Open AI har lansert en KI-agent som kan surfe på nettet for deg

Innen kunstig intelligens er det nå såkalte «agenter» som er i vinden, og flere aktører, deriblant Microsoft, har allerede lansert sine egne KI-agenter. Nå er det Open AIs tur.

På bloggen sin har Open AI dratt sløret av sin nyeste kreasjon, og den har fått navnet «Operator».

Operator er en KI-agent som er designet for å utføre ulike oppgaver på nettet, på vegne av brukeren. Den kan både oppfatte hva som befinner seg på skjermen, «tenke» gjennom de neste stegene, og utføre konkrete handlinger som å klikke, skrolle og skrive – basert på brukerens instrukser.

«Computer-using agent»

Agenten skal kunne operere automatisk og selvstendig, og vil selv beslutte når oppgaven er utført, eller eventuelt om den trenger menneskelig innblanding.

Som Open AI forklarer er Operator basert på en såkalt «computer-using agent» (CUA), som kombinerer de visuelle evnene til GPT-4o-modellen med avansert resonnering.

CUA skal være trent til å samhandle med grafiske brukergrensesnitt, altså knappene, menyene og tekstfeltene som man ser på skjermen – på samme måte som mennesker gjør.

– CUA behandler rå pikseldata for å forstå hva som skjer på skjermen og bruker en virtuell mus og tastatur for å utføre handlinger. Den kan navigere oppgaver med flere trinn, håndtere feil og tilpasse seg uventede endringer. Dette gjør det mulig for CUA å operere i et bredt spekter av digitale miljøer, utføre oppgaver som å fylle ut skjemaer og navigere på nettsteder uten behov for spesialiserte API-er, skriver Open AI om virkemåten til den nye KI-agenten.

Operator befinner seg fremdeles i en tidlig fase, og masse arbeid gjenstår. Allerede nå skal den imidlertid ha gjort det skarpt i et knippe ytelsesmålinger, hvor den ifølge Open AI har satt en ny standard.

Kun i USA inntil videre

For eksempel har den oppnådd en suksessrate på 38 prosent med OSWorld, som er et verktøy for evaluering av KI-modellers evne til å navigere operativsystemer som Ubuntu, Windows og macOS.

I tillegg har Operator oppnådd en meget høy suksessrate på 87 prosent med WebVoyager, en ytelsesmåling for KI-modellers evne til å navigere og utføre oppgaver på nettet i dynamiske, interaktive miljøer.

Agenten ble også testet med WebArena, hvor suksessraten lå på 58 prosent. Dette verktøyet fokuserer mer på realistiske scenarier der modeller samhandler med nettsteder ved hjelp av menneskelignende handlinger, som å klikke på knapper, fylle ut skjemaer, navigere i menyer og håndtere dynamisk innhold.

For øyeblikket er Operator kun tilgjengelig for betalende Chat GPT Pro-brukere i USA i en tidlig forhåndsutgave som skal brukes til tilbakemeldinger og forbedringer.

Senere vil også Plus-, Team- og Enterprise-brukere få tilgang, og etter hvert er planen å integrere Operator direkte inn i den velkjente Chat GPT-tjenesten. Det er ennå uvisst når dette vil skje.

Flere detaljer om hva Operator kan gjøre, finner man i Open AIs egen gjennomgang.