OpenAI ha lanciato Operator, un agente virtuale che può svolgere attività al computer al posto dell’utente. Scopriamo insieme quali sono le implicazioni di questa innovativa soluzione proposta da OpenAI.
Negli ultimi anni, con l’avanzamento della tecnologia e dell’intelligenza artificiale, sempre più aziende stanno investendo nello sviluppo di agenti virtuali in grado di semplificare e ottimizzare le attività quotidiane. OpenAI, una delle aziende leader in questo settore, ha recentemente presentato Operator, un agente virtuale in grado di utilizzare un computer al posto dell’utente.
Operator: perché se ne sentiva il bisogno
Il crescente bisogno di automatizzare processi e semplificare le attività quotidiane ha portato OpenAI a sviluppare Operator. Questo agente virtuale è progettato per aiutare gli utenti a delegare compiti al computer, consentendo loro di risparmiare tempo prezioso e concentrarsi su attività più strategiche e creative.
Una delle principali difficoltà affrontate nello sviluppo di Operator è stata quella di garantire un’interfaccia intuitiva e user-friendly, in modo da rendere l’utilizzo dell’agente virtuale accessibile a qualsiasi tipo di utente. Inoltre, è stato necessario implementare algoritmi di intelligenza artificiale in grado di comprendere e eseguire una vasta gamma di compiti diversi.
Per superare tali sfide, OpenAI ha integrato tecnologie avanzate di machine learning e natural language processing all’interno di Operator. Questo ha permesso all’agente virtuale di apprendere in modo continuo dagli input dell’utente e migliorare le proprie capacità nel tempo. Ad esempio, Operator può gestire attività come la ricerca di informazioni online, la compilazione di moduli o l’organizzazione di dati in modo efficiente.
Operator è un’app Web che può svolgere semplici attività online in un browser, come prenotare biglietti per concerti o compilare un ordine di generi alimentari online. L’app è alimentata da un nuovo modello chiamato Computer-Using Agent—CUA (“coo-ah”), in breve—costruito sul modello di linguaggio multimodale di grandi dimensioni di OpenAI GPT-4o.
Operator è disponibile oggi su operator.chatgpt.com per le persone negli Stati Uniti iscritte a ChatGPT Pro, il servizio premium di OpenAI da 200 $ al mese. L’azienda afferma che prevede di distribuire lo strumento ad altri utenti in tempi brevi.
L’impatto di Operator
I risultati ottenuti dall’implementazione di Operator sono stati molto positivi. Gli utenti che hanno utilizzato l’agente virtuale hanno riportato un significativo aumento della produttività e una riduzione del carico di lavoro. Inoltre, Operator ha dimostrato di essere in grado di svolgere compiti complessi in modo accurato e veloce, contribuendo a migliorare l’efficienza operativa delle organizzazioni.
OpenAI sostiene che Operator è più performante di strumenti concorrenti simili, tra cui Computer Use di Anthropic (una versione di Claude 3.5 Sonnet in grado di svolgere semplici attività su un computer) e Mariner di Google DeepMind (un agente di navigazione web basato su Gemini 2.0).
Il fatto che tre delle principali aziende di intelligenza artificiale al mondo abbiano convergenza sulla stessa visione di cosa potrebbero essere i modelli basati sugli agenti chiarisce una cosa. La battaglia per la supremazia dell’intelligenza artificiale ha una nuova frontiera, e sono i nostri schermi di computer.
“Passare dalla generazione di testo e immagini al fare cose è la giusta direzione“, afferma Ali Farhadi, CEO dell’Allen Institute for AI (AI2). “Sblocca il business, risolve nuovi problemi“.
Farhadi pensa che fare cose su uno schermo di computer sia un primo passo naturale per gli agenti: “È sufficientemente limitato da far sì che lo stato attuale della tecnologia possa effettivamente funzionare“, afferma. “Allo stesso tempo, è abbastanza impattante da far sì che le persone possano usarlo“.
Come Computer Use di Anthropic e Mariner di Google DeepMind, Operator cattura screenshot di uno schermo di computer e ne scansiona i pixel per capire quali azioni può intraprendere. CUA, il modello dietro di esso, è addestrato a interagire con le stesse interfacce utente grafiche (pulsanti, caselle di testo, menu) che le persone usano quando fanno cose online. Scansiona lo schermo, esegue un’azione, esegue di nuovo la scansione dello schermo, esegue un’altra azione e così via. Ciò consente al modello di svolgere attività sulla maggior parte dei siti Web che una persona può utilizzare.
“Tradizionalmente, il modo in cui i modelli hanno utilizzato il software è tramite API specializzate“, afferma Reiichiro Nakano, uno scienziato di OpenAI (un’API, o interfaccia di programmazione dell’applicazione, è un pezzo di codice che funziona da ponte, consentendo a diversi bit di software di essere collegati tra loro). Ciò esclude molte app e la maggior parte dei siti Web, afferma: “Ma se crei un modello che può utilizzare la stessa interfaccia che gli esseri umani utilizzano quotidianamente, si apre un’intera nuova gamma di software che in precedenza era inaccessibile“.
CUA suddivide inoltre i task in passaggi più piccoli e cerca di lavorarci sopra uno alla volta, tornando indietro quando si blocca. OpenAI afferma che CUA è stato addestrato con tecniche simili a quelle utilizzate per i suoi cosiddetti modelli di ragionamento, o1 e o3.
Conclusione
L’introduzione di Operator da parte di OpenAI ha aperto nuove prospettive nel campo dell’automazione e dell’assistenza virtuale. In futuro, è probabile che sempre più aziende adottino soluzioni simili per ottimizzare le proprie operazioni e migliorare l’esperienza degli utenti. Tuttavia, è importante continuare a monitorare e migliorare costantemente le prestazioni di tali agenti virtuali, al fine di garantire un utilizzo efficace e sicuro.
In conclusione, Operator rappresenta un importante passo avanti nell’evoluzione delle tecnologie di assistenza virtuale, offrendo agli utenti la possibilità di delegare compiti al computer in modo efficiente e affidabile. Con un’implementazione oculata e una costante ricerca di miglioramento, soluzioni come Operator potrebbero rivoluzionare il modo in cui svolgiamo le nostre attività quotidiane.
Fonte: Questo articolo si basa su informazioni da MIT Technology Review.
Scopri di più su Home.
