揭秘 OpenAI 的“終極野心”：讓智能體像人類一樣熟練操作電腦

作者：清源 責編：清源 評論： 8 月 20 日消息，據《商業內幕》今天（20 日）報道，OpenAI 員工樂觀估計，公司正接近實現從創立之初就設定的目標：讓 AI 智能體像人類一樣熟練地操作電腦，尤其是使用瀏覽器。自 2015 年成立以來，OpenAI 一直希望實現這一能力，最大的難題之一是獲得足夠的訓練數據。經過多年開發，公司現在已經有信心開始向客戶逐步開放電腦操作功能。OpenAI 電腦操作團隊經理阿里 · 韋恩斯坦指出：“一旦 ChatGPT 操作電腦和軟件的速度超過你我，就會改變人們默認與電腦交互的方式。

”OpenAI 最新模型從訓練初期到後期的各個階段，都加入了專門提升電腦操作能力的數據和訓練流程。參與開發熱門電腦操作智能體基準測試的哥倫比亞大學 AI 研究員周宇（音譯）解釋稱，這些訓練是在通用 AI 模型已有能力之上繼續強化，讓模型學會完成更多電腦任務。在最初的大規模基礎訓練階段，OpenAI 很可能加入了逐幀屏幕截圖，讓模型提前接觸有助於電腦操作的信息。進入後續訓練階段後，開發人員會向模型展示完成特定任務所需的正確操作。例如，要得到填寫完畢的稅務表格，或者完成一個物體的 3D 模型，就需要讓模型學習對應的一系列電腦操作。其中一部分訓練數據來自真人示範。

OpenAI 公佈 2025 年版電腦操作功能時曾透露，公司使用過由人類演示任務完成過程的數據集，但沒有透露最新訓練數據的具體情況。周宇指出，這類數據很昂貴，因為獲取困難，整理成能夠直接用於訓練的形式也需要大量工作。OpenAI 很可能還利用強化學習繼續提高模型的電腦操作能力，讓模型反覆嘗試虛擬任務，並獎勵成功完成任務的行為。周宇認為，模型可以學會更多執行這些“獲得過獎勵的操作”。OpenAI 也改變了模型實際操作電腦時獲取信息的方式。韋恩斯坦表示，過去 ChatGPT 需要反覆截取屏幕、分析像素、發送操作指令，再重新截屏分析。

而目前在打開網站後，系統可以直接快速讀取網頁的底層信息，從內存結構、無障礙信息到鏈接關係都能應對。屏幕截圖仍然是工作流程的一部分。用戶開啟電腦操作功能時，需要允許 ChatGPT 錄屏，以便系統迅速識別當前顯示的內容。韋恩斯坦表示，這些能力結合後，Codex 就能自行測試生成的代碼、發現問題並繼續修改，形成“完整閉環”。韋恩斯坦和負責 OpenAI 瀏覽器能力的詹姆斯 · 孫認為，電腦操作技術的一大價值，是讓 ChatGPT 智能體能夠進入互聯網中大量彼此獨立的服務和“長尾”網站。從預約網站、企業內部庫存系統到社媒平臺，許多在線工具起初就是為人類手動點擊和輸入而設計的。

兩人透露，已經有用戶利用電腦操作功能自動處理數據錄入、合規任務和日程安排。韋恩斯坦指出，OpenAI 模型能力提高後，也越來越能主動發現錯誤並自行修正，因此更容易把任務做完，也更不容易在網絡環境中被無關內容帶偏。周宇認為，目前電腦操作技術的速度距離普通消費者期待的水平仍有明顯差距。“在訓練數據非常充足的有限領域，電腦操作智能體確實可以表現得很好。想讓它適應任何網頁、任何應用程序和任何操作系統，仍然非常困難。”目前，電腦操作功能還不能迅速批量處理郵件回覆，瀏覽社交媒體信息流時也顯得較為遲緩。

詹姆斯 · 孫和韋恩斯坦希望，隨著 OpenAI 模型繼續升級，電腦操作最終能夠達到 AI 編程目前的效率，讓 AI 直接操作網絡工具比用戶親自動手更快。詹姆斯 · 孫表示：“對很多工程師來說，現在已經是讓智能體寫代碼比自己寫更快。根本不用權衡，直接讓它做就行。我認為電腦操作以後也會越來越接近這種狀態。”2025 年，OpenAI CEO 薩姆 · 奧爾特曼談到早期電腦操作功能時曾公開示警：“實用價值很大，潛在風險也同樣不小。我們建議只向智能體提供完成任務所必需的最低權限，以降低隱私和安全風險。

”詹姆斯 · 孫表示，OpenAI 一直在研究“確認策略”，也就是 AI 執行下一步操作前，究竟應該在什麼情況下向用戶請求授權。目前的原則是，只要智能體準備向外傳輸數據或者刪除內容，就必須先徵得用戶同意。網絡工作往往需要連續快速地做出決定，因此 OpenAI 仍在尋找易用性和安全性之間的平衡。他坦言：“你可以把某個東西做到 100% 安全，但那樣就非常非常難用了。也可以把它做得非常容易使用，但同時非常危險。所以我們真正想解決的問題，是如何做出既有幫助、又容易使用的產品。

” 投訴水文 我要糾錯 下載APP，簽到賺金幣兌豪禮 相關文章關鍵詞：ChatGPT，OpenAI，AI 智能體，CodexChatGPT 突發全球大規模服務中斷，OpenAI 稱正在修復OpenAI 回應少量 Codex 用戶調用 GPT-5.6 系列 AI 模型誤刪文件問題不再僅限 API 密鑰：Codex 中的 GPT‑5.

6 Sol 百萬上下文能力已可通過 ChatGPT 賬號使用OpenAI 推出預覽版 ChatGPT for Linux 桌面端應用OpenAI 總裁布羅克曼承認新 ChatGPT AI 桌面應用“有點亂”，目標打造“零標籤”OpenAI 突發服務器故障，ChatGPT、Codex 出現宕機