ოპერატორი ჯერ არ ღირს $200-თვეში ChatGPT Pro გამოწერა - აი რატომ

ოპერატორი იყენებს AI- ს ბრაუზერის ძირითადი ამოცანების შესასრულებლად, როგორიცაა ჯავშნები და შეკვეთები. მაგრამ გთავაზობთ თუ არა ეს ინსტრუმენტი საკმარის სიღრმეს, რომ გაამართლოს მისი ღირებულება და აჟიოტაჟი?

ამ კვირაში OpenAI წარმოგიდგენთ კვლევის გადახედვას, სახელწოდებით ოპერატორი. თავდაპირველად მინდოდა პრაქტიკული გაკეთება, მაგრამ მას შემდეგ რაც გავარკვიე, რომ თქვენ გჭირდებათ Pro ანგარიში (რომელიც თვეში 200 დოლარი ღირს), გადავწყვიტე სხვადასხვა OpenAI დემოების ყურება, მათი გაზიარება და შემდეგ ჩემი აზრების გაზიარება. ალტმანმა თქვა, რომ $20-თვიანი პლუს გეგმის მომხმარებლები საბოლოოდ შეძლებენ ოპერატორის გამოყენებას.

ოპერატორი არის AI აგენტი. ფუნდამენტურად, ის ახდენს კლავიატურაზე და მაუსის დაწკაპუნების სიმულაციას ბრაუზერში, ეკრანის კითხვას და მოქმედებების შესრულებას.

მე მაქვს ამ ტიპის აპლიკაციის შექმნის საკმაოდ გრძელი ისტორია, ძირითადად ალგორითმული პროგრამირების გამოყენებით, პატარა მანქანურ სწავლებასთან ერთად, ეკრანზე გარკვეული სურათების ადგილმდებარეობის დასადგენად.

ჩემი უახლესი პროექტი იყო ავტომატური გამოქვეყნების ინსტრუმენტი, რომელიც ჩემს სოციალურ მედიის პოსტებს ჩემთვის გააკეთებდა. დიახ, არსებობს უამრავი სააბონენტო მომსახურება, რომელიც ამას გააკეთებს თქვენთვის, მაგრამ მე გადავწყვიტე ვნახო, რა დასჭირდება საკუთარი თავის აშენებას.

ჩემმა კოდმა გამოიყენა DOM (დოკუმენტის ობიექტის მოდელი) კომბინაცია ინდივიდუალური სოციალური მედიის მომსახურების გვერდებისთვის, გამოსახულების ამცნობებთან ერთად, რომლებსაც შეეძლოთ ღილაკების პოვნა (მაგალითად, + ან პოსტის ღილაკები). მე გამოვიყენე ინსტრუმენტი მე ავაშენე დაახლოებით ერთი წლის განმავლობაში, მაგრამ გაიქცა ძალიან შემაშფოთებელი snag.

დაახლოებით ორ კვირაში ერთხელ, ექვსი საიტიდან ერთ-ერთმა, რომელსაც მე ვცურავდი, მცირე ცვლილება მოახდინა ეკრანის ინტერფეისში, რამაც განაგრძო ჩემი კოდის დარღვევა. ასე რომ, ყოველ ორ კვირაში, იმის ნაცვლად, რომ ჩემი სოციალური მედიის პოსტები ნორმალურად გამომექვეყნებინა, რამდენიმე საათი უნდა გამეტარებინა იმის გამოსწორებაში, რაც გატეხილი იყო.

ის ფაქტი, რომ ვებ მუდმივად იცვლება (მაგალითად, ლურჯი "პოსტის" ღილაკი შეიძლება გადაიქცეს წითელ "პოსტი/გამოწერა 30% ფასდაკლებით" აქციის დროს) შეიძლება დაარტყა AI მისი თამაშიდან.

კომპიუტერის გამოყენებითი აგენტი

მოდელი OpenAI იყენებს CUA, ან გამოთვლითი აგენტი. ეს მოდელი გვკარნახობს, თუ როგორ საუბრობს ოპერატორი ვებსაიტებზე, რომლებიც უნდა ნავიგაცია.

მათ შესავალ ვიდეოში სემ ალტმანმა და OpenAI-ის გუნდის წევრებმა იაშ კუმარმა, კეისი ჩუმ და რეიჩირო ნაკანომ განმარტეს, რომ ოპერატორი არ იყენებს API-ებს და არ მუშაობს DOM-დან ამოღებული ამოღებული ტექსტიდან. ამის ნაცვლად, ეს არის "დათვალიერება" ფაქტობრივი ვებ გვერდი პირდაპირ ბრაუზერში, რომელიც მუშაობს ღრუბელში, კითხულობს კონტექსტს პირდაპირ ეკრანიდან.

ისინი ძალიან ნათელი იყო, რომ ვებ - გვერდების კონტროლის მექანიზმი იყო მაუსის და კლავიატურის სიმულაცია და შეყვანა, რომელსაც AI კითხულობს, არის რეალური ვებ - გვერდის ვიზუალური წარმოდგენა, რომელსაც ჩვენ ვხედავთ როგორც ადამიანები.

OpenAI-ს გუნდმა თქვა, რომ ოპერატორი იმუშავებს ისევე, როგორც ადამიანი, რომელიც იყენებს ვებ ბრაუზერს - ვებსაიტების ძებნას, დაწკაპუნებას და მონახულებას. მაგრამ არსებობს წინააღმდეგობა, რომელიც ჯერ ბოლომდე არ გავარკვიე, რაც არის ის, რომ OpenAI პარტნიორობდა უამრავ საიტმა (Instacart, DoorDash, Etsy, OpenTable, Tripadvisor, AP, Priceline, StubHub, Thumbtack, Target, Uber და სხვა).

რას აკეთებს ეს პარტნიორობა ოპერატორისთვის? არიან თუ არა ისინი შვილობილი გარიგებები, სადაც OpenAI იღებს დარტყმას ნებისმიერ გაყიდვებზე? აქვთ თუ არა მათ შეთანხმება, რომ აცნობონ ოპერატორს, შეიცვალა თუ არა ვებ -გვერდის ფორმატი? გააკეთა თუ არა OpenAI-მ დამატებითი მოდელირება ამ საიტებისთვის? აქვს თუ არა მას API წვდომის გარკვეული დონე იმ მონაცემებზე, რომლებიც აჩვენებს ვებ-გვერდს?

სანამ ამ პასუხებს უკეთ არ ჩავწვდებით, ჩვენ ნამდვილად არ ვიცით, თუ რა შეუძლია გააკეთოს ოპერატორმა. ნაჩვენები ყველა დემო ჩატარდა იმ საიტების გამოყენებით, რომლებთანაც კომპანია თანამშრომლობდა, ამიტომ არ არის ნათელი, მაგალითად, რომ მას შეეძლო ZDNET- ში შესვლა და ჩემი ბოლო 10 სტატიისა და ელ.ფოსტის ჩამონათვალის შექმნა, რომელიც ჩემთვის Gmail- ის გამოყენებით.

ახლა, მე ვიღებ შთაბეჭდილებას, რომ ოპერატორი საკმაოდ არაღრმაა იმით, რისი მიღწევაც შეუძლია. მაგალითად, ამ დემომ შეძლო რეცეპტის ძებნა ერთ საიტზე და შემდეგ დასახლდა Instacart სავაჭრო კალათა ინგრედიენტების სიით.

იყო დემოები, რომლებსაც აჩვენეს რესტორნის დაჯავშნა, კალათბურთის თამაშის ბილეთების ყიდვა და ა.შ. თითოეული მათგანი იყო ერთი ან ორი საიტის პროცესი, სადაც მონაცემები აღმოაჩინეს ერთ საიტზე და შემდეგ მიმართა მეორეს.

დაცვა და კონფიდენციალურობა

როგორც ჩანს, OpenAI სერიოზულ ყურადღებას აქცევს კონფიდენციალურობისა და დაცვის საკითხებს. მაგალითად, ერთმა დემომ აჩვენა კალათბურთის ოთხი ბილეთის დაჯავშნა სულ 1,000 დოლარზე მეტი. ნაკლებად სავარაუდოა, რომ რომელიმე ჩვენგანი თავს კომფორტულად იგრძნობს, უბრალოდ AI- ს წინ წასვლას და ამგვარი ფულადი სახსრების დახარჯვას ჩვენი სახელით უკონტროლო.

ოპერატორმა იცის, როდის უნდა შეაჩეროს და მოითხოვოს ადამიანის ჩარევა. ან მინიმუმ, ეს უნდა იყოს. ეს ჯერ კიდევ ბეტაშია, ამიტომ შესაძლებელია, რომ მას შეეძლო ამოკის გაშვება, მხოლოდ იმიტომ, რომ ეს არ არის დასრულებული.

მაგრამ მთავარი იდეა მარტივია: როდესაც ვებ - გვერდზე ოპერაციები მგრძნობიარეა (შესვლა, ფულის დახარჯვა, ჯავშნების გაკეთება, შემოწმება და ა.შ.), ოპერატორი სთხოვს თავის ადამიანს დაადასტუროს ოპერაცია.

გარდა ამისა, ადამიანის მომხმარებელს შეუძლია გააკონტროლოს ღრუბელზე დაფუძნებული ბრაუზერის ფანჯარა. OpenAI- ს თანახმად, როდესაც ადამიანი აკონტროლებს ბრაუზერს, ის მოქმედებს როგორც კერძო სესია და არაფერი, რაც ხდება მაშინ, როდესაც ადამიანი კონტროლდება, ხელოვნური ინტელექტით იკვებება.

თქვენ ასევე შეგიძლიათ უარი თქვათ თქვენი ვებ - გვერდის ურთიერთქმედების დაშვებაზე, როგორც ტრენინგის მონაცემები AI- სთვის.

საიტის სპეციფიკური ინსტრუქციები

ოპერატორი საშუალებას გაძლევთ შექმნათ საიტის სპეციფიკური ინსტრუქციები საიტის საფუძველზე.

ზემოთ მოყვანილ მაგალითში, ქვემოთ მოყვანილი ვიდეოდან, დემონსტრანტს სურს დარწმუნდეს, რომ Priceline- ზე ჯავშნები სრულად დაბრუნდება და აქვს უფასო საუზმე. ამ პერსონალური ინსტრუქციის ვებ - გვერდის პრეფერენციებში განთავსებით, AI აგენტი ყოველთვის განიხილავს ამას Priceline- ზე დავალების შესრულებისას.

გარდა ამისა, ოპერატორი საშუალებას მოგცემთ შეინახოთ დავალება, ასე რომ თქვენ შეგიძლიათ ხელახლა გაააქოთ იგი ან დაგეგმოთ მოგვიანებით.

თუ თქვენ გაქვთ რეგულარული საქმიანობა, რომლის გაკეთებაც გსურთ ოპერატორისთვის, ეს არის სწრაფი გზა იმის უზრუნველსაყოფად, რომ შეგიძლიათ ხელახლა გაუშვათ თქვენი სამუშაო, როდესაც გსურთ.

ბავშვის ნაბიჯები

ოპერატორი ძალიან ჰგავს ამ დროს ბავშვის ნაბიჯებს. მაგალითად, მე მინდა ვუთხრა AI- ს, რომ გაიაროს ჩემი შემოსულები, ვიპოვო ყველა პრესრელიზი და მივცე ისინი ერთ ეტიკეტს (მე ვიყენებ Gmail- ს). ან იპოვნეთ AI- სთან დაკავშირებული ყველა პრესრელიზი და მიეცით მათ ერთი ეტიკეტი, ხოლო დანარჩენი პრესრელიზები სხვას იღებს.

ეს არის როგორც რთული ამოცანა, ასევე ის, რომელსაც საკმაოდ დიდი დრო აქვს (მე მაქვს 51,000 მარკეტინგული ცალი ჩემს აქციებში). როგორც ასეთი, ეს სცილდება იმას, რისი გაკეთებაც ოპერატორს შეუძლია.

მაგრამ ოდესმე? მჲზვ ბთ.

მე ასევე ვცდილობ თავიდან ავიცილოთ ამ ყველაფრის სამეცნიერო ფანტასტიკის საშინელებათა ინტერპრეტაცია. ჩემი ტვინის მცირე ნაწილი ყვირის: "ისინი AI- ს ინტერნეტში სერფინგის საშუალებას აძლევენ? თხილი არიან?"

დიახ, ისეთი ინსტრუმენტები, როგორიცაა ოპერატორი (და თუნდაც ყველა API, რომლებიც მთლიანად ინტერნეტში ვარჯიშობენ) ალბათ კარებს უხსნიან მართლაც ცუდ ნივთებს, განსაკუთრებით იმ შემთხვევაში, თუ ჩვენ ოდესმე ვქმნით გონიერი API- ებს. მაგრამ ახლა, საინტერესო სავარჯიშოა იმის დანახვა, თუ რამდენად კარგად ახერხებს AI რეცეპტის კითხვას და ინგრედიენტების შეკვეთას Instacart- დან.

რას ფიქრობ? როდესაც ფასი მოდის $20-მდე თვის დიაპაზონში, ხედავთ დავალებებს, რომლებიც შეიძლება მიანიჭოთ ოპერატორს? ოპთრვჟნწგა ლთ რვ? შეგვატყობინეთ თქვენი აზრები ქვემოთ მოცემულ კომენტარებში.