苏州市自然资源和规划局因土壤污染产生侵权纠纷，其向江苏省高级人民法院提起民事诉讼。近日，陆家嘴方面收到本案书面《受理案件及告知合议庭组成通知书》（案号：（2023）苏民初11号）。