AI大神Andrej Karpathy：OpenAI Operator预示着AI智能体的未来，但仍需突破！
各位小伙伴，最近 OpenAI 发布了 Operator 的研究预览版，这是一个可以使用自己的浏览器为你执行任务的 AI 代理，引起了广泛关注。今天，我们来听听 AI 大神 Andrej Karpathy 对此的看法。他不仅深度参与了 OpenAI 的早期项目，还对 AI 的发展有着深刻的见解。
文章要点总结：
• Operator 的类比： Karpathy 将 OpenAI 的 Operator 比作数字世界的人形机器人，两者都是通用的系统，能够通过接口（键盘鼠标或人体）执行各种任务。 • 混合自主的未来： 这类 AI 的出现将导致一个混合自主的世界，人类将扮演高级监督者的角色，而 AI 则负责低级自动化。 • 数字世界的优势： 由于数字世界的操作成本远低于物理世界，这种变革在数字世界发生的速度会更快。 • 技术挑战： 虽然前景广阔，但目前技术仍存在挑战，特别是多模态信息处理和长期任务规划。 • 长期愿景： Karpathy 认为未来是智能体的时代，我们可以通过智能体完成各种复杂的任务，甚至运营整个公司。 • 长期发展： 他预测 2025-2035 年将是智能体的十年，虽然目前仍有许多工作要做，但未来可期。
以下为 Karpathy 评论的中文翻译：
像 OpenAI 的 Operator 这样的项目之于数字世界，正如人形机器人之于物理世界。一个通用的设置（监控键盘和鼠标，或人体），原则上可以通过最初为人类设计的 I/O 接口，逐步执行任意通用的任务。在这两种情况下，都会导致一个逐渐混合的自主世界，人类成为低级自动化的更高级别监督者。有点像司机监控自动驾驶仪。这在数字世界中发生的速度会比物理世界快，因为翻转比特的成本比移动原子的成本低大约 1000 倍。尽管物理世界的市场规模和机会感觉要大得多。
我们实际上在 OpenAI 的早期就研究过这个想法（参见 Universe 和 World of Bits 项目），但它的顺序不正确 - LLM 必须先出现。即使现在我也不敢 100% 确定它是否准备好了。多模态（图像、视频、音频）在过去一两年才刚刚与 LLM 集成，通常是作为适配器附加的。更糟糕的是，我们还没有真正涉足非常非常长的任务周期。例如，视频包含了大量信息，我不确定我们是否可以期望将所有信息都塞进上下文窗口（目前的范式），然后期望它也能工作。我想象这里可能需要一两个突破，举个例子。
我时间线上的人们都在说 2025 年是智能体之年。我个人认为 2025-2035 年是智能体的十年。我觉得要让它真正发挥作用，还需要在各个方面做大量工作。但它应该能行。今天，Operator 可以帮你从 DoorDash 上找午餐，或查看酒店等，有时可以，也许可以。明天，你将为自己选择的长期任务启动 Operators 组织（例如运营一家公司）。你可以像一位 CEO 一样同时监控 10 个 Operators，有时可能会深入到具体工作中来解决一些问题。事情将会变得非常有趣。
文章解读：
Karpathy 的评论清晰地指出了 OpenAI Operator 的重要意义，以及它在未来可能扮演的角色。 他认为 Operator 不仅仅是一个工具，而是一个变革的开端，标志着 AI 从简单的任务处理向更复杂的自主行动转变。 这也是一种 AI 智能体的雏形。
然而，他也强调了目前存在的技术挑战，比如如何处理多模态信息，以及如何让 AI 理解和执行长期的复杂任务。 这些问题都需要进一步的研究和突破。
总结：
Karpathy 的观点为我们理解 OpenAI Operator 提供了一个重要的视角。它不仅揭示了这项技术的前景，也指出了未来发展中需要克服的挑战。 虽然我们目前仍处于 AI 智能体发展的早期阶段，但它未来的潜力是巨大的，值得我们期待。
如果您想要让大模型写出优质的短篇小说，以及对其他内容感兴趣，也欢迎点击下面的链接，效果不错哦，很多朋友都说好。
效果如下
