OpenAI Tiến Gần Đến Mục Tiêu Phát Triển AI Tự Vận Hành Máy Tính
OpenAI được cho là sắp ra mắt tính năng cho phép các tác nhân AI (AI agent) tự vận hành máy tính và trình duyệt web như con người. Quy trình huấn luyện kết hợp giữa tiền huấn luyện bằng ảnh chụp màn hình theo từng khung hình, tập dữ liệu mô phỏng của con người và học tăng cường, đồng thời chuyển đổi từ phân tích pixel thuần túy sang đọc cấu trúc ngầm của trang web. Công nghệ này có thể thay đổi căn bản cách con người tương tác với máy tính bằng cách cho phép AI tự động hóa các tác vụ trên các trang web nhỏ lẻ và các ứng dụng cũ vốn được thiết kế cho thao tác thủ công. Đây là một bước tiến quan trọng hướng tới các trợ lý kỹ thuật số tự trị có khả năng thực hiện các quy trình công việc phức tạp và gồm nhiều bước. Mặc dù tác nhân AI hiện có thể đọc trực tiếp cấu trúc bộ nhớ và thông tin hỗ trợ tiếp cận của trang web, tốc độ thực thi của nó vẫn còn chậm đối với các tác vụ như trả lời email hàng loạt, và việc thích ứng với mọi hệ điều hành hay ứng dụng vẫn là một thách thức lớn. Ngoài ra, OpenAI đang phát triển các chiến lược xác nhận để yêu cầu người dùng cấp quyền trước khi AI xóa dữ liệu hoặc truyền thông tin ra ngoài.
## KIẾN THỨC NỀN
Các tác nhân GUI (Giao diện người dùng đồ họa) là các hệ thống AI được thiết kế để nhận biết và tương tác trực quan với các giao diện kỹ thuật số, mô phỏng các hành động của con người như nhấp chuột và gõ phím. Việc đánh giá các tác nhân này đòi hỏi các bộ thử nghiệm (benchmark) phức tạp như OSWorld, vốn dùng để kiểm tra các mô hình đa phương thức trên các quy trình làm việc thực tế, dài hạn trên máy tính và trải rộng qua nhiều ứng dụng.