Компанія OpenAI може бути дуже близька до запуску ШІ-агента, який зможе виконувати різні завдання на комп’ютері. Про це пише TechCrunch.

Раніше Bloomberg уже писали про ШІ-інструмент під назвою Operator — агентську систему від OpenAI, що може писати код, бронювати квитки та виконувати різні завдання. The Information також раніше писав, що Operator можуть релізнути вже в січні.

Інформація Тібора Блахо — інженера-програміста з репутацією точного інформатора про майбутні продукти штучного інтелекту — підтверджує це. Він заявив, що знайшов докази існування цього інструменту.

За словами Блахо, клієнт ChatGPT від OpenAI для macOS отримав наразі приховані опції. Вони дозволяють налаштувати ярлики для функцій «Переключити Operator» і «Примусово завершити Operator». Також він писав, що OpenAI додали посилання на Operator на своєму сайті, але поки що вони не публічні.

Програміст стверджує, що на сайті ШІ-компанії є неопубліковані таблиці з порівнянням продуктивності Operator та інших ШІ-агентів. Наприклад з Claude 3.5 Sonnet Computer use, яку оновили наприкінці жовтня торік.

Якщо цифри точні — агент OpenAI не є стовідсотково надійним.

  • На OSWorld OpenAI Computer Use Agent (ймовірно, ШІ-модель для забезпечення роботи Operator) отримала оцінку 38,1%, випереджаючи модель для керування комп’ютерами від Anthropic, але значно поступилася середньому результату людей — на 72,4%.
  • OpenAI CUA перевершує людську продуктивність у WebVoyager, який оцінює здатність ШІ орієнтуватися та взаємодіяти із сайтами.
  • Однак модель не досягає людського рівня на іншому тесті для роботи в інтернеті, WebArena.

Operator також має труднощі із завданнями, які люди могли б виконати легко, якщо вірити витокам. У тесті, де Operator мав зареєструватися в хмарному провайдері та запустити віртуальну машину, успіх був досягнутий лише у 60% випадків. Завдання зі створення Bitcoin-гаманця було виконано лише в 10% випадків.

Якщо вірити витокам, Operator добре справляється з окремими оцінками безпеки, включаючи тести, які намагаються змусити систему виконувати «незаконну діяльність» і шукати «конфіденційні персональні дані». Як повідомляється, тестування безпеки є однією з причин довгої розробки.