各位小伙伴，最近 OpenAI 發布了 Operator 的研究預覽版，這是一個可以使用自己的瀏覽器為你執行任務的 AI 代理，引起了廣泛關注。今天，我們來聽聽 AI 大神 Andrej Karpathy 對此的看法。他不僅深度參與了 OpenAI 的早期項目，還對 AI 的發展有著深刻的見解。

文章要點總結：

• ?Operator 的類比：Karpathy 將 OpenAI 的 Operator 比作數字世界的人形機器人，兩者都是通用的系統，能夠通過接口（鍵盤鼠標或人體）執行各種任務。
• ?混合自主的未來：這類 AI 的出現將導致一個混合自主的世界，人類將扮演高級監督者的角色，而 AI 則負責低級自動化。
• ?數字世界的優勢：由于數字世界的操作成本遠低于物理世界，這種變革在數字世界發生的速度會更快。
• ?技術挑戰：雖然前景廣闊，但目前技術仍存在挑戰，特別是多模態信息處理和長期任務規劃。
• ?長期愿景：Karpathy 認為未來是智能體的時代，我們可以通過智能體完成各種復雜的任務，甚至運營整個公司。
• ?長期發展：他預測 2025-2035 年將是智能體的十年，雖然目前仍有許多工作要做，但未來可期。

以下為 Karpathy 評論的中文翻譯：

像 OpenAI 的 Operator 這樣的項目之于數字世界，正如人形機器人之于物理世界。一個通用的設置（監控鍵盤和鼠標，或人體），原則上可以通過最初為人類設計的 I/O 接口，逐步執行任意通用的任務。在這兩種情況下，都會導致一個逐漸混合的自主世界，人類成為低級自動化的更高級別監督者。有點像司機監控自動駕駛儀。這在數字世界中發生的速度會比物理世界快，因為翻轉比特的成本比移動原子的成本低大約 1000 倍。盡管物理世界的市場規模和機會感覺要大得多。

我們實際上在 OpenAI 的早期就研究過這個想法（參見 Universe 和 World of Bits 項目），但它的順序不正確 - LLM 必須先出現。即使現在我也不敢 100% 確定它是否準備好了。多模態（圖像、視頻、音頻）在過去一兩年才剛剛與 LLM 集成，通常是作為適配器附加的。更糟糕的是，我們還沒有真正涉足非常非常長的任務周期。例如，視頻包含了大量信息，我不確定我們是否可以期望將所有信息都塞進上下文窗口（目前的范式），然后期望它也能工作。我想象這里可能需要一兩個突破，舉個例子。

我時間線上的人們都在說 2025 年是智能體之年。我個人認為 2025-2035 年是智能體的十年。我覺得要讓它真正發揮作用，還需要在各個方面做大量工作。但它應該能行。今天，Operator 可以幫你從 DoorDash 上找午餐，或查看酒店等，有時可以，也許可以。明天，你將為自己選擇的長期任務啟動 Operators 組織（例如運營一家公司）。你可以像一位 CEO 一樣同時監控 10 個 Operators，有時可能會深入到具體工作中來解決一些問題。事情將會變得非常有趣。

文章解讀：

Karpathy 的評論清晰地指出了 OpenAI Operator 的重要意義，以及它在未來可能扮演的角色。 他認為 Operator 不僅僅是一個工具，而是一個變革的開端，標志著 AI 從簡單的任務處理向更復雜的自主行動轉變。 這也是一種 AI 智能體的雛形。

然而，他也強調了目前存在的技術挑戰，比如如何處理多模態信息，以及如何讓 AI 理解和執行長期的復雜任務。 這些問題都需要進一步的研究和突破。

總結：

Karpathy 的觀點為我們理解 OpenAI Operator 提供了一個重要的視角。它不僅揭示了這項技術的前景，也指出了未來發展中需要克服的挑戰。 雖然我們目前仍處于 AI 智能體發展的早期階段，但它未來的潛力是巨大的，值得我們期待。

本文轉載自 ??草臺AI??，作者： RangerEx